摘要
重组竹板的颜色分类是产品质量的重要因素,目前主要采用人工完成,面临生产效率低下、作业负荷繁重、产品质量不统一等诸多瓶颈问题.为此,本文建立了重组竹板颜色分类数据集,构建了基于ViT-base-p16大模型的重组竹板颜色分类方法,并与经典的卷积神经网络进行了结果对比.研究结果表明,ViT-base-p16模型测试准确率达到98.74％,验证了该模型在重组竹板分类中的优异性;与经典的卷积神经网络相比,ViT模型分类准确率优于VGG、EfficientNet、MobileNet和ResNet50,以期为机器视觉在竹材检测领域的应用提供参考价值.
NETL
NSTL
万方数据