摘要
针对烟叶生产过程中霉变检测效率低下、准确性不足的问题,设计研发了一种基于机器视觉技术的烟叶霉变检测系统,以实现对烟叶霉变的高效、准确识别.首先,通过合理设计相机分辨率、光源等参数,确保获取高质量的烟叶图像数据.其次,基于卷积神经网络,利用标准化采集和半监督算法标注的大规模样本训练二分类模型.最后,为进一步提高识别精度,引入相邻区域综合分析策略,使得烟叶霉变检测系统能够实现对不同类型霉变的高精度识别.此外,烟叶霉变检测系统采用云边协同架构,在生产线上部署边缘设备进行实时检测,同时云端对烟叶霉变检测模型进行持续优化.经实际生产线验证,烟叶霉变检测系统成效显著,对霉变烟叶的识别率达到99.2%,误检率为2.8%,提高了检测效率和准确性,具有重要的实际应用价值.
维普
万方数据