基于机器视觉技术的烟叶霉变检测系统研究

扫码查看

原文链接

万方数据
维普

中文摘要：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。

作者：

彭德腾、江炎军、王先兵

展开 >

作者单位：

湖南中烟工业有限责任公司常德卷烟厂,湖南常德 415000

关键词：

烟叶霉变光学成像系统深度学习模型卷积神经网络

基金：

湖南省科技重大专项项目

项目编号：

2021GK1010

出版年：

2024

通讯世界

中国科技信息研究所（ISTIC）,美国国际数据集团（IDG）

通讯世界

影响因子：0.757

ISSN：1006-4222

年,卷(期)：2024.31(10)