基于机器视觉的不合格叶梗烟丝检测方法

论文摘要

为提高卷烟燃烧安全质量,在颜色形态相近的烟丝中准确识别出不合格的叶梗烟丝,提出一种基于深度学习与精密测量方法相结合的叶梗烟丝检测方法。首先,优化卷积神经网络的结构与权值训练方法,构建出一种基于Caffe的梗丝识别模型,可以在多种不同种类的烟丝中准确地识别出叶梗烟丝;其次,在图像分割及轮廓提取的基础上使用Freeman链码的形式对梗丝的轮廓像素点进行编码;最后,提出了基于"闭合链码内切圆"的梗丝宽度测量算法,最终实现了叶梗烟丝的识别与宽度测量。实验结果表明,该方法对梗丝的识别率达到了98%以上,宽度计算误差小于0.03 mm。该方法能够准确地识别出配方烟丝中不合格的叶梗烟丝,为卷烟燃烧安全控制提供有效手段。

论文目录

• 0 引言
• 1 实验装置
• 2 基于卷积神经网络的梗丝识别
•   2.1 梗丝识别深度学习框架的选择与搭建
•   2.2 梗丝识别模型
•     2.2.1 训练前预处理
•     2.2.2 关键参数优化与建模
• 3 基于闭合链码最大内切圆的梗丝宽度计算
•   3.1 梗丝轮廓链码提取
•   3.2 基于闭合链码内切圆的宽度计算
•   3.3 不合格梗丝识别与判断
• 4 实验结果及分析
•   4.1 梗丝分类准确率测试
•   4.2 宽度计算准确率测试
•   4.3 不同方法下不合格梗丝精度测量
•   4.4 不同方法下不合格梗丝检测的时耗对比
• 5 结语

文章来源

类型: 期刊论文

作者: 胡世龙,陈建强,赖东辉,周磊

关键词: 卷烟燃烧安全,叶梗烟丝,卷积神经网络,闭合链码,宽度计算

来源: 计算机应用 2019年S1期

年度: 2019

分类: 信息科技,工程科技Ⅰ辑

专业: 轻工业手工业,计算机软件及计算机应用

单位: 贵州中烟工业有限责任公司,贵州中烟工业有限责任公司技术中心

分类号: TS47;TP391.41

页码: 215-218

总页数: 4

文件大小: 597K

下载量: 131