10.19554/j.cnki.1001-3563.2023.01.015
基于深度学习的烟包识别与分类
目的 提取烟包图像数据训练深度学习目标检测模型,提升烟包流水线拣包效率和准确性.方法 基于深度学习建立一种烟包识别分类模型,对原始YOLOv3模型进行改进,在原网络中加入设计的多空间金字塔池化结构(M–SPP),将64×64尺度的特征图下采样与32×32尺度的特征图进行拼接,并去除16×16尺度的预测特征层,提高模型的检测准确率和速度,并采用K–means++算法对先验框参数进行优化.结果 实验表明该目标检测模型平均准确率达到99.68%,检测速度达到70.82帧/s.结论 基于深度学习建立的图像识别分类模型准确率高且检测速度快,有效满足烟包流水线自动化实时检测.
深度学习、烟包识别、YOLOv3、K—means++
44
TP391(计算技术、计算机技术)
国家自然科学基金;浙江省基础公益研究计划项目
2023-02-15(万方平台首次上网日期,不代表论文的发表时间)
共8页
133-140