10.3969/j.issn.1005-1295.2022.03.011
基于深度学习的花生米缺陷识别分拣方法研究
针对花生米深加工前的缺陷检测速度慢与效率低等问题,提出一种基于SSD算法的花生米缺陷检测定位识别算法.以油污粒、发霉粒及破损粒等常见缺陷为训练研究对象,运用深度学习自动提取缺陷花生米图像的特征进行检测定位,并结合并联机器人进行目标物体动态追踪抓取.经试验结果得出,缺陷花生米平均识别准确率为98.71%,并联机器人在线抓取的平均耗时为0.61?s,可以高效精准地实现花生米在农业生产中在线跟踪式智能分拣筛选的要求.
无损检测、深度学习、并联机器人、动态跟踪
40
TS207.7(食品工业)
安徽省科技重大专项;安徽省自然科学基金面上项目;安徽省教育厅协同育人项目
2022-07-25(万方平台首次上网日期,不代表论文的发表时间)
共6页
65-70