文献类型：期刊文章

作　　者：李学敏[1] 谢光桥[1] 黄卓[1] 余楚才[2]

LI Xuemin;XIE Guangqiao;HUANG Zhuo;YU Chucai(Mianyang Cigarette Factory,China Tobacco Sichuan Industry Limited Liability Company,Mianyang Sichuan 621000,China;Chengdu Information Technology of Chinese Academy of Sciences Company Limited,Chengdu Sichuan 610041,China)

机构地区：[1]四川中烟工业有限责任公司绵阳卷烟厂,四川绵阳621000 [2]中科院成都信息技术股份有限公司,成都610041

出　　处：《计算机应用》

年　　份：2023

卷　　号：43

期　　号：S01

起止页码：346-350

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CSCD、CSCD_E2023_2024、IC、JST、RCCSE、ZGKJHX、ZMATH、核心刊

摘　　要：针对烟支在生产过程中可能出现的黑点、油渍、刺破、夹沫、褶皱、缺嘴、烟支长短不一等缺陷,提出一种基于深度学习的烟支图像对比分析方法。对烟支中的水松纸区域,基于级联卷积网络,搭建了一种满足现场需求的最佳权重分布的神经网络分类模型;对烟支中的卷烟纸区域,采用高低值的模型比对算法,两者相结合大幅提高了烟支检测的实时性和准确性;同时引入了多尺度的时空特征,利用图像序列实现了帧间前后烟支缺陷信息的关联标记,将剔除轮的烟支剔除率降低了约2/3。在自建烟支数据集的基础上,搭建的分类模型准确率较ResNet-18提高了8.64个百分点,较紧固件缺陷自动检测(ADDF)算法和自动织物缺陷检测(AFDD)算法提高了7个百分点以上。

关 键 词：级联卷积网络  时空特征  烟丝飞沫  高低值图像模板  ResNet  

分 类 号：TP391.4]