文献类型：期刊文章

作　　者：刁丽华[1] 田瑞扬[2] 白强[2]

DIAO Lihua;TIAN Ruiyang;BAI Qiang(Network Center of Guiyang University;School of Mechanical Engineering,Guiyang University,Guiyang,Guizhou Province,550000 China)

机构地区：[1]贵阳学院网络中心 [2]贵阳学院机械工程学院,贵州贵阳550000

出　　处：《科技资讯》

基　　金：贵阳学院引进人才启动资金科研项目(项目编号:GYU-KY-[2024])。

年　　份：2024

卷　　号：22

期　　号：9

起止页码：32-36

语　　种：中文

收录情况：JST、NSSD、普通刊

摘　　要：便利店和街边小店承担了相当比例的香烟销售,商家根据需求在网上下单后,烟草物流中心根据订单自动分拣配货并打包出库。由于物流中心产线多为黑色皮带,而条烟颜色五花八门,当配送黑色条烟时传统方法易出现检测错误进而导致报错或重复配送等问题。在此基础上,研究了基于深度学习的识别分割模型来提升复杂背景下分拣系统的准确率。首先,构建不同种类条烟组成的数据集;其次,搭建深度学习模型并基于已有数据集进行训练;最后,在实际环境下完成模型的测试验证。结果表明:深度学习技术的采用不仅大幅度提高了检测分割的准确率,还具有较好的识别速度。

关 键 词：深度学习  分割  烟草 物流

分 类 号：TP391.41] TP18[计算机类]