-
题名基于深度学习的烟包识别与分类
被引量:2
- 1
-
-
作者
淡卫波
朱勇建
黄毅
-
机构
浙江科技学院机械与能源工程学院
宁波敏捷信息科技有限公司
长沙理工大学汽车与机械工程学院
-
出处
《包装工程》
CAS
北大核心
2023年第1期133-140,共8页
-
基金
国家自然科学基金(51875048)
浙江省基础公益研究计划(LGG21E050006)。
-
文摘
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。
-
关键词
深度学习
烟包识别
YOLOv3
K–means++
-
Keywords
deep learning
cigarette pack recognition
YOLOv3
K-means++
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-