基于SqueezeNet的卷烟小盒外观检测算法在低成本硬件上的实现

文章设计一种基于SqueezeNet卷积神经网络,实现对小包外观检测。SqueezeNet卷积神经网络所使用数据集采集自昆明卷烟厂FOCKE-FXS机型成像检测系统,经过人工对图像进行分类,获得小包外观良好与缺陷的数据集。将数据集随机生成90%的训练集与10%的验证集,对训练集进行数据增强及均值减法的预处理之后,送入卷积神经网络进行特征提取与分类。在MATLAB平台上进行学习与测试,使用数据集,小包外观识别准确率可达99.66%,效果较好。之后,使用树莓派作为算法实现硬件,将经过验证的SqueezeNet算法部署到树莓派中。经过验证,算法运行正常。