基于Faster RCNN深度学习的小包外观检测方案
版权信息:站内文章仅供学习与参考,如触及到您的版权信息,请与本站联系。
信息
资料大小
1.14 MB
文件类型
PDF
语言
简体中文
资料等级
☆☆☆☆☆
下载次数
67
简介
为进一步提高烟草厂商对香烟小包外观检测的效率,提出了基于Faster RCNN深度学习的人工智能系统方案。该方案将机器视觉与人工智能图像识别以及ICT技术相结合,突破了传统检测算法原理的局限性,提升了烟包外观检测的精度,降低了误检率。经测试,一般缺陷检出率高于99%,严重缺陷100%检出,误检率低于0.01%,有效提升了香烟包装品质。相关论文
- 2025-01-24沥青混合料探地雷达图像正演模拟与扩散研究
- 2025-01-26扩散强制蚁群算法求解越野机器人路径规划
- 2021-08-30HMn58-2配流盘摩擦副表面激光加工微阵列对其摩擦磨损性能的影响
- 2021-05-24Mg2Si/A1复合材料的制备方法、力学性能和摩擦磨损行为研究现状
- 2021-04-20多晶及单晶铜的磨损及腐蚀性能研究
请自觉遵守互联网相关的政策法规,严禁发布色情、暴力、反动的言论。