一种新的在线检测烟草杂质的方法,用于烟草机器人

科学领域:

• 计算机视觉 计算机视觉
• 人工智能的人工智能
• 制造业 制造技术 制造技术

背景情况:

• 烟草生产中的杂质检测对于质量控制和降低健康风险至关重要.
• 由于复杂的背景和可变的杂质形状,现有的方法面临挑战,影响准确性.
• 自动检查系统需要强大而高效的杂质检测能力.

研究的目的:

• 使用人工智能开发一种增强的在线检测烟草杂质的方法.
• 提高自动化烟草生产中杂质检测的准确性和效率.
• 解决当前杂质检测技术的局限性,特别是用于机器人应用.

主要方法:

• 设计了一个BCFormer注意力机制模块来过不相关的图像信息.
• 集成了一个双特征聚合 (DFA) 模块,以增强特征地图的语义和位置数据.
• 开发了一个优化的损失函数,以便更准确地评估界限框.

主要成果:

• 提出的方法在识别烟草杂质方面表现强.
• 与传统的YOLOX方法相比,在mAP (平均平均精度) 中取得了大约3.01%的改进.
• 实时处理效率达到每秒41.

结论:

• 开发的算法有效地检测到复杂环境中的烟草杂质.
• 该方法为烟草生产线的自动化检查提供了可行的解决方案.
• 提高准确性和速度有助于提高产品质量和安全性.