相关实验视频
Updated: Jun 9, 2025
13:19
Deep Neural Networks for Image-Based Dietary Assessment
Published on: March 13, 2021
9.0K
基于深度神经网络的香烟过器缺陷检测系统与FPGA加速用于在线识别
Liang Huang1, Qiongxia Shen2, Chao Jiang2
1School of Electronic Information and Communications, Huazhong University of Science & Technology, Wuhan 430074, China.
Sensors (Basel, Switzerland)
|October 26, 2024
概括
这项研究引入了一种用于检测香烟缺陷的AI模型,达到95.88%的准确性. 该系统使用RESNET18和FPGA部署来实现制造业中的高速实时质量控制.
科学领域:
- 制造业 制造技术 制造技术
- 人工智能的人工智能
- 计算机视觉 计算机视觉
背景情况:
- 机器视觉和人工智能在香烟制造中用于缺陷检测.
- 目前的方法难以高精度和实时检测复杂的香烟图案.
研究的目的:
- 为香烟开发一个准确和高速的缺陷检测模型.
- 解决现有的实时缺陷检测系统的局限性.
主要方法:
- 提出了一个基于RESNET18的模型与功能增强算法相结合.
- 该模型部署在现场可编程网关阵列 (FPGA) 上,用于并行处理.
主要成果:
- 拟议的模型在香烟过器缺陷数据集上实现了95.88%的检测准确度.
- 实现了9.38毫秒的端到端检测速度.
结论:
- 开发的模型有效地提高了对香烟缺陷的检测准确度.
- 通过FPGA的部署,可以在香烟制造中高速实时检测缺陷.
