[发明专利]一种基于深度学习的烟支缺陷检测系统

权利要求书

1.一种基于深度学习的烟支缺陷检测系统，其特征在于，所述基于深度学习的烟支缺陷检测系统包括计算机、光源、光纤传感器、相机、工控机和报警剔除装置，控制板判断烟支到位后控制光源闪光并同时发送拍照信号给相机，通过相机采集烟支图像，将图像传送给计算机，通过计算机中安装的深度学习检测软件对烟支图像进行检测，将图像转化为矩阵形式的数字信息投入到深度学习网络进行检测判断；检测结果包括烟支个数、是否空头，检测结果通过串口形式传送给工控机，工控机驱动报警剔除装置执行相应的剔除烟支动作。

2.根据权利要求1所述的一种基于深度学习的烟支缺陷检测系统，其特征在于，所述光源采用LED光源，并采用频闪和漫反射方式对烟支进行均匀照明。

3.根据权利要求1所述的一种基于深度学习的烟支缺陷检测系统，其特征在于，所述工控机搭载IntelCeleron J1900四核2.0GHz处理器、8G内存、1T固态硬盘，并采用stm32作为控制核心。

4.一种基于深度学习的烟支缺陷检测系统，其特征在于，所述基于深度学习的烟支缺陷检测系统的训练和检测流程包括以下步骤：

步骤一：采集训练图像，并将图像标注为正样本和负样本；

步骤二：对参与训练的图像进行性预处理，包括改变大小和数据增强；

步骤三：将采集到的正、负样本图像分为训练集和验证集；

步骤四：设置网络的超参数，采用卷积神经网络对图像进行训练，并且调整超参数对图像进行多次训练，通过验证集观察精度、召回率等来选择多次训练得到的模型中精度最高的模型；

步骤五：将待检测图像进行同样的预处理，然后经过训练好的卷积神经网络模型，最终得到分类结果。