典型文献
基于深度学习的卷包设备清洁保养质量判别系统设计
文献摘要：
为解决烟草行业设备保养人工检查效率低、标准不一等问题,设计了一种基于深度学习的卷包设备清洁保养质量判别系统.系统主要包括三个模型,基于深度学习的保养部位识别模型,判别采集到的图像是否是正确的保养部位;基于深度学习的脏物检测模型,从采集到的保养图像中检测出不合格的脏物;融入工艺知识的保养质量判别模块,根据检测到的脏物和保养部位信息,判别保养是否合格.以武汉卷烟厂卷包车间为例进行现场测试,结果表明:系统对卷包设备的清洁保养质量判别准确率达到86.3％,满足实际生产中对卷包设备清洁保养质量的自动化判别需求,具备良好的泛化性能.
文献关键词：
烟草;卷包设备;保养质量判别;深度学习
中图分类号：
作者姓名：
陈天丽;江志凌;邵力波;毛新彦;石德伦;姜军;刘西尧;谢茜;柳盼
作者机构：
湖北中烟工业有限责任公司武汉卷烟厂,武汉市东西湖区金银湖办事处环湖路51 号 430040;华中科技大学人工智能与自动化学院,武汉市洪山区珞喻路1037 号 430074
文献出处：
引用格式：
[1]陈天丽;江志凌;邵力波;毛新彦;石德伦;姜军;刘西尧;谢茜;柳盼-.基于深度学习的卷包设备清洁保养质量判别系统设计)[J].中国烟草学报,2022(06):20-29
A类：
卷包设备,保养质量判别,保养部
B类：
清洁保养,烟草行业,设备保养,检查效率,部位识别,识别模型,像是,是否是,脏物,检测模型,不合格,工艺知识,卷烟厂,包车,现场测试,泛化性能
AB值：
0.213075
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
