典型文献
基于SqueezeNet的卷烟小盒外观检测算法在低成本硬件上的实现
文献摘要：
文章设计一种基于SqueezeNet卷积神经网络,实现对小包外观检测.SqueezeNet卷积神经网络所使用数据集采集自昆明卷烟厂FOCKE-FXS机型成像检测系统,经过人工对图像进行分类,获得小包外观良好与缺陷的数据集.将数据集随机生成90％的训练集与10％的验证集,对训练集进行数据增强及均值减法的预处理之后,送入卷积神经网络进行特征提取与分类.在MATLAB平台上进行学习与测试,使用数据集,小包外观识别准确率可达99.66％,效果较好.之后,使用树莓派作为算法实现硬件,将经过验证的SqueezeNet算法部署到树莓派中.经过验证,算法运行正常.
文献关键词：
SqueezeNet;树莓派;OpenCV;ARM Compute Library;卷烟;小盒外观检测
中图分类号：
作者姓名：
刘巍
作者机构：
红云红河烟草(集团)有限责任公司昆明卷烟厂,云南 昆明 650202
文献出处：
引用格式：
[1]刘巍-.基于SqueezeNet的卷烟小盒外观检测算法在低成本硬件上的实现)[J].科技创新与应用,2022(04):55-57
A类：
小盒外观检测,FOCKE
B类：
SqueezeNet,卷烟小盒,检测算法,低成本硬件,小包,使用数据,数据集采,卷烟厂,FXS,机型,成像检测,训练集,验证集,数据增强,减法,送入,识别准确率,树莓派,算法实现,法部,OpenCV,ARM,Compute,Library
AB值：
0.317179
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。
