为减少卷烟厂烟丝生产过程中人工检测烟柜状态带来的安全隐患，提出一种改进的卷积神经网络对烟柜状态进行自动识别。使用工业相机对不同烟柜的多种状态进行数据采集并做数据增强，构建烟柜状态数据集；设计具有17层卷积层、5层池化层、3层全连接层的改进的卷积神经网络模型，对烟柜状态进行识别。通过实验与图像分类经典模型作比较，实验结果表明，提出方法对不同烟柜的识别准确率已高达98.01%,优于现有方法，对烟厂的安全高效生产具有实际意义，对其它计算机视觉的识别问题也具有一定借鉴作用。
科研之友
微信
新浪微博
Facebook
分享链接
