基于深度學(xué)習(xí)的紙病檢測(cè)系統(tǒng)設(shè)計(jì)與研究

摘要： 本課題設(shè)計(jì)了基于深度學(xué)習(xí)的紙病檢測(cè)系統(tǒng)，用于提高造紙生產(chǎn)過(guò)程中的質(zhì)量控制水平。該系統(tǒng)采用了“CCD+FPGA+工業(yè)控制計(jì)算機(jī)+訓(xùn)練計(jì)算機(jī)”的架構(gòu)模式，實(shí)現(xiàn)了對(duì)紙張圖像數(shù)據(jù)的實(shí)時(shí)采集、紙病的實(shí)時(shí)判斷和紙病類型的實(shí)時(shí)識(shí)別。綜合考慮分類準(zhǔn)確率與推理速度，選擇MobileNet模型算法，其分類準(zhǔn)確率達(dá)99.5%，每秒可推理約103.1張分辨率為224×224的圖像，滿足現(xiàn)場(chǎng)紙病圖像分類...