期刊导航
期刊开放获取
vip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于PP-PicoDet的改型轻量级烟丝异物检测算法
1
作者
李建军
誉东明
+1 位作者
刘会杰
孙熊伟
《中国烟草学报》
北大核心
2025年第5期20-30,共11页
【目的】解决烟丝振槽中混杂的运动异物难以快速、准确检测问题,实现针对烟丝中小、弱异物的在线检测模型性能的强化。【方法】基于GMM(Gaussian Mixture Model)理论构建脱机烟丝背景颜色模型,实现异常目标显著性快速建模;优化PP-PicoDe...
【目的】解决烟丝振槽中混杂的运动异物难以快速、准确检测问题,实现针对烟丝中小、弱异物的在线检测模型性能的强化。【方法】基于GMM(Gaussian Mixture Model)理论构建脱机烟丝背景颜色模型,实现异常目标显著性快速建模;优化PP-PicoDet检测网络的注意力增强机制,强化空间纹理信息的表达,提升对异常目标结构特征的感知;分析并构建小样本友好的损失函数,利用高斯模型实现标签损失重分配,提升模型对小占比样本的激励。【结果】在自建平台上,改型模型以0.5%的额外计算时延换取了精确率和召回率指标5.8%的性能提升。【结论】该技术满足烟丝生产中异物检测任务对时效性和可靠性要求,实现烟丝生产效率的提升。
展开更多
关键词
目标检测
pp-picodet
GMM建模
显著性检测
在线阅读
下载PDF
职称材料
基于PP-PicoDet超轻量级模型的复合滤嘴端面视觉检测系统设计
2
作者
杨彩虹
易进参
+5 位作者
施云霞
刘懋超
易凡竣
张彪
邓忠广
蔡培良
《包装工程》
北大核心
2025年第S1期86-91,107,共7页
为解决卷接机组上光电检测技术无法有效区分常规滤嘴与复合滤嘴端面,导致烟支滤嘴端面缺陷漏检的问题,本研究创新性地采用视觉检测技术,基于PP-PicoDet超轻量级算法架构,设计开发了一套复合滤嘴端面视觉检测系统。该系统通过机械支架的...
为解决卷接机组上光电检测技术无法有效区分常规滤嘴与复合滤嘴端面,导致烟支滤嘴端面缺陷漏检的问题,本研究创新性地采用视觉检测技术,基于PP-PicoDet超轻量级算法架构,设计开发了一套复合滤嘴端面视觉检测系统。该系统通过机械支架的优化设计与精密安装、高速动态图像采集与时序图像拼接技术、深度神经网络构建、智能算法模型处理以及精准控制程序开发等关键技术突破,实现了对烟支滤嘴端面质量缺陷的智能判别与精准剔除。经实际生产验证,该视觉检测装置可有效识别滤嘴端面变形、滤嘴结构异常、滤嘴夹沫等典型缺陷,其综合性能表现优异:检测准确率达到99.9%的行业领先水平,显著提升了烟支滤嘴端面质量控制标准。特别值得注意的是,该系统创新性地实现了常规滤嘴与复合滤嘴的智能区分,并通过大量试验数据证实,其缺陷识别准确率稳定维持在99.9%的高水准,为卷烟产品质量管控提供了可靠的技术保障。
展开更多
关键词
卷接机组
复合滤嘴
pp-picodet
超轻量级模型
特征融合
标签分配
网络
在线阅读
下载PDF
职称材料
基于PP-PicoDet技术的智能垃圾分类
被引量:
2
3
作者
倪吴广
汪朵拉
张卓
《计算机测量与控制》
2023年第10期291-298,共8页
目前在垃圾分类目标检测上大多采用YOLOv5系列算法,该算法在相同参数量的情况下,检测精度和检测速度都相对不太高,难以满足实际应用需求;对基于PP-PicoDet技术的垃圾分类目标检测应用进行了研究,并将其与几种常见的垃圾分类目标检测算...
目前在垃圾分类目标检测上大多采用YOLOv5系列算法,该算法在相同参数量的情况下,检测精度和检测速度都相对不太高,难以满足实际应用需求;对基于PP-PicoDet技术的垃圾分类目标检测应用进行了研究,并将其与几种常见的垃圾分类目标检测算法进行实验对比分析;结果表明,PP-PicoDet算法能够在使用更少的参数量的情况下,实现较高的检测精度和速度,能够满足移动端部署需求。
展开更多
关键词
垃圾分类
深度学习
目标检测
YOLOv5
pp-picodet
轻量级模型
在线阅读
下载PDF
职称材料
题名
基于PP-PicoDet的改型轻量级烟丝异物检测算法
1
作者
李建军
誉东明
刘会杰
孙熊伟
机构
广西中烟工业有限责任公司
中国科学院合肥物质科学研究院安徽光学精密机械研究所
出处
《中国烟草学报》
北大核心
2025年第5期20-30,共11页
基金
中国科学院安徽工业研究院六安院院企联合基金“LAY202205”(202205)。
文摘
【目的】解决烟丝振槽中混杂的运动异物难以快速、准确检测问题,实现针对烟丝中小、弱异物的在线检测模型性能的强化。【方法】基于GMM(Gaussian Mixture Model)理论构建脱机烟丝背景颜色模型,实现异常目标显著性快速建模;优化PP-PicoDet检测网络的注意力增强机制,强化空间纹理信息的表达,提升对异常目标结构特征的感知;分析并构建小样本友好的损失函数,利用高斯模型实现标签损失重分配,提升模型对小占比样本的激励。【结果】在自建平台上,改型模型以0.5%的额外计算时延换取了精确率和召回率指标5.8%的性能提升。【结论】该技术满足烟丝生产中异物检测任务对时效性和可靠性要求,实现烟丝生产效率的提升。
关键词
目标检测
pp-picodet
GMM建模
显著性检测
Keywords
object detection
pp-picodet
GMM modeling
saliency detection
分类号
TP391.41 [自动化与计算机技术—计算机应用技术]
TS47 [农业科学—烟草工业]
在线阅读
下载PDF
职称材料
题名
基于PP-PicoDet超轻量级模型的复合滤嘴端面视觉检测系统设计
2
作者
杨彩虹
易进参
施云霞
刘懋超
易凡竣
张彪
邓忠广
蔡培良
机构
红云红河烟草(集团)有限责任公司曲靖卷烟厂卷包车间
出处
《包装工程》
北大核心
2025年第S1期86-91,107,共7页
基金
红云红河烟办[2023]119号重点项目《AI视觉检测技术在云烟中支高端产线的应用研究》
文摘
为解决卷接机组上光电检测技术无法有效区分常规滤嘴与复合滤嘴端面,导致烟支滤嘴端面缺陷漏检的问题,本研究创新性地采用视觉检测技术,基于PP-PicoDet超轻量级算法架构,设计开发了一套复合滤嘴端面视觉检测系统。该系统通过机械支架的优化设计与精密安装、高速动态图像采集与时序图像拼接技术、深度神经网络构建、智能算法模型处理以及精准控制程序开发等关键技术突破,实现了对烟支滤嘴端面质量缺陷的智能判别与精准剔除。经实际生产验证,该视觉检测装置可有效识别滤嘴端面变形、滤嘴结构异常、滤嘴夹沫等典型缺陷,其综合性能表现优异:检测准确率达到99.9%的行业领先水平,显著提升了烟支滤嘴端面质量控制标准。特别值得注意的是,该系统创新性地实现了常规滤嘴与复合滤嘴的智能区分,并通过大量试验数据证实,其缺陷识别准确率稳定维持在99.9%的高水准,为卷烟产品质量管控提供了可靠的技术保障。
关键词
卷接机组
复合滤嘴
pp-picodet
超轻量级模型
特征融合
标签分配
网络
分类号
TB487 [一般工业技术—包装工程]
在线阅读
下载PDF
职称材料
题名
基于PP-PicoDet技术的智能垃圾分类
被引量:
2
3
作者
倪吴广
汪朵拉
张卓
机构
河海大学物联网工程学院
出处
《计算机测量与控制》
2023年第10期291-298,共8页
基金
国家自然科学基金项目(12274113)。
文摘
目前在垃圾分类目标检测上大多采用YOLOv5系列算法,该算法在相同参数量的情况下,检测精度和检测速度都相对不太高,难以满足实际应用需求;对基于PP-PicoDet技术的垃圾分类目标检测应用进行了研究,并将其与几种常见的垃圾分类目标检测算法进行实验对比分析;结果表明,PP-PicoDet算法能够在使用更少的参数量的情况下,实现较高的检测精度和速度,能够满足移动端部署需求。
关键词
垃圾分类
深度学习
目标检测
YOLOv5
pp-picodet
轻量级模型
Keywords
garbage classification
deep learning
target detection
YOLOv5
pp-picodet
model
分类号
TP183 [自动化与计算机技术—控制理论与控制工程]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于PP-PicoDet的改型轻量级烟丝异物检测算法
李建军
誉东明
刘会杰
孙熊伟
《中国烟草学报》
北大核心
2025
0
在线阅读
下载PDF
职称材料
2
基于PP-PicoDet超轻量级模型的复合滤嘴端面视觉检测系统设计
杨彩虹
易进参
施云霞
刘懋超
易凡竣
张彪
邓忠广
蔡培良
《包装工程》
北大核心
2025
0
在线阅读
下载PDF
职称材料
3
基于PP-PicoDet技术的智能垃圾分类
倪吴广
汪朵拉
张卓
《计算机测量与控制》
2023
2
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部