基于深度學習的紙病檢測系統(tǒng)設(shè)計與研究

摘要： 本課題設(shè)計了基于深度學習的紙病檢測系統(tǒng)，用于提高造紙生產(chǎn)過程中的質(zhì)量控制水平。該系統(tǒng)采用了“CCD+FPGA+工業(yè)控制計算機+訓練計算機”的架構(gòu)模式，實現(xiàn)了對紙張圖像數(shù)據(jù)的實時采集、紙病的實時判斷和紙病類型的實時識別。綜合考慮分類準確率與推理速度，選擇MobileNet模型算法，其分類準確率達99.5%，每秒可推理約103.1張分辨率為224×224的圖像，滿足現(xiàn)場紙病圖像分類...