基于深度学习的禽蛋表面缺陷检测系统 - 智能产品 - 全国大学生数字媒体科技作品及创意竞赛官网
查看原图

竞赛作品 > 智能产品

基于深度学习的禽蛋表面缺陷检测系统

  • 智能产品竞赛作品——基于深度学习的禽蛋表面缺陷检测系统

    作品名称:基于深度学习的禽蛋表面缺陷检测系统
    参赛院校:仲恺农业工程学院
    指导教师:罗智杰
    团队成员:郑梓瀚、徐志炫、黄燕芸
    数媒竞赛网(mit.caai.cn)2022年参赛作品
    作品描述:

    蛋类食品是人们日常生活中的重要食品之一,价格实惠、营养丰富、味道可口,随着我国人民生活质量的提升,对蛋类质量的要求也日益提高。在蛋类加工过程中的一个重要步骤就是分拣,即把破损蛋(裂纹蛋)从好蛋中挑出来。目前,我国蛋类加工行业仍然采用人工检测方法,即照蛋法和敲击法,分别通过人的眼睛和耳朵来识别。人工检测要求熟练个人进行长时间的生产操作,容易产生视觉或听觉疲劳而导致破损蛋被遗漏,且企业用人成本的提高,招工难会造成生产停滞;另外,人工检测方法效率低下,不适应规模化生产的需要。针对上述问题,将通信技术、计算机视觉技术、图像处理技术、模式识别技术、机器学习技术等现代信息技术引入鸭蛋分拣领域,建立全新的自动化鸭蛋表面缺陷检测平台,已经成为农业生产的迫切要求和发展趋势。 随着深度学习技术的发展,科研工作者开始将机器学习技术应用到图像识别,而且在近几年取得了较大的发展。神经网络应用在蛋类表面缺陷识别上可以大大减少工作量,缩短识别时间,深度学习技术的出现为图像识别提供了强有力的保障。本项目提出基于改进GoogLeNet的蛋类表面缺陷检测平台,以期改变蛋类分拣方式,使其最终能够替代人工检测从而减少生产成本,降低误检率,提高企业生产力,从而真正实现蛋类生产分拣阶段的自动化、智能化和规范化。


  • 智能产品竞赛作品——基于深度学习的禽蛋表面缺陷检测系统

    作品名称:基于深度学习的禽蛋表面缺陷检测系统
    参赛院校:仲恺农业工程学院
    指导教师:罗智杰
    团队成员:郑梓瀚、徐志炫、黄燕芸
    数媒竞赛网2022年参赛作品
    作品描述:

    蛋类食品是人们日常生活中的重要食品之一,价格实惠、营养丰富、味道可口,随着我国人民生活质量的提升,对蛋类质量的要求也日益提高。在蛋类加工过程中的一个重要步骤就是分拣,即把破损蛋(裂纹蛋)从好蛋中挑出来。目前,我国蛋类加工行业仍然采用人工检测方法,即照蛋法和敲击法,分别通过人的眼睛和耳朵来识别。人工检测要求熟练个人进行长时间的生产操作,容易产生视觉或听觉疲劳而导致破损蛋被遗漏,且企业用人成本的提高,招工难会造成生产停滞;另外,人工检测方法效率低下,不适应规模化生产的需要。针对上述问题,将通信技术、计算机视觉技术、图像处理技术、模式识别技术、机器学习技术等现代信息技术引入鸭蛋分拣领域,建立全新的自动化鸭蛋表面缺陷检测平台,已经成为农业生产的迫切要求和发展趋势。 随着深度学习技术的发展,科研工作者开始将机器学习技术应用到图像识别,而且在近几年取得了较大的发展。神经网络应用在蛋类表面缺陷识别上可以大大减少工作量,缩短识别时间,深度学习技术的出现为图像识别提供了强有力的保障。本项目提出基于改进GoogLeNet的蛋类表面缺陷检测平台,以期改变蛋类分拣方式,使其最终能够替代人工检测从而减少生产成本,降低误检率,提高企业生产力,从而真正实现蛋类生产分拣阶段的自动化、智能化和规范化。


  • 智能产品竞赛作品——基于深度学习的禽蛋表面缺陷检测系统

    作品名称:基于深度学习的禽蛋表面缺陷检测系统
    参赛院校:仲恺农业工程学院
    指导教师:罗智杰
    团队成员:郑梓瀚、徐志炫、黄燕芸
    数媒竞赛网2022年参赛作品
    作品描述:

    蛋类食品是人们日常生活中的重要食品之一,价格实惠、营养丰富、味道可口,随着我国人民生活质量的提升,对蛋类质量的要求也日益提高。在蛋类加工过程中的一个重要步骤就是分拣,即把破损蛋(裂纹蛋)从好蛋中挑出来。目前,我国蛋类加工行业仍然采用人工检测方法,即照蛋法和敲击法,分别通过人的眼睛和耳朵来识别。人工检测要求熟练个人进行长时间的生产操作,容易产生视觉或听觉疲劳而导致破损蛋被遗漏,且企业用人成本的提高,招工难会造成生产停滞;另外,人工检测方法效率低下,不适应规模化生产的需要。针对上述问题,将通信技术、计算机视觉技术、图像处理技术、模式识别技术、机器学习技术等现代信息技术引入鸭蛋分拣领域,建立全新的自动化鸭蛋表面缺陷检测平台,已经成为农业生产的迫切要求和发展趋势。 随着深度学习技术的发展,科研工作者开始将机器学习技术应用到图像识别,而且在近几年取得了较大的发展。神经网络应用在蛋类表面缺陷识别上可以大大减少工作量,缩短识别时间,深度学习技术的出现为图像识别提供了强有力的保障。本项目提出基于改进GoogLeNet的蛋类表面缺陷检测平台,以期改变蛋类分拣方式,使其最终能够替代人工检测从而减少生产成本,降低误检率,提高企业生产力,从而真正实现蛋类生产分拣阶段的自动化、智能化和规范化。


  • 智能产品竞赛作品——基于深度学习的禽蛋表面缺陷检测系统

    作品名称:基于深度学习的禽蛋表面缺陷检测系统
    参赛院校:仲恺农业工程学院
    指导教师:罗智杰
    团队成员:郑梓瀚、徐志炫、黄燕芸
    数媒竞赛网2022年参赛作品
    作品描述:

    蛋类食品是人们日常生活中的重要食品之一,价格实惠、营养丰富、味道可口,随着我国人民生活质量的提升,对蛋类质量的要求也日益提高。在蛋类加工过程中的一个重要步骤就是分拣,即把破损蛋(裂纹蛋)从好蛋中挑出来。目前,我国蛋类加工行业仍然采用人工检测方法,即照蛋法和敲击法,分别通过人的眼睛和耳朵来识别。人工检测要求熟练个人进行长时间的生产操作,容易产生视觉或听觉疲劳而导致破损蛋被遗漏,且企业用人成本的提高,招工难会造成生产停滞;另外,人工检测方法效率低下,不适应规模化生产的需要。针对上述问题,将通信技术、计算机视觉技术、图像处理技术、模式识别技术、机器学习技术等现代信息技术引入鸭蛋分拣领域,建立全新的自动化鸭蛋表面缺陷检测平台,已经成为农业生产的迫切要求和发展趋势。 随着深度学习技术的发展,科研工作者开始将机器学习技术应用到图像识别,而且在近几年取得了较大的发展。神经网络应用在蛋类表面缺陷识别上可以大大减少工作量,缩短识别时间,深度学习技术的出现为图像识别提供了强有力的保障。本项目提出基于改进GoogLeNet的蛋类表面缺陷检测平台,以期改变蛋类分拣方式,使其最终能够替代人工检测从而减少生产成本,降低误检率,提高企业生产力,从而真正实现蛋类生产分拣阶段的自动化、智能化和规范化。


  • 智能产品竞赛作品——基于深度学习的禽蛋表面缺陷检测系统

    作品名称:基于深度学习的禽蛋表面缺陷检测系统
    参赛院校:仲恺农业工程学院
    指导教师:罗智杰
    团队成员:郑梓瀚、徐志炫、黄燕芸
    数媒竞赛网2022年参赛作品
    作品描述:

    蛋类食品是人们日常生活中的重要食品之一,价格实惠、营养丰富、味道可口,随着我国人民生活质量的提升,对蛋类质量的要求也日益提高。在蛋类加工过程中的一个重要步骤就是分拣,即把破损蛋(裂纹蛋)从好蛋中挑出来。目前,我国蛋类加工行业仍然采用人工检测方法,即照蛋法和敲击法,分别通过人的眼睛和耳朵来识别。人工检测要求熟练个人进行长时间的生产操作,容易产生视觉或听觉疲劳而导致破损蛋被遗漏,且企业用人成本的提高,招工难会造成生产停滞;另外,人工检测方法效率低下,不适应规模化生产的需要。针对上述问题,将通信技术、计算机视觉技术、图像处理技术、模式识别技术、机器学习技术等现代信息技术引入鸭蛋分拣领域,建立全新的自动化鸭蛋表面缺陷检测平台,已经成为农业生产的迫切要求和发展趋势。 随着深度学习技术的发展,科研工作者开始将机器学习技术应用到图像识别,而且在近几年取得了较大的发展。神经网络应用在蛋类表面缺陷识别上可以大大减少工作量,缩短识别时间,深度学习技术的出现为图像识别提供了强有力的保障。本项目提出基于改进GoogLeNet的蛋类表面缺陷检测平台,以期改变蛋类分拣方式,使其最终能够替代人工检测从而减少生产成本,降低误检率,提高企业生产力,从而真正实现蛋类生产分拣阶段的自动化、智能化和规范化。


  • 智能产品竞赛作品——基于深度学习的禽蛋表面缺陷检测系统

    作品名称:基于深度学习的禽蛋表面缺陷检测系统
    参赛院校:仲恺农业工程学院
    指导教师:罗智杰
    团队成员:郑梓瀚、徐志炫、黄燕芸
    数媒竞赛网2022年参赛作品
    作品描述:

    蛋类食品是人们日常生活中的重要食品之一,价格实惠、营养丰富、味道可口,随着我国人民生活质量的提升,对蛋类质量的要求也日益提高。在蛋类加工过程中的一个重要步骤就是分拣,即把破损蛋(裂纹蛋)从好蛋中挑出来。目前,我国蛋类加工行业仍然采用人工检测方法,即照蛋法和敲击法,分别通过人的眼睛和耳朵来识别。人工检测要求熟练个人进行长时间的生产操作,容易产生视觉或听觉疲劳而导致破损蛋被遗漏,且企业用人成本的提高,招工难会造成生产停滞;另外,人工检测方法效率低下,不适应规模化生产的需要。针对上述问题,将通信技术、计算机视觉技术、图像处理技术、模式识别技术、机器学习技术等现代信息技术引入鸭蛋分拣领域,建立全新的自动化鸭蛋表面缺陷检测平台,已经成为农业生产的迫切要求和发展趋势。 随着深度学习技术的发展,科研工作者开始将机器学习技术应用到图像识别,而且在近几年取得了较大的发展。神经网络应用在蛋类表面缺陷识别上可以大大减少工作量,缩短识别时间,深度学习技术的出现为图像识别提供了强有力的保障。本项目提出基于改进GoogLeNet的蛋类表面缺陷检测平台,以期改变蛋类分拣方式,使其最终能够替代人工检测从而减少生产成本,降低误检率,提高企业生产力,从而真正实现蛋类生产分拣阶段的自动化、智能化和规范化。



智能产品竞赛作品—便携式户外过滤水杯 上一篇

  • 1/6

  • 2/6

  • 3/6

  • 4/6

  • 5/6

  • 6/6

智能产品竞赛作品—医疗器具清洁器 下一篇



Copyright © 2001 - 2024 全国大学生数字媒体科技作品及创意竞赛网版权所有

Copyright © 2001 - 2024 数媒竞赛网(http://www.shumeijingsai.com)版权所有