基于全卷积神经网络的核桃异物检测装备设计与试验

针对核桃生产线的异物检测需求，首先根据现有通用的核桃加工生产线结构特点，设计并搭建了一套核桃异物检测装备，该装备包括设备框架、图像采集系统和恒定光源系统，整体尺寸为470 mm×600 mm×615 mm。然后以浙江省杭州市核桃生产基地的核桃和实际生产加工中出现的树叶、树枝、石子、金属、塑料等异物为检测对象，通过工业相机实时采集生产线上的核桃图像，获取直观的图像信息数据。结合了深度学习与计算机视觉技术，利用基于全卷积神经网络(Fully convolutional networks, FCN)的算法进行图像边缘检测，对核桃生产加工中可能出现的异物进行了检测，并通过试验对其性能加以验证。结果表明，训练集检测准确率为92.75%,验证集准确率为90.35%,检测速率为4.28 f/s,满足生产线运输速度1 m/s的检测要求。该研究即使在样本量较少的情况下，仍然得到了较好的图像分割效果，可以实现核桃生产线的异物实时检测。

Design and Test of Detecting System for Impurities in Walnut Based on Full Convolutional Neural Network Algorithm