• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>IFAC PapersOnLine >Application of Improved Yolov3 for Pill Manufacturing System ?
【24h】

Application of Improved Yolov3 for Pill Manufacturing System ?

机译：改进的Yolov3对药丸制造系统的应用 ？

获取原文
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Pill defects encountered during the manufacturing process may cause in low quality product and high timeline delays, and costs. In this paper, an improved convolutional neural network is proposed for automatic pill defects detection during pill manufacturing. In the first step, Gauss filtering and smoothing techniques is implemented for complex background-weakening purpose. Then, Hog feature extraction is executed to simplify the representation of the image that contains only the most important information about the image. The aim of this sub-process is to reduce the computation burden. Lastly, an improved YOLO model is proposed for online detection of pill defects and it was validated on our experiment platform in the laboratory for online pill defect detection. The proposed approach obtains robust quantification of internal pill cracks. This proposed approach is effective tool implemented into the industrial pill manufacturing system.
机译：制造过程中遇到的药丸缺陷可能导致低质量的产品和高时的时间轴延迟和成本。 本文提出了一种改进的卷积神经网络，用于在药丸制造期间自动丸缺陷检测。 在第一步中，为复杂的背景弱化目的实施了高斯滤波和平滑技术。 然后，执行HOG特征提取以简化仅包含关于图像最重要信息的图像的表示。 这个子进程的目的是减少计算负担。 最后，提出了一种改进的YOLO模型，用于在线检测丸缺损，并在我们的实验室验证在实验室的实验室缺陷检测。 所提出的方法获得内部丸裂纹的鲁棒量化。 这一提出的方法是实施工业丸制造系统的有效工具。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号