项目需求分析

需求场景

针对槟榔生产线拍摄实时视频进行槟榔计数，同时识别正常槟榔和槟榔核，以达到指定数量包装的效果。

行业痛点

流水线装袋速度快，槟榔核被当作正常槟榔装袋后会降低产品质量，需要将二者进行区分识别。

技术难点分析

1.需要的响应速度较快，每帧50ms以内；

2.存在条带背景、光线等因素的变化，影响图像处理效果；

3.槟榔大小形状不同、在生成线上存在堆叠的情况。

价值分析

传统流水线大多依靠人工检测者用双眼去看，检测质量无法保证。

机器视觉检测系统根据代码指定了 的检测范围，高效的检测速度，以及能与人工区别开的另一特点就是机器视觉可以长时间运转。

自动化槟榔计数装袋可以免去人工审核槟榔装袋数量，在保证槟榔每一袋都能满足要求的同时节省人工成本，同时计算机还可以保证长时间、高效、准确计数。

为企业达到真正意义上的省人工、控成本、高质量的目的。

Demo展示

针对项目需求，进行了算法Demo开发，以下图片均为识别效果示意：

图一槟榔核与正常槟榔识别

图二堆叠槟榔识别

技术路线简介

基于目标检测技术的视觉槟榔计数算法

本项目采用端到端的目标检测算法，基于快速Yolo模型进行适应性参数调整，通过标记部分数据，形成初步数据集，并通过仿射变换、多尺度变换等方法对训练数据集进行扩增，训练时使用COCO训练集进行模型的预训练。

该算法将槟榔目标检测和分类变为一个regressionproblem，从输入的图像，经过预处理一个neuralnetwork，直接得到boundingboxes以及每个boundingbox所属类别的概率。正因为整个的检测过程仅仅有一个网络，所以它可以直接end-to-end的优化，将逐帧检测结果合并，使用目标追踪方法即可完成目标计数。

撞线计数

图一撞线计数

当槟榔从右至左传送，碰到红色计数区域时，计数+1，以此实现槟榔计数功能。

演示视频

END