排序方式: 共有8条查询结果,搜索用时 15 毫秒
1
1.
2.
目的:利用卷烟包装上同色油墨的红外光谱差异快速区分卷烟包装纸真伪。方法:分别收集了云烟、玉溪和红塔山3个品牌的真假卷烟包装纸共116个,使用傅里叶变换红外光谱仪(FTIR)衰减全反射(ATR)采集附件采集样品中红色油墨的红外光谱图。对光谱进行二阶导处理后,以光谱范围为3 200~2 700,1 800~1 580,801~720 cm1,56个真品为模型集合,每品牌各20个赝品验证准确性。分别按照品牌区分和不分品牌区分,使用马氏距离判别建立卷烟包装纸真伪鉴别模型。结果:建立了真假卷烟包装纸定性鉴别模型,对云烟、玉溪和红塔山3个品牌的预测准确率为100%,混合模型对随机样品的预测准确率也达到100%。结论:该组模型将同色油墨作为总体样本,预测准确率可达100%,并能大大提高筛查真假卷烟包装纸的工作效率。 相似文献
3.
目的 为快速准确地鉴别多品牌卷烟真伪,提出一种基于视觉词袋模型提取烟盒胶痕图像特征的鉴别方法。方法 首先,利用自主设计的多光源胶痕采集装置获取烟盒内部的胶痕图像,通过图像处理技术去除原始图像的部分背景后得到胶痕图像样本;然后,从胶痕图像样本中提取尺度不变特征转换(SIFT)特征,并用K-Means算法对特征聚类生成视觉词典;再依据视觉词典的视觉单词直方图特征集对胶痕图像进行训练分类,从而达到鉴别卷烟真伪的目的。结果 以10种真品包装机型生产的烟盒胶痕图像以及假冒烟盒胶痕图像为对象,烟盒样品涉及64个卷烟品牌,对360张胶痕图像分类测试,得到真伪识别率为97.22%,每个样本平均鉴别时间为0.05s。结论 提出的方法采集胶痕图像简便、真伪鉴别效率和准确率高,并适用于多种卷烟品牌。为提高真伪卷烟鉴别效率、准确率和通用性提供了技术支持。 相似文献
4.
5.
6.
针对常用的卷烟包装图像真伪鉴别,目前深度学习方法需要较高的设备成本与较长的训练时间。本文提出了一种基于Inception和ResNet卷积神经网络结合的卷烟包装图像真伪鉴别模型IRCNN(Inception-ResNet Convolutional Neural Network)。利用Inception网络并行结构自动学习并提取卷烟包装图像的不同尺度特征,同时在线路中加入三维卷积核,有效地增强不同线路之间的信息交互。利用残差结构减少由于网络加深导致的模型退化。实验结果表明,与其他深度学习方法相比较,本文提出的方法不仅减少算法设备成本和训练时间,而且准确率可达到99.88%。因此,通过采用多线路Inception和残差网络相结合的IRCNN模型,可以有效地提高卷烟真伪鉴别效率和精度,为将来实际应用提供技术支持。 相似文献
7.
8.
针对老旧桥梁受环境与自身寿命的影响,养护维修的成本不断提高的问题,本文设计开发了桥梁远程结构综合参数获取与智能评估软件。首先利用在桥梁上布设的多个传感器组成一个全天候硬件监测系统,软件通过5G公共网络与监测系统通信,同时借助软件内嵌的多分类卷积神经网络,将深度神经网络在分类领域的独特优势应用于老旧桥梁健康状况的评估。经过实际测试,满足设计要求,解决了老旧桥梁因监测周期长和效率低,而导致的健康诊断难的问题,该系统具有参数获取难度低、精度高、健康评估准确的优势。 相似文献
1