基于深度学习的工业视觉箱体字符识别与判断

工厂生产线上的商品包装外箱文本印刷存在残缺,无法及时检出会影响流通销售。制作工业商品外观信息数据集,提出基于深度学习的工业视觉箱体字符识别与匹配判断方法。合并YOLOv3中的卷积层和批量归一化层,引入GIoU作为边界框损失函数并设计自适应调整定位坐标的方法,优化在原始图像上进行文本检测定位的速度与精度。同时,训练并对比CRNN和Tesseract两种识别引擎在已裁剪文本图片上的识别性能,设计字符匹配方法判断字符识别正确与否并输出结果,从而减少误判。对基于该方法的系统进行生产线实测,实验结果表明,其识别准确率可达99.5%,单件商品的外观拍照、检测识别、输出结果耗时仅3 s左右,表明所提方法能够实现实时监测。     

常见杂粮豆矿物元素含量分析及营养价值评定

通过对5种杂粮和4种杂豆进行分析,利用原子吸收光谱法对这9类杂粮杂豆共27种样品中的Ca、Mg、Fe、Cu和Zn元素进行测定,找出数据之间数量差距以及对不同产地之间的含量差距进行比对。经试验分析,在杂粮中,燕麦的Ca元素含量最高;小米的Mg元素含量最高;高粱的Fe元素含量最高;荞麦的Cu和Zn元素含量最高;在杂豆中,黑豆的Ca,Mg,Cu和Zn含量最高,绿豆的Fe元素含量最高,且不同产地杂粮杂豆的矿物元素含量在统计学上有显著差异(P0.05)。根据各样品矿物元素含量,结合《中国居民膳食营养素参考摄入量Chinese DRIs》,对杂粮杂豆矿物质营养价值进行评分:燕麦是评分最高的杂粮,玉米评分最低;赤小豆和黑豆是评分最高的杂豆,绿豆评分最低。