基于深度学习的面食异物检测方法
唐浩奇
杨君
陈荣昌
深圳综合粒子设施研究院,广东 深圳 518000
摘要：在面食工业的生产加工过程中,产品不慎被掺入塑料、橡胶等异物会严重影响消费者的健康安全,因此,检测面食产品中是否含有异物是一项非常重要的品控步骤.X射线计算机断层扫描(CT)是一种非接触、无损的产品检测方法,被广泛应用于面食工业生产线的检测步骤中.然而,由于面食工业生产线的高通量检测需求,对于单个产品的检测通常要求在 1s以内完成,不可能有充裕的成像时间获取大量投影图,限制了普通CT方法的使用.因此,本文提出一种基于U-Net网络的异物检测方法,通过对小样本CT重建数据进行精确分割,获得仅含有异物的虚拟投影图进行训练.验证结果表明本文的方法仅需数张投影图即可识别多个异物的数量,准确率较高,能够大幅提高面食工业生产线的异物检测效率.
关键词：深度学习CT异物检测
分类号：TP18(自动化基础理论)TS219(食品工业)
资助基金：国家重点研发计划(2022YFA1604002)广东特支计划(2023TQ07Z464)国家自然科学基金(12405366)
论文发表日期：2025-07-31
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：11( 560-570 )
英文信息