【技术实现步骤摘要】
本专利技术涉及卷烟检测，尤其涉及一种用于卷烟包灰裂口分割的联合激励上采样网络计算方法和检测系统。
技术介绍
1、卷烟包灰质量的两个重要参数为灰柱收缩程度以及包灰裂口比例。其中，灰柱收缩程度主要反映烟丝填充率，填充率高的烟支内部孔隙小，燃烧后灰柱收缩较小；而包灰裂口的产生是由卷烟纸包裹性能、烟丝配方、填充性能、燃烧热性能等多方因素共同导致，燃烧后灰柱上裂口的比例与抽吸时散落的灰片呈正相关，灰片散落一方面会造成环境污染，另一方面会影响消费者抽吸感受。
2、传统卷烟包灰质量的检测方法通常依赖于人工检测或简单的视觉图像处理技术。对于视觉图像检测方法，灰柱收缩程度的检测比较容易实现，然而，裂口面积比例的准确检测一直是一个具有挑战性的问题，原因一方面是卷烟纸的颜色和纹理种类较多，燃烧后表面形貌较为复杂，另一方面是卷烟燃烧的不充分性会导致包灰灰柱颜色差异较大(黄、黑、灰、白不一)，不同位置的裂口与背景对比度不一，常规的图像分割算法难以实现裂口区域的准确提取。
3、有鉴于此，本专利技术人根据多年从事本领域和相关领域的生产设计经验...
【技术保护点】
1.一种用于卷烟包灰裂口分割的联合激励上采样网络计算方法，其特征在于，所述联合激励上采样网络计算方法，包括：
2.如权利要求1所述的用于卷烟包灰裂口分割的联合激励上采样网络计算方法，其特征在于，所述空间注意力机制通过最大池化和平均池化操作对特征图进行处理。
3.如权利要求1所述的用于卷烟包灰裂口分割的联合激励上采样网络计算方法，其特征在于，所述联合激励通道机制通过全局平均池化生成通道激励向量，对不同通道的特征响应进行权重调整。
4.如权利要求1所述的用于卷烟包灰裂口分割的联合激励上采样网络计算方法，其特征在于，利用多级特征图联合上采
<...【技术特征摘要】
1.一种用于卷烟包灰裂口分割的联合激励上采样网络计算方法，其特征在于，所述联合激励上采样网络计算方法，包括：
2.如权利要求1所述的用于卷烟包灰裂口分割的联合激励上采样网络计算方法，其特征在于，所述空间注意力机制通过最大池化和平均池化操作对特征图进行处理。
3.如权利要求1所述的用于卷烟包灰裂口分割的联合激励上采样网络计算方法，其特征在于，所述联合激励通道机制通过全局平均池化生成通道激励向量，对不同通道的特征响应进行权重调整。
4.如权利要求1所述的用于卷烟包灰裂口分割的联合激励上采样网络计算方法，其特征在于，利用多级特征图联合上采样，包括：
5.如权利要求1所述的用于卷烟包灰裂口分割的联合激励上采样网络计算方法，其特征在于，
6.如权利要求4所述的用于卷烟包灰裂口分割的联合激励上采样网络计算方法，其特征在于，对于多级特征图，使用全局平均池化函数将每个通道的特征图对应压缩成一个特征向量。
【专利技术属性】
技术研发人员：周明珠，董浩，王澍，刘勇，张龙，黄华，杨进，徐羽鹏，冯东，魏雷，李晓辉，周炜，王锦平，
申请(专利权)人：国家烟草质量监督检验中心，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。