一种基于深度学习的烟支外观质量缺陷检测方法

本发明提供了一种基于深度学习的烟支外观质量缺陷检测方法，包括先由工业相机在标准光照下采集图像，经尺寸归一化、灰度化、对比度增强、高斯去噪和亮度标准化预处理后，输入改进ResNet50深度学习模型提取深度特征，用全局平均与最大池化拼接得一维向量，经全连接softmax多分类器判定孔洞、污渍、划痕、颜色及形状异常五类缺陷，置信度超0.85即报警，并通过类激活映射输出缺陷位置与置信度报告。本发明可以实现对烟支外观质量缺陷的高精度、快速检测，提高检测效率和准确性，降低人工检测成本和漏检率，可广泛应用于烟草生产质量控制领域。