基于计算机视觉的造纸缺陷智能检测与优化控制系统研究  

作　　者：宁静涛 

机构地区：[1]兰州石化职业技术大学信息工程学院,甘肃兰州730060

出　　处：《华东纸业》2025年第3期1-5,共5页Shanghai Paper Making

基　　金：产教融合视域下职业院校与企业培养高技能人才工作站建设模式研究(GS[2024]GHBZX0061)。

摘　　要：随着造纸行业对产品质量要求日益提高,传统人工缺陷检测方法难以契合现代生产需求。本文提出一种基于计算机视觉的造纸缺陷智能检测与优化控制系统,旨在实现高效、精准的缺陷识别以及生产过程优化。研究运用卷积神经网络(CNN)与支持向量机(SVM)相结合的方式,设计缺陷检测算法,通过多层特征提取与分类建模,大幅提升检测精度。同时,结合数据驱动的优化控制策略,构建包含PID闭环控制、自适应优化和多目标优化的综合控制方案。实验结果表明,该系统在缺陷检测方面性能卓越,CNN-SVM混合模型准确率达97.5%,召回率为96.8%。在优化控制方面,系统使缺陷发生率降低65.7%,能耗减少18.3%,生产效率提高24.8%。研究显示,此系统能有效降低废品率、提升生产效率,在一定程度上为造纸行业智能化转型提供有力技术支持。

关 键 词：计算机视觉 造纸缺陷检测 CNN-SVM混合模型 优化控制策略 智能制造 

分 类 号：TP391.41[自动化与计算机技术—计算机应用技术] TS736.3[自动化与计算机技术—计算机科学与技术]