0 引言

植物粉碎機(jī)是實(shí)施植物類垃圾資源化利用關(guān)鍵的機(jī)具，其種類繁多、數(shù)量可觀。傳統(tǒng)植物粉碎機(jī)一般采用恒參數(shù)運(yùn)行模式，對(duì)物料種類、運(yùn)行狀況、故障狀態(tài)等缺乏識(shí)別能力，影響設(shè)備的使用效率。因此，需要設(shè)計(jì)出智能型的植物粉碎機(jī)監(jiān)控系統(tǒng)。近年來(lái)，機(jī)器視覺(jué)和機(jī)器學(xué)習(xí)技術(shù)在工業(yè)智能化生產(chǎn)領(lǐng)域得到廣泛應(yīng)用。圖像識(shí)別技術(shù)可以有效判別物料種類，而機(jī)器學(xué)習(xí)則可以快捷地對(duì)各種設(shè)備運(yùn)行數(shù)據(jù)進(jìn)行分析和檢測(cè)，以實(shí)現(xiàn)對(duì)設(shè)備故障的預(yù)先診斷?；诖?，研究結(jié)合機(jī)器視覺(jué)與機(jī)器學(xué)習(xí)算法，設(shè)計(jì)一套植物粉碎機(jī)智能監(jiān)控系統(tǒng)，旨在識(shí)別物料與監(jiān)控破碎過(guò)程的基礎(chǔ)上，實(shí)現(xiàn)故障預(yù)警與運(yùn)行參數(shù)的智能優(yōu)化。研究結(jié)果表明，該系統(tǒng)增加了設(shè)備運(yùn)行的安全性與可靠性，降低了維護(hù)費(fèi)用，為農(nóng)業(yè)機(jī)械智能化發(fā)展提供了新思路。

1植物粉碎機(jī)智能監(jiān)控系統(tǒng)的功能需求

1.1物料識(shí)別與分選

系統(tǒng)通過(guò)機(jī)器視覺(jué)技術(shù)，進(jìn)行物料種類分析（包括秸稈、樹(shù)葉、樹(shù)枝等）和物料比例的統(tǒng)計(jì)，以便針對(duì)不同種類物料調(diào)整粉碎參數(shù)，及時(shí)有效地保證不同類型物料的破碎加工質(zhì)量。

1.2 破碎過(guò)程監(jiān)控

系統(tǒng)實(shí)時(shí)監(jiān)控破碎過(guò)程中的工作參數(shù)，包括破碎物料顆粒度、破碎不均勻度和物料加工速度等，通過(guò)對(duì)破碎后的結(jié)果照片進(jìn)行分析，檢查破碎的效果是否滿足要求。若出現(xiàn)顆粒度過(guò)大、破碎效果不均的情況，系統(tǒng)則進(jìn)行預(yù)警并記錄異常情況。

1.3 故障預(yù)警

系統(tǒng)通過(guò)機(jī)器學(xué)習(xí)對(duì)設(shè)備的振動(dòng)信號(hào)、溫度、電流等多種數(shù)據(jù)進(jìn)行收集，對(duì)設(shè)備的運(yùn)轉(zhuǎn)情況進(jìn)行分析，并通過(guò)訓(xùn)練好的故障模型判斷是否出現(xiàn)故障。

1.4參數(shù)智能優(yōu)化

系統(tǒng)通過(guò)機(jī)器學(xué)習(xí)算法，結(jié)合當(dāng)前粉碎的不同物料對(duì)設(shè)備運(yùn)行關(guān)鍵參數(shù)（如設(shè)備的轉(zhuǎn)速、壓力等）進(jìn)行智能調(diào)整和優(yōu)化。對(duì)關(guān)鍵參數(shù)進(jìn)行優(yōu)化，可以提高設(shè)備運(yùn)行效率，降低設(shè)備運(yùn)行能耗。

1.5數(shù)據(jù)存儲(chǔ)處理和圖形顯示

系統(tǒng)采集數(shù)據(jù)并進(jìn)行存儲(chǔ)管理，支持運(yùn)行數(shù)據(jù)、故障數(shù)據(jù)和優(yōu)化結(jié)果查詢，同時(shí)將設(shè)備運(yùn)行狀態(tài)、物料識(shí)別和破碎效果、預(yù)測(cè)信息在可視化界面上實(shí)時(shí)展示，以便操作人員充分掌握設(shè)備運(yùn)行狀態(tài)。

1.6遠(yuǎn)程監(jiān)控與維護(hù)

系統(tǒng)可進(jìn)行遠(yuǎn)程監(jiān)控與維護(hù)。操作人員可通過(guò)網(wǎng)絡(luò)遠(yuǎn)程查看與控制設(shè)備狀態(tài)，同時(shí)通過(guò)云分析進(jìn)行設(shè)備的優(yōu)化維護(hù)，實(shí)現(xiàn)無(wú)人化的設(shè)備管理和維護(hù)。

2機(jī)器視覺(jué)在植物粉碎機(jī)中的應(yīng)用策略

2.1物料識(shí)別與分類策略

基于機(jī)器視覺(jué)的植物粉碎機(jī)進(jìn)料識(shí)別與分揀系統(tǒng)通過(guò)在植物粉碎機(jī)的進(jìn)料口裝上工業(yè)相機(jī)，實(shí)時(shí)采集進(jìn)料的圖像數(shù)據(jù)信息，利用卷積神經(jīng)網(wǎng)絡(luò)等深度學(xué)習(xí)方法進(jìn)行植物類型的識(shí)別。該系統(tǒng)可以實(shí)現(xiàn)對(duì)不同物料圖像的紋理、色澤、幾何形態(tài)等信息的提取，從而識(shí)別出不同的物料類別（如樹(shù)葉、秸稈、樹(shù)枝等），或者面對(duì)混合物料時(shí)，采用機(jī)器視覺(jué)的圖像分割手段，將拍攝的圖像進(jìn)行不同區(qū)域的信息分割，從而測(cè)算物料類型占整體的百分比。該策略的關(guān)鍵在于提高識(shí)別物料的準(zhǔn)確率，為下一步調(diào)整粉碎工藝提供信息基礎(chǔ)。例如，若硬質(zhì)物體（樹(shù)枝）較多可適當(dāng)提高轉(zhuǎn)速，若軟質(zhì)物體（樹(shù)葉）較多則可適當(dāng)減小粉碎力度，從而減小粉碎機(jī)的損耗程度，降低能耗。

2.2 破碎效果的實(shí)時(shí)監(jiān)控策略

在破碎作業(yè)時(shí)，操作者可通過(guò)機(jī)器視覺(jué)技術(shù)系統(tǒng)，對(duì)破碎后的顆粒進(jìn)行監(jiān)控，如監(jiān)測(cè)破碎后的粒徑大小、破碎均勻度等，以確定破碎程度是否達(dá)到理想狀態(tài)?，F(xiàn)實(shí)中，該系統(tǒng)可以通過(guò)圖像分割算法把破碎的顆粒與背景隔離開(kāi)，對(duì)顆粒進(jìn)行分析處理。在篩分器將顆粒分離后，該系統(tǒng)通過(guò)顆粒尺寸算法計(jì)算顆粒的粒徑分布，利用幀間動(dòng)態(tài)檢測(cè)方法對(duì)物料的流速、流率進(jìn)行實(shí)時(shí)監(jiān)測(cè)。物料流速過(guò)大、過(guò)小或均勻度不夠等，可能是因?yàn)榈侗P存在磨損或是人料量不均勻。該系統(tǒng)需要根據(jù)圖像檢測(cè)結(jié)果進(jìn)行預(yù)警，及時(shí)通知操作工人調(diào)整運(yùn)行參數(shù)。這種實(shí)時(shí)監(jiān)控可以減少不良粉碎帶來(lái)的生產(chǎn)效率損失，增加粉碎作業(yè)的穩(wěn)定性和質(zhì)量的可靠性。

2.3關(guān)鍵部件狀態(tài)的視覺(jué)檢測(cè)策略

機(jī)器視覺(jué)技術(shù)還可以用于植物粉碎機(jī)重要部件的狀態(tài)檢測(cè)，如對(duì)刀片和篩網(wǎng)的磨損情況進(jìn)行檢測(cè)。系統(tǒng)對(duì)刀片和篩網(wǎng)進(jìn)行定期圖像采集，利用邊緣檢測(cè)算法分析刀片鋒利度，利用紋理分析算法檢測(cè)篩網(wǎng)上的裂縫或堵塞情況。在實(shí)際應(yīng)用中，該系統(tǒng)需要在設(shè)備故障發(fā)生前主動(dòng)發(fā)現(xiàn)問(wèn)題，通過(guò)智能分析向維護(hù)者提供維護(hù)建議。例如，當(dāng)檢測(cè)到刀片磨損程度高于預(yù)設(shè)閾值時(shí)，智能系統(tǒng)向使用者發(fā)出更換刀片的提示，以防止刀片損壞引起的粉碎效率降低或設(shè)備損壞。對(duì)植物粉碎機(jī)的重要部件進(jìn)行狀態(tài)視覺(jué)監(jiān)測(cè)，可延長(zhǎng)設(shè)備使用時(shí)間并降低設(shè)備維護(hù)成本，實(shí)現(xiàn)對(duì)設(shè)備的智能化、精確定位維護(hù)。

3基于機(jī)器視覺(jué)與機(jī)器學(xué)習(xí)的植物粉碎機(jī)智能監(jiān)控系統(tǒng)的設(shè)計(jì)

3.1智能監(jiān)控系統(tǒng)的總體架構(gòu)設(shè)計(jì)

植物粉碎機(jī)智能監(jiān)控系統(tǒng)設(shè)計(jì)需要結(jié)合機(jī)器視覺(jué)和機(jī)器學(xué)習(xí)兩種技術(shù)，系統(tǒng)整體包括數(shù)據(jù)采集層、數(shù)據(jù)處理層和數(shù)據(jù)執(zhí)行層等3層結(jié)構(gòu)。數(shù)據(jù)采集層利用工業(yè)攝像頭和多種傳感器實(shí)時(shí)采集物料圖像和設(shè)備運(yùn)行信息（如振動(dòng)、溫度、電流等）。工業(yè)攝像頭具有高速采集且抗干擾能力強(qiáng)等優(yōu)勢(shì)，可實(shí)現(xiàn)動(dòng)態(tài)物料流的監(jiān)控；傳感器應(yīng)部署在整個(gè)設(shè)備的關(guān)鍵部位（如刀片、傳動(dòng)裝置等）。數(shù)據(jù)處理層為系統(tǒng)核心，用于處理采集的信息，其中機(jī)器視覺(jué)層利用深度神經(jīng)網(wǎng)絡(luò)（如YOLO和MaskR-CNN等）進(jìn)行物料識(shí)別和物料破碎效果評(píng)價(jià)，利用故障預(yù)測(cè)模型（如長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)LSTM）和優(yōu)化模型（如強(qiáng)化學(xué)習(xí)RL）等實(shí)現(xiàn)設(shè)備狀態(tài)評(píng)估與設(shè)備參數(shù)的設(shè)置。系統(tǒng)借助邊緣計(jì)算技術(shù)，將數(shù)據(jù)分析模型進(jìn)行本地化部署，在本地完成數(shù)據(jù)的初步處理，縮短云分析時(shí)間間隔。數(shù)據(jù)執(zhí)行層將分析結(jié)果轉(zhuǎn)化為控制指令，指導(dǎo)設(shè)備實(shí)時(shí)調(diào)整運(yùn)行參數(shù)，并且采用可視化控制界面將信息反饋至工作人員，經(jīng)過(guò)反饋執(zhí)行層系統(tǒng)數(shù)據(jù)和控制數(shù)據(jù)相互交融，實(shí)現(xiàn)系統(tǒng)的實(shí)時(shí)性[1]

3.2數(shù)據(jù)采集與模型集成平臺(tái)的設(shè)計(jì)

系統(tǒng)應(yīng)實(shí)現(xiàn)穩(wěn)定可靠的多源傳感器數(shù)據(jù)采集，并將振動(dòng)信息、溫度信息、電流信息、物料特性參數(shù)等實(shí)時(shí)、可靠地傳送至集中控制系統(tǒng)。邊緣計(jì)算下的實(shí)時(shí)監(jiān)測(cè)系統(tǒng)，在設(shè)備邊緣側(cè)完成數(shù)據(jù)預(yù)處理（濾波、特征提取等），并將數(shù)據(jù)輸送至云端，實(shí)現(xiàn)深度學(xué)習(xí)模型訓(xùn)練及模型優(yōu)化。為實(shí)現(xiàn)數(shù)據(jù)采集與數(shù)據(jù)分析的有效銜接，研究采取微服務(wù)的方式搭建模型融合的算法庫(kù)，將故障診斷模型、參數(shù)優(yōu)化模型、監(jiān)控可視化模塊置于一個(gè)系統(tǒng)中。同時(shí)，平臺(tái)采用模型更新算法，基于設(shè)備運(yùn)行的真實(shí)數(shù)據(jù)對(duì)模型進(jìn)行持續(xù)訓(xùn)練，以保障監(jiān)控系統(tǒng)的可靠性[2]

3.3粉碎產(chǎn)物質(zhì)量評(píng)估與智能反饋體系設(shè)計(jì)

機(jī)器視覺(jué)技術(shù)可用于對(duì)粉碎產(chǎn)物的質(zhì)量分析，保證粉碎后的顆粒尺寸及均勻性達(dá)到不同使用要求。該系統(tǒng)基于高幀率相機(jī)及圖像處理技術(shù)進(jìn)行粉碎產(chǎn)物實(shí)時(shí)分析，并利用深度學(xué)習(xí)的分類算法判斷粉碎結(jié)果。在粉碎物料排出口安裝一臺(tái)攝像機(jī)，進(jìn)行物料圖像采樣，并運(yùn)用圖像分割、邊緣檢測(cè)等算法對(duì)粉碎后物料進(jìn)行顆粒大小分布的計(jì)算，通過(guò)特征匹配法進(jìn)行顆粒的形狀特征分析，如長(zhǎng)寬比、圓形度等，以保證產(chǎn)物質(zhì)量符合預(yù)期要求[3]

在進(jìn)行粉碎作業(yè)時(shí)，視覺(jué)系統(tǒng)可以利用以往的物料粉碎記錄，結(jié)合機(jī)器學(xué)習(xí)算法（SVM或RF等機(jī)器學(xué)習(xí)算法），計(jì)算出當(dāng)前物料的最佳粉碎條件，并對(duì)刀片轉(zhuǎn)速、篩網(wǎng)尺寸及物料的流速等工藝參數(shù)進(jìn)行優(yōu)化。若發(fā)現(xiàn)粉碎后的顆粒過(guò)大或者粉碎粒徑不一致，系統(tǒng)可相應(yīng)調(diào)節(jié)刀片轉(zhuǎn)速或變換物料的篩分形式等，使其得到理想的粉碎均勻性。機(jī)器視覺(jué)系統(tǒng)也可以對(duì)粉碎后的物料含水率或顏色進(jìn)行測(cè)定，來(lái)判斷是否需要進(jìn)一步烘干及是否需要變化粉碎形式，進(jìn)而提高物料的粉碎質(zhì)量。此智能反饋系統(tǒng)能有效提高粉碎質(zhì)量，避免不均質(zhì)粉碎產(chǎn)生能源的損耗。物料粉碎機(jī)可根據(jù)不同的物料、不同的粉碎形式或不同的應(yīng)用需求進(jìn)行智能化調(diào)整，以適應(yīng)不同的工作狀態(tài)，實(shí)現(xiàn)物料粉碎的高效及穩(wěn)定。在此基礎(chǔ)上，該系統(tǒng)可通過(guò)大數(shù)據(jù)分析，找出不同季節(jié)、不同原材料粉碎效果的差異，并據(jù)此調(diào)整刀片類型或篩網(wǎng)規(guī)格，以提高適應(yīng)性[4]。

4基于機(jī)器視覺(jué)與機(jī)器學(xué)習(xí)的植物粉碎機(jī)智能監(jiān)控系統(tǒng)的實(shí)況

4.1機(jī)器視覺(jué)與機(jī)器學(xué)習(xí)技術(shù)的集成實(shí)現(xiàn)

基于機(jī)器視覺(jué)的物料分析模塊主要對(duì)采集的物料圖像進(jìn)行分析，應(yīng)用ResNet、EfficientNet等深層神經(jīng)網(wǎng)絡(luò)模型，實(shí)現(xiàn)物料種類、破碎尺寸及破碎均勻度的識(shí)別。另外，綜合動(dòng)態(tài)分析系統(tǒng)可以考慮物料流量的變化，從而識(shí)別進(jìn)料異常情況。其中，機(jī)器學(xué)習(xí)模塊是多模態(tài)數(shù)據(jù)融合的模型，基于視覺(jué)模型的圖像分析結(jié)果及傳感器獲取的運(yùn)行狀態(tài)特征，實(shí)現(xiàn)對(duì)運(yùn)行狀態(tài)模型的綜合。機(jī)器學(xué)習(xí)模塊可以采用傳統(tǒng)算法中的決策樹(shù)、隨機(jī)森林等方法，對(duì)特征進(jìn)行提取，融合深層神經(jīng)網(wǎng)絡(luò)模型（如Trans-former），實(shí)現(xiàn)多模態(tài)數(shù)據(jù)融合。該系統(tǒng)采用以上方法實(shí)現(xiàn)兩者的集成，將圖像分析模型和時(shí)間序列模型集成在同一框架結(jié)構(gòu)中，可支持圖像和時(shí)序模型的交互處理；根據(jù)物料識(shí)別結(jié)果（如物料硬度），通過(guò)控制參數(shù)（如刀片轉(zhuǎn)速）的實(shí)時(shí)反饋來(lái)調(diào)節(jié)設(shè)備運(yùn)行狀態(tài)；根據(jù)歷史數(shù)據(jù)進(jìn)行設(shè)備故障預(yù)判，實(shí)現(xiàn)基于視頻分析的閉環(huán)智能控制，進(jìn)而提高智能化水平[5]。

4.2機(jī)器視覺(jué)模型調(diào)整與智能優(yōu)化

采用基于機(jī)器視覺(jué)的柔性進(jìn)料優(yōu)化控制方案能夠提升植物粉碎機(jī)的工作效率和粉碎效果。該系統(tǒng)通過(guò)在進(jìn)料口布置高速工業(yè)相機(jī)和傳感器對(duì)物料的流量、形態(tài)和材質(zhì)進(jìn)行實(shí)時(shí)測(cè)量，并通過(guò)AI算法評(píng)估當(dāng)前粉碎狀態(tài)，從而實(shí)現(xiàn)柔性進(jìn)料控制。例如，根據(jù)視覺(jué)系統(tǒng)測(cè)量出來(lái)物料密度、濕度和大小，實(shí)時(shí)調(diào)節(jié)粉碎機(jī)的進(jìn)料速度，以防止粉碎機(jī)卡死或者高功率運(yùn)行。借助視覺(jué)感知系統(tǒng)和反饋閉環(huán)控制策略，粉碎機(jī)能夠在檢測(cè)到進(jìn)料故障的情況下自行控制進(jìn)料傳輸帶的轉(zhuǎn)速，防止進(jìn)料過(guò)載或者進(jìn)料不足的現(xiàn)象發(fā)生，從而提高粉碎機(jī)進(jìn)料的穩(wěn)定性。該系統(tǒng)通過(guò)機(jī)器視覺(jué)中的目標(biāo)跟蹤算法（KCF，CSRT）持續(xù)監(jiān)測(cè)進(jìn)料位置的變化，并通過(guò)深度學(xué)習(xí)算法（YOLO，MaskR-CNN）對(duì)進(jìn)料形狀和成分進(jìn)行判別。如果發(fā)現(xiàn)進(jìn)料速度突然增加或存在雜物（如金屬異物），該系統(tǒng)可利用自動(dòng)進(jìn)料裝置調(diào)節(jié)進(jìn)料量，并在必要時(shí)觸發(fā)自動(dòng)報(bào)警裝置，從而避免設(shè)備受損?；谝曈X(jué)感知的進(jìn)料過(guò)程優(yōu)化能夠避免設(shè)備浪費(fèi)能耗，并防止物料過(guò)多過(guò)重導(dǎo)致設(shè)備受損。

4.3智能監(jiān)控系統(tǒng)的軟硬件協(xié)同優(yōu)化

系統(tǒng)選擇適當(dāng)?shù)倪吘売?jì)算處理設(shè)備實(shí)現(xiàn)視覺(jué)、學(xué)習(xí)機(jī)器人的實(shí)時(shí)計(jì)算任務(wù)分析，合理安排工業(yè)相機(jī)、感應(yīng)器的布置，防止出現(xiàn)視覺(jué)盲區(qū)、數(shù)據(jù)延遲的問(wèn)題。另外，考慮到惡劣條件下的使用情況，對(duì)設(shè)備采取了相應(yīng)的保護(hù)措施，在粉塵、高溫等環(huán)境下增加相應(yīng)的保護(hù)設(shè)備。系統(tǒng)采用模塊化的開(kāi)發(fā)模式，保證各個(gè)功能模塊（數(shù)據(jù)采集、視覺(jué)分析、機(jī)器學(xué)習(xí)、決策反饋）互不干涉又各司其職。系統(tǒng)利用ROS（機(jī)器人操作系統(tǒng)）或Kafka作為數(shù)據(jù)傳輸管道，以保證系統(tǒng)軟件多線程處理超大規(guī)模數(shù)據(jù)的實(shí)時(shí)性。系統(tǒng)采用自學(xué)習(xí)、自更新算法來(lái)保證系統(tǒng)的在線更新及修正，使用聯(lián)邦學(xué)習(xí)、遷移學(xué)習(xí)等機(jī)器學(xué)習(xí)算法來(lái)實(shí)現(xiàn)系統(tǒng)預(yù)測(cè)模型在不同運(yùn)行狀態(tài)的自我適應(yīng)性。系統(tǒng)采用用戶友好型的交互界面，實(shí)時(shí)動(dòng)態(tài)展示所監(jiān)測(cè)物品的識(shí)別結(jié)果、設(shè)備工作狀態(tài)、設(shè)備故障狀態(tài)和預(yù)測(cè)信息，方便現(xiàn)場(chǎng)操作人員從屏幕直接觀察到設(shè)備狀態(tài)，從而做出判斷與決策。這樣的軟硬件協(xié)調(diào)優(yōu)化設(shè)計(jì)在一定程度上保證了系統(tǒng)運(yùn)行時(shí)的高效性[6]

5結(jié)束語(yǔ)

研究主要結(jié)合機(jī)器視覺(jué)和機(jī)器學(xué)習(xí)技術(shù)，對(duì)植物粉碎機(jī)在線監(jiān)控的總體方案、關(guān)鍵技術(shù)組合及軟硬件等方面進(jìn)行了優(yōu)化。研究從多方面介紹了基于機(jī)器視覺(jué)和機(jī)器學(xué)習(xí)技術(shù)的植物粉碎機(jī)智能監(jiān)控系統(tǒng)的設(shè)計(jì)理念，該系統(tǒng)采用機(jī)器視覺(jué)系統(tǒng)實(shí)現(xiàn)了粉碎機(jī)在線物料分類，采用機(jī)器學(xué)習(xí)技術(shù)對(duì)機(jī)器振動(dòng)、電機(jī)功率及環(huán)境變量進(jìn)行數(shù)據(jù)分析，采用邊緣計(jì)算及云平臺(tái)實(shí)現(xiàn)低時(shí)延、高性能的實(shí)時(shí)控制與在線監(jiān)控，可以使粉碎機(jī)在復(fù)雜環(huán)境下穩(wěn)定運(yùn)行，減少能耗及后期的維護(hù)成本。研究提到的智能監(jiān)控系統(tǒng)設(shè)計(jì)可提高設(shè)備運(yùn)行效率及產(chǎn)品品質(zhì)，減少故障維修成本，可為智能制造相關(guān)研究設(shè)計(jì)提供借鑒。

參考文獻(xiàn)：

[1]化云朋.基于機(jī)器視覺(jué)的物流分揀系統(tǒng)研發(fā)[D」.常州：常州大學(xué)，2022.

[2]王伯群，石昭宇，閆亞威，等.基于機(jī)器視覺(jué)的無(wú)人水果售賣系統(tǒng)[J].現(xiàn)代電子技術(shù)，2023，46（19）：75-82.

[3]秦鵬舉，蔣周翔，蘇瑞，等.基于機(jī)器學(xué)習(xí)與視覺(jué)的四足機(jī)器人步態(tài)精確監(jiān)測(cè)方法[J].科學(xué)技術(shù)與工程，2024，24（12）：5037-5043.

[4]郭亨聰，黃玲，何斌.山區(qū)高速公路安全生產(chǎn)視頻監(jiān)控系統(tǒng)關(guān)鍵技術(shù)研究[J].湖南交通科技，2018，44（3）：27-29，152.

[5]魏星，翟欽，楊敏.機(jī)器視覺(jué)技術(shù)在智能制造工程實(shí)踐平臺(tái)的應(yīng)用研究[J.裝備制造技術(shù)，2023（7）：191-194.

[6]麻劍鈞，劉曉慈，金龍新，等.基于機(jī)器視覺(jué)的農(nóng)作物病害識(shí)別研究進(jìn)展[J」.湖南農(nóng)業(yè)科學(xué)，2023（9）：97-100.

（欄目編輯：劉靜雅 劉敏 翟媛媛 張士依 王亦梁）