精选机产品系统

针对珠宝行业人工分选效率低、成本高的问题，设计并实现了一套基于计算机视觉的自动分选方案：利用目标检测、图像分割与目标追踪算法，识别不同颜色和外观特征的珠子，完成多帧图像拼接与特征分析，最终实现自动分类，显著减少人工投入，提升分选效率与一致性。

1. 图像采集与预处理模块：实时捕获传送带上的珠宝珠子图像，进行去噪、增强及反光抑制处理。
2. 目标识别与追踪模块：利用目标检测算法定位每一颗珠子，并通过多目标追踪算法记录其运动轨迹，防止漏检。
3. 图像拼接与特征提取模块：对多帧图像进行配准与拼接，获取珠子完整形貌，提取颜色、纹理、尺寸等外观特征。
4. 智能分类与统计模块：根据预设特征库或分类模型，自动识别不同特征的珠子并完成分类

最终实现全流程自动化，大幅降低人工依赖。

我负责的模块：作为核心算法工程师，我负责整体CV算法架构设计、模型训练调优及工程化部署。

技术栈与架构：使用Python、PyTorch、OpenCV搭建系统。检测层采用YOLOv8实现快速定位，分割层结合Mask R-CNN实现像素级提取，追踪层采用DeepSORT算法，结合图像拼接（基于SIFT/ORB特征匹配）完成珠子全貌重建。

亮点与难点：

· 难点：工业相机下珠宝表面存在高光反光、遮挡及高速运动模糊，导致识别率下降。
· 解决：通过定制化数据增强（模拟光照与运动）和针对性的图像预处理算法，提升了鲁棒性；采用TensorRT进行模型量化与推理加速，满足了工业产线的实时性要求。
· 落地：最终系统实现了高精度分类与稳定运行，替代了原有的人工分选流程，大幅提升了效率与一致性。