18、基于CNN质量监测的自动零食制作机的设计与开发

基于CNN质量监测的自动零食制作机的设计与开发

1. 引言

喀拉拉邦美食丰富多样，从三道菜的正餐到茶点小吃应有尽有。Unniyappam是南印度的传统小吃，由大米、粗糖、香蕉、烤椰子片、烤芝麻和豆蔻粉油炸而成。在许多宗教场所，如古鲁瓦约尔神庙，会大量制作Unniyappam供信徒食用。然而，传统的制作方式需要大量人力且耗时。

随着科技的发展，食品加工行业正逐渐实现自动化。目前，自动阿帕姆制作机和多萨制作机在餐饮和酒店行业取得了巨大成功。本项目旨在实现食品行业中耗时且繁琐的Unniyappam制作过程的自动化，设计并制造一款适用于大规模餐饮和家庭使用的自动Unniyappam制作机，考虑成本、可用性、安全性、易操作性和卫生等因素，让用户只需按下按钮就能获得即食的Unniyappam，无需熟练劳动力。

此外，对制作好的Unniyappam进行质量检查对于维持等级和标准至关重要。由于面糊发酵量的变化，烹饪时间也需要相应调整。手动检查Unniyappam需要时间和熟练劳动力，而通过提出一种使用图像处理技术的实时质量监测模型，可以显著提高零食的质量和等级。

深度学习是人工智能中机器学习的一个子类别，其网络能够从给定数据中学习。通过收集制作机生产的Unniyappam数据，将其分为过度烹饪、完美烹饪和部分烹饪三类，用于训练预训练的GoogLeNet的最后几层，创建一个适用于任何感兴趣领域的深度神经网络（DNN），从而在单批Unniyappam放入收集室之前对其进行监测。

2. 文献综述

食品行业通常需要大规模生产，因此应选择能够提供最佳性能的组成部件。食品制造应用可能会使用永磁直流电机，因为它们具有低转矩波动和低发热的特点。在阿