一种基于机器视觉的杂质分拣剔除系统

本发明公开了一种基于机器视觉的杂质分拣剔除系统，包括：数据采集与预处理层：负责获取茶叶及杂质的多维度物理特征，构建三维场景表征；特征分析与决策层：利用ResNeSt‑50主干网络提取光场融合特征，通过全连接层直接输出初步分类置信度，形成第一层决策候选，结合刚体动力学模拟分支预测叶片运动轨迹，通过蒙特卡洛Dropout采样计算遮挡概率图后，对初步分类置信度进行贝叶斯修正，同时集成Cook‑Torrance BRDF模型进行材质反射校正，输出材质校正后的特征图，校正量被转化为决策阈值偏移量；知识存储与更新层：构建梯度方向矩阵与LRU弹性缓存组成的双模态记忆池，结合4层全连接脉冲神经网络生成伪样本补充长尾类别。