摘要
本发明涉及机器视觉与食品质量检测技术领域，具体为基于图像处理的食品缺陷实时检测方法及系统；具体为：整合多模态数据，自适应调整权重系数以提升数据质量；并进行多级降噪、提取关键帧及通过2FA控制变量强化关键帧验证机制；构建YOLO‑BioNet模型，通过动态卷积核分配和脉冲神经网络优化复杂场景下的检测效率与精度；整合卡尔曼滤波、LSTM时序建模及深度强化学习模型，分析食品表面变化轨迹并预测缺陷状态；融合实时数据与历史信息，通过贝叶斯网络计算动态阈值；进行自动分拣指令与产线联动响应；采用分布式存储与图神经网络优化模型并支持缺陷溯源。本发明在实时性、检测准确率与自适应能力方面具有显著优势。
