陕西农产品包装监测与标识系统

本项目面向陕西苹果、猕猴桃等特色农产品的纸盒礼盒包装环节，提出“普通摄像头+轻量化图像识别+质量记录”一体化方案。小型包装作坊依靠人工检查标签漏贴、位置偏移、可见表面破损以及喷码缺失，往往难以统一检查标准、保存结果。项目拟利用Python、OpenCV、基础机器学习、Web前端和数据库技术，开发可在普通电脑上运行的低成本包装外观辅助质检系统。工作人员放置包装并拍照后，系统定位包装区域，识别预设外观异常，给出疑似缺陷位置及置信提示，由人工复核并保存图片、时间、问题类型和处理结果，形成可查询的质量记录。创新重点是面向单品类小批量场景的简易标定、规则与轻量模型融合、低置信度人工复核和本地化部署，而非宣称替代工业高精度设备。首个验证对象限定为一种规格的陕西苹果礼盒，后续经授权开展实地试点。目前为创意设计与样机筹备方案；市场访谈、模型指标、试点合同和销售收入均待实际形成并以证据确认

1. 产品形态：一套“桌面拍摄工位+本地质检软件+Web管理页面”的演示原型。由补光灯、固定拍摄支架、现有电脑或手机摄像头组成简易拍摄装置；软件提供拍照/上传、包装区域定位、外观异常提示、人工确认、质量日志检索、批次汇总及CSV导出。二维码仅关联本项目内部质检批次记录，不宣称实现供应链全程溯源。2. 核心技术路线：①数据采集与预处理：建立拍摄距离、光照和背景标准；对样品进行尺寸缩放、白平衡、透视校正与去重。②图像检测：以OpenCV完成颜色、边缘、形态学与模板匹配，检查标签有无和明显位置偏差；对有限样本的纹理/破损异常，引入可解释图像特征和传统机器学习分类器（如随机森林或SVM）；印字及二维码的有无使用公开工具或规则辅助判断。③人机协同：为不确定样本设置“待复核”，保存复核标签并进入后续训练集。④Web与数据库：使用Flask接口、HTML/CSS/JavaScript前端和SQLite数据库实现离线演示，后续视场景升级MySQL。3. 创新性：其一，围绕陕西农产品礼盒的低成本、标准化部署流程；其二，“规则初筛+轻量分类+人工复核”的分级处理，减少小样本阶段对复杂深度网络的依赖；其三，将可见外观异常检测与问题照片、复核记录、批次统计闭环结合。这些属于场景化集成与工程创新，算法创新程度、专利性须检索后再定。4. 技术边界：项目只做特定包装规格和规定光照条件下的外观辅助检查，不检测食品内在品质，不提供法定质量认证，不替代人工终检。误检、漏检和摄像角度变化为重点风险。5. 研发里程碑：校赛前力争完成正常、漏标、明显歪斜和破损模拟样件的最小演示；4周内采集并逐图复核不少于400张训练/开发样本，随后另留不少于160张不同采集批次的测试图（均为计划目标）；6周内报告各类精确率、召回率、F1、漏检率及每张图片处理时间。上述数量和指标必须以实际实验结果更新。