这里展示了我最近完成的一个重要项目，包括项目介绍、成果展示和相关资源链接。
为解决核桃仁人工分选导致的效率低、成本高、主观性强痛点，设计了基于视觉的全自动分级系统。
项目演示视频，包含系统完整演示过程，时长约4分30秒，分辨率1080p。视频已通过Nginx服务器直接提供播放。
提出CheapS6骨干网络，改进ASPP并引入LRSA模块，保持高精度的同时降低计算量。模型mIoU提升2.44% → 98.04%，体积压缩→1.62MB，计算量↓90.5%至0.46GFLOPs，检测帧率由40FPS → 80FPS。
基于Python多进程与多摄像头协同，构建并行图像推理流水线，系统吞吐效率提升42%。设计并实现视觉处理、单片机通信与GUI模块，打通"成像-分析-控制"链路。改进传统重量计算方法，创新性提出基于2D图像与机器学习的核桃仁重量预测模型[R²=0.91,RMSE=0.16g]，完成自动化测量、显著提升分级准确率。
实验结果表明，系统对1/2仁-优与1/2仁分级正确率达到76.19%与95.71%，准确率提升14.38%。