Die Qualitätskontrolle von Premix-Komponenten ist eine entscheidende Phase ihrer Produktion. Sie beeinflusst direkt eine Reihe von Eigenschaften des Endprodukts, einschließlich Homogenität, granulometrische Eigenschaften und die Effektivität der Premix-Zutaten. Diese Studie hebt die Relevanz der Verwendung von Computer Vision basierend auf der OpenCV-Bibliothek für die Bildverarbeitung von Salzproben hervor, sowie die Anwendung von Deep Learning mit TensorFlow zur automatisierten Qualitätsklassifizierung. Die Ergebnisse zeigen, ob die vorgeschlagenen Werkzeuge für einen effizienten Qualitätskontrollprozess geeignet sind, der einen Einfluss des menschlichen Faktors reduziert und die Genauigkeit der Fehlererkennung verbessert.
Kiktev et al. (Wed,) untersuchten diese Fragestellung.