基于多模态智感数据驱动的果冻异物深度学习检测方法

本发明提供了一种基于多模态智感数据驱动的果冻异物深度学习检测方法，方法包含获取果冻的原始图像，通过偏振光补偿算法与同步触发时序控制生成跨视角光场矩阵；获取跨视角光场矩阵，沿果冻体积方向逆向追踪每条光线的衰减路径，结合材质库中的糖度‑吸光率曲线计算异物遮挡概率；在三个物理层级分别生成异物存在概率热力图，得到三维质心概率场；根据当前产线果冻通过速度动态压缩三维质心概率场分析时间窗，对比历史库中同类果冻的误判案例，将对应空间层级的判定阈值调整，得到带有产线参数适应性的实时判定指令集。本发明通过多模态光场感知与跨层级概率建模的深度协同，实现了果冻产品全维度异物检测的技术突破。