（1）夹杂物识别模型用于实现外来夹杂物检验检疫监管要求。建立基于深度学习的异物目标检测算法模型，通过采集大量的正常煤炭图像数据进行模型训练，形成煤炭正面图像特征模型，从而达到对未知异物的识别，模型需要用历史异常煤炭图像对模型进行测试，优化准确率直至满足海关监管要求。

（2）建立基于深度学习的目标分类算法模型，建立常见煤炭外来夹杂物样本图像库，在抓拍的煤炭图片中识别和标记出海关常见A（危险性夹杂物）/B（检疫类夹杂物）/C（一般夹杂物）三大类多种外来夹杂物，实现已知异物的分类。

（3）边部基于GPU算力服务进行高效的模型推理与图片压缩，发现异常上传云端。