印刷行業(yè)是國民經(jīng)濟(jì)的基礎(chǔ)行業(yè),在文化發(fā)展與傳承過程中有著舉足輕重的地位,為社會(huì)發(fā)展、信息傳播和文化的傳遞中發(fā)揮著重要作用。伴隨著市場的快速發(fā)展,精美細(xì)致的印刷制品越來越受到人們的青睞。作為印刷設(shè)備的核心部件輥筒,它的質(zhì)量好壞直接影響到印刷品質(zhì)量的優(yōu)劣。目前輥筒質(zhì)量的檢測大部分依靠人工檢測,檢測效率低,且工人易于疲勞。為了解決上述問題,本文提出以機(jī)器視覺和深度學(xué)習(xí)相結(jié)合的檢測方法,對印刷輥筒缺陷進(jìn)行檢測和分類,不僅提高了檢測效率,而且為未來印刷行業(yè)智能化發(fā)展打下基礎(chǔ)。本文以凹印版輥表面缺陷為研究對象,對采集的缺陷圖進(jìn)行預(yù)處理和缺陷檢測,著重對缺陷分類算法進(jìn)行深入研究。在優(yōu)化特征提取網(wǎng)絡(luò)的基礎(chǔ)上,提出了基于改進(jìn)ResNet的輥筒缺陷分類網(wǎng)絡(luò),完成缺陷檢測分類系統(tǒng)的整體搭建工作,具體工作如下:（1）提出改進(jìn)HOG特征值算法,使用SVM對其進(jìn)行分類,添加雙線插值的方法,提高SVM的分類結(jié)果。（2）提出基于改進(jìn)ResNet的凹印版輥缺陷分類網(wǎng)絡(luò)用于缺陷圖像分類。該網(wǎng)絡(luò)在ResNet網(wǎng)絡(luò)模型上進(jìn)行改進(jìn)。借鑒殘差網(wǎng)絡(luò)結(jié)構(gòu)保留數(shù)據(jù)信息的優(yōu)勢,提出了改進(jìn)的瘦身ResNet特征提取網(wǎng)絡(luò);大大優(yōu)化了ResN... 

【文章來源】：北京印刷學(xué)院北京市

【文章頁數(shù)】：59 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

版輥檢測系統(tǒng)示意圖

原始圖

勻光處理過后的

【參考文獻(xiàn)】：
期刊論文
[1]采用布爾映射矩陣的Apriori算法改進(jìn)研究[J]. 吳浩忠,錢雪忠.  福建電腦. 2020(03)
[2]基于Inception-V3模型的金屬板材表面缺陷檢測系統(tǒng)[J]. 蔡漢明,劉明.  輕工機(jī)械. 2020(01)
[3]基于支持向量機(jī)的條煙包裝外觀缺陷檢測[J]. 孫娜,管一弘,崔云月,羅亞桃,黃崗.  軟件. 2020(01)
[4]基于計(jì)算機(jī)視覺的易碎產(chǎn)品包裝檢測系統(tǒng)設(shè)計(jì)[J]. 劉歡,唐曌堃.  自動(dòng)化與儀器儀表. 2019(12)
[5]金屬零件表面缺陷檢測系統(tǒng)中的機(jī)器視覺應(yīng)用分析[J]. 符林芳.  工業(yè)加熱. 2019(04)
[6]基于神經(jīng)網(wǎng)絡(luò)的磁瓦表面缺陷檢測識(shí)別[J]. 劉暢,張劍,林建平.  表面技術(shù). 2019(08)
[7]基于MapReduce的改進(jìn)Eclat算法[J]. 向春梅,陳超.  成都信息工程大學(xué)學(xué)報(bào). 2019(04)
[8]基于卷積神經(jīng)網(wǎng)絡(luò)的PCB缺陷檢測與識(shí)別算法[J]. 王永利,曹江濤,姬曉飛.  電子測量與儀器學(xué)報(bào). 2019(08)
[9]分布式MVC-Kmeans算法設(shè)計(jì)與實(shí)現(xiàn)[J]. 汪晶,鄒學(xué)玉,喻維明,孫詠.  長江大學(xué)學(xué)報(bào)(自然科學(xué)版). 2019(06)
[10]基于Kmeans++聚類的樸素貝葉斯集成方法研究[J]. 鐘熙,孫祥娥.  計(jì)算機(jī)科學(xué). 2019(S1)

博士論文
[1]帶鋼表面缺陷圖像檢測與分類方法研究[D]. 甘勝豐.中國地質(zhì)大學(xué) 2013

碩士論文
[1]高鐵自動(dòng)巡檢系統(tǒng)中圖像智能識(shí)別關(guān)鍵技術(shù)研究[D]. 劉東方.南京郵電大學(xué) 2019
[2]基于注意力機(jī)制的長時(shí)程特征融合的視頻行為識(shí)別研究與實(shí)現(xiàn)[D]. 宦睿智.南京郵電大學(xué) 2019
[3]基于深度學(xué)習(xí)的行人重識(shí)別技術(shù)[D]. 盧丹丹.南京郵電大學(xué) 2019
[4]基于深度學(xué)習(xí)的行人檢測算法研究[D]. 曹俊豪.北京郵電大學(xué) 2019
[5]基于SVM分類算法的金剛石鋸片缺陷識(shí)別研究[D]. 劉光大.哈爾濱理工大學(xué) 2019
[6]色織物表面缺陷檢測算法研究[D]. 馬浩.西安工程大學(xué) 2019
[7]基于機(jī)器學(xué)習(xí)的布匹疵點(diǎn)檢測算法研究[D]. 陳愉.浙江師范大學(xué) 2019
[8]基于計(jì)算機(jī)視覺的頭部姿態(tài)估計(jì)[D]. 張進(jìn).上海海洋大學(xué) 2019
[9]多尺度分析在深度學(xué)習(xí)中的應(yīng)用[D]. 孔令闖.沈陽航空航天大學(xué) 2019
[10]基于卷積神經(jīng)網(wǎng)絡(luò)的微小零件表面缺陷檢測技術(shù)研究[D]. 劉聰.哈爾濱理工大學(xué) 2019



本文編號(hào)：3276196