人工智能的發(fā)展日新月異,正推動(dòng)著印刷行業(yè)質(zhì)量檢測(cè)技術(shù)的革新。在總結(jié)傳統(tǒng)檢測(cè)算法不足的基礎(chǔ)上將深度學(xué)習(xí)理論應(yīng)用到該檢測(cè)領(lǐng)域中,并在實(shí)際應(yīng)用中針對(duì)煙草小盒包裝印刷產(chǎn)品存在較高誤檢率的問(wèn)題,將無(wú)監(jiān)督和二分類有效結(jié)合。首先通過(guò)無(wú)監(jiān)督模式進(jìn)行待檢產(chǎn)品與好品訓(xùn)練集的嚴(yán)格一致性界定,然后將異常包裝印刷產(chǎn)品根據(jù)其缺陷子圖進(jìn)行二分類劃分為誤檢品和缺陷品,并以二分類結(jié)果作為最終檢測(cè)結(jié)果,最終實(shí)現(xiàn)高檢出率、低誤檢率的目標(biāo)。針對(duì)煙草包裝印刷小盒產(chǎn)品進(jìn)行多組實(shí)驗(yàn),以GoogLeNet網(wǎng)絡(luò)模型為基礎(chǔ),以小張包裝印刷品為檢測(cè)對(duì)象,以多種光學(xué)成像方式,驗(yàn)證上述無(wú)監(jiān)督模式結(jié)合二分類的深度學(xué)習(xí)策略具備良好檢測(cè)效果。

【文章頁(yè)數(shù)】：5 頁(yè)

【文章目錄】：
引言
1 人工智能與深度學(xué)習(xí)概述
2 缺陷檢測(cè)
    2.1訓(xùn)練過(guò)程
    2.2檢測(cè)過(guò)程
3 實(shí)驗(yàn)
    3.1檢出實(shí)驗(yàn)
    3.2對(duì)比實(shí)驗(yàn)
        1)穹頂工位
        2)斜射工位
        3)反射工位
4 總結(jié)



本文編號(hào)：3770928