人工智能的發(fā)展日新月異,正推動著印刷行業(yè)質(zhì)量檢測技術(shù)的革新。在總結(jié)傳統(tǒng)檢測算法不足的基礎(chǔ)上將深度學(xué)習(xí)理論應(yīng)用到該檢測領(lǐng)域中,并在實際應(yīng)用中針對煙草小盒包裝印刷產(chǎn)品存在較高誤檢率的問題,將無監(jiān)督和二分類有效結(jié)合。首先通過無監(jiān)督模式進行待檢產(chǎn)品與好品訓(xùn)練集的嚴格一致性界定,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)果作為最終檢測結(jié)果,最終實現(xiàn)高檢出率、低誤檢率的目標。針對煙草包裝印刷小盒產(chǎn)品進行多組實驗,以GoogLeNet網(wǎng)絡(luò)模型為基礎(chǔ),以小張包裝印刷品為檢測對象,以多種光學(xué)成像方式,驗證上述無監(jiān)督模式結(jié)合二分類的深度學(xué)習(xí)策略具備良好檢測效果。

【文章頁數(shù)】：5 頁

【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
    2.1訓(xùn)練過程
    2.2檢測過程
3 實驗
    3.1檢出實驗
    3.2對比實驗
        1)穹頂工位
        2)斜射工位
        3)反射工位
4 總結(jié)



本文編號：3770928