10.3969/j.issn.1009-0134.2023.03.044
基于语义分割的纸质包装产品表面缺陷检测
针对工业生产中纸质包装产品表面缺陷检测主要依赖人工,效率低下且检测精度无法保证等实际问题,采用一种基于深度学习中语义分割任务的表面缺陷检测方法.以包装纸盒表面缺陷图像数据为例,根据分割任务需求,从结构上改进Unet算法,并基于OpenMMLab开源计算机视觉算法体系中mmsegmentation语义分割工具箱模块,配置DeepLabV3+、Unet、改进Unet三种图像分割算法环境,分别训练迭代相同次数,对比分析分割检测结果以及对验证集图像的预测效果,可以证实改进Unet算法分割性能得到提升,能更好地检测出纸质包装产品表面的深度划痕缺陷;而DeepLabV3+算法性能相对最优,能更好地检测出纸质包装产品表面的破损缺陷,这对于实现纸质包装产品表面缺陷的自动检测具有一定意义.
深度学习、语义分割、表面缺陷检测
45
TP29(自动化技术及设备)
数字化印刷装备北京市重点实验室项目;北京印刷学院校级项目;北京印刷学院校级项目
2023-03-30（万方平台首次上网日期，不代表论文的发表时间）
共5页
216-220
