期刊专题

10.3969/j.issn.1006-2475.2023.08.003

基于改进ConvNeXt的软塑包装表面异常检测算法

引用
针对人工检测软塑包装存在速度慢且易受主观因素影响造成误检等问题,以及基于深度学习的机器视觉中负样本数量少、获取困难等客观原因,本文以抽纸外表面为研究对象,提出了基于ConvNeXt的非对称对偶网络的抽纸包装表面质量检测方法.首先根据工业现场采集图片状况,使用机器视觉中基于阈值分割及图像滤波的方法对图像进行前景提取等预处理;之后,根据图片特征及异常特点,构建异常检测网络结构;最后将预处理后的图片构建为训练集与测试集,训练并测试抽纸包装表面质量检测网络.实验结果表明,在抽纸外包装表面缺陷检测中,图片级AUROC为99.75%,像素级AUROC为99.37%,单张检测时间为45 ms,满足工业实时性检测要求.

深度学习、抽纸外包装、对偶网络、异常检测

TP391.41(计算技术、计算机技术)

2023-09-26(万方平台首次上网日期,不代表论文的发表时间)

共6页

12-17

暂无封面信息
查看本期封面目录

计算机与现代化

1006-2475

36-1137/TP

2023,(8)

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn