摘要
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。
作者
暴泰焚
焦慧敏
张皓
琚恭伟
吴志鹏
BAO Tai-fen;JIAO Hui-min;ZHANG Hao;JU Gong-wei;WU Zhi-peng
出处
《制造业自动化》
北大核心
2023年第3期216-220,共5页
Manufacturing Automation
基金
数字化印刷装备北京市重点实验室项目(20190122047)
北京印刷学院校级项目(20190118002,Ee202206)。
