-
题名卷积神经网络在印刷品缺陷检测的应用
被引量：3
- 1
-
-
作者
王胜
吕林涛
杨宏才
-
机构
西京学院
-
出处
《包装工程》
CAS
北大核心
2019年第11期203-211,共9页
-
基金
国家自然科学基金(61273271)
2016年度陕西省工业科技攻关项目(2016GY-141)
+1 种基金
2017年度西安市科技产学研项目(2017087CG/RC050(XJXY001))
西京学院校级科研基金(XJ160232)
-
文摘
目的为了改善传统机器检测印刷产品缺陷存在误费率高的不足。方法提出以卷积神经网络为控制核心的印刷品缺陷检测系统。设计可在实际检测中应用的卷积神经网络,设计在线印刷质量检测系统的硬件结构。结果对结构相同而训练次数、学习率不同的卷积神经网络进行了缺陷检测的性能对比,验证了该卷积神经网络在学习率小于0.01时,可以获得较好的识别效果;在学习率大于0.05时,网络不容易收敛。网络训练次数越多,精度越高,相应的训练时间也较长。在满足快速性和精确度的条件下,确定了适应某印刷品的缺陷检验网络训练次数为50,学习率为0.005,此时的识别率为90%。结论经过实验证明,该检测系统具有良好的缺陷识别能力,缺陷类型的分类准确率较高。该系统具有一定的实用价值。
-
关键词
印刷品产品质量
印刷品缺陷检测
卷积神经网络
模式识别
-
Keywords
quality of printing products
defect detection of printing products
convolutional neural network
pattern recognition
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
-
