节点文献

基于深度学习的化妆品塑料瓶缺陷检测

免费订阅

【作者】 冯太锐苗玉彬赵爽

【Author】 FENG Tairui;MIAO Yubin;ZHAO Shuang;School of Mechanical Engineering,Shanghai Jiao Tong University;

【通讯作者】 苗玉彬;

【机构】 上海交通大学机械与动力工程学院

【摘要】 提出一种基于深度卷积神经网络的化妆品塑料瓶表面缺陷检测算法。采用百万像素级别的工业相机采集大量的塑料瓶图像样本,并通过HSV(hue,saturation,value)颜色空间变换和Otsu阈值分割等方法对图像进行预处理。采用随机图像变换法对数据集进行增强,并对图像进行标准归一化处理。在卷积神经网络模型中应用深度可分离卷积和Dropout技术以减少参数量,从而避免过度拟合。使用训练样本集训练该模型,并在测试集中将结果与几种经典图像识别算法进行比较分析,结果显示,本文算法的识别准确率高达约0.97。由此表明本文算法的效果优于其他经典算法,有望将其应用于化妆品塑料瓶缺陷检测的工业自动化系统,以提升缺陷识别效果,从而提高生产效率。

【基金】 上海市科委工程技术研究中心建设专项资助项目(17DZ2252300);上海市科研计划资助项目(16391901700)
【所属期刊栏目】 计算机与信息工程 (2020年02期)
  • 【分类号】TQ658;TQ320.7;TP391.41;TP18
  • 【下载频次】144
节点文献中: 

本文链接的文献网络图示:

浏览历史:
下载历史: