一种基于人工智能的印刷品质量检测方法及系统技术方案

本发明专利技术公开了一种基于人工智能的印刷品质量检测方法及系统，属于图像处理技术领域。本发明专利技术的基于人工智能的印刷品质量检测方法，使用收集和预处理的数据集来训练印刷品检测模型，得到成熟的印刷品质量检测模型，使用所述印刷品质量检测模型对印刷品质量进行检测，并将检测结果进行显示。该发明专利技术的基于人工智能的印刷品质量检测方法能够更高效率的检验印刷品的质量问题，更进一步的保证印刷品质量，具有很好的推广应用价值。

A printing quality inspection method and system based on Artificial Intelligence

【技术实现步骤摘要】
一种基于人工智能的印刷品质量检测方法及系统
本专利技术涉及图像处理
，具体提供一种基于人工智能的印刷品质量检测方法及系统。
技术介绍
随着社会的不断进步，社会经济飞速发展，同时带动着社会各项技术的不断发展，并且要求越来越高。印刷技术是我国的一项古老的技术，随着社会的不断进步，人们对印刷技术的要求越来越高，对印刷品的质量要求也越来越严格，因此，在印刷品出成品后，对印刷品质量的检测成为了必要而关键的一步。现有技术中，印刷工厂产品检测都有由人工来完成的，效率低，成本高，并且检测的标准可能出现误差，导致印刷品质量的参差不齐。因此如何开发一种印刷品质量检测技术来解决问题就成了急需解决的技术问题。
技术实现思路
本专利技术的技术任务是针对上述存在的问题，提供一种能够更高效率的检验印刷品的质量问题，更进一步的保证印刷品质量的基于人工智能的印刷品质量检测方法。本专利技术进一步的技术任务是提供一种基于人工智能的印刷品质量检测系统。为实现上述目的，本专利技术提供了如下技术方案：一种基于人工智能的印刷品质量检测方法，该方法使用收集和预处理的数据集来训练印刷品检测模型，得到成熟的印刷品质量检测模型，使用所述印刷品质量检测模型对印刷品质量进行检测，并将检测结果进行显示。该基于人工智能的印刷品质量检测方法种利用摄像头收集大量的印刷品结果图片。使用印刷品质量检测模型对印刷品质量进行检测，并将检测结果显示在显示器上。作为优选，该方法具体包括以下步骤：S1、建立数据集：收集大量印刷品结果图片，对收集的图片根据是否合格形成数据集，并进行标注；S2、数据集预处理：对数据集中的图片进行预处理；S3、建立印刷品检测模型；S4、使用步骤S1中标注完成的数据集训练印刷品检测模型，得到成熟的印刷品质量检测模型；S5、读取需检测质量的印刷品的图片，预处理后输入到成熟的印刷品质量检测模型，得到印刷品质量检测结果，并将检测结果进行显示。作为优选，步骤S2中，对数据集预处理为对数据集中处理后的图片降噪、二值化、字符切分及归一化处理。作为优选，所述印刷品检测模型为深层卷积神经网络模型，使用多层卷积和池化对图片进行特征提取并使用三层的全连接层进行分类，使用batch-normal、prelu激活函数、dropout防止过拟合、梯度消失、梯度爆炸。印刷品检测模型为深层卷积神经网络模型，具体有如下结构：第一层由两层3x3x64的卷积层和一层3x3/2的最大池化层组成，第二层由两层3x3x128的卷积层和一层3x3/2的最大池化层组成，第三层由四层3x3x256的卷积层和一层3x3/2的最大池化层组成，第四层由四层3x3x512的卷积层和一层3x3/2的最大池化层组成，第五层由三层全连接层组。作为优选，步骤S4中，将数据集使用十折交叉验证法划分，使用小批量梯度下降算法训练印刷品检测模型，得到印刷品检测模型根据代价函数计算代价，根据代价进行反向传播修改印刷品检测模型，直到得到成熟的印刷品质量检测模型，其中使用softmax作为代价函数。作为优选，步骤S4具体包括以下过程：S401、对收集到的印刷品图片根据是否合格进行标注，将训练集按照1:5划分成训练测试集和验证集；S402、训练测试集使用十折交叉验证法进行划分和验证，训练测试集中的十分之一作为测试集，十分之九为训练集；S403、训练过程使用训练集合测试集训练印刷品检测模型；S404、使用投票法得到预测结果，使用验证集根据代价函数计算印刷品检测模型的代价；S405、根据代价函数选择出成熟的印刷品质量检测模型。一种基于人工智能的印刷品质量检测系统，该系统包括数据集建立模块、数据集预处理模块、印刷品检测模型建立模块、印刷品检测模型训练模块和印刷品质量检测结果显示模块：数据集建立模块用于建立数据集，收集大量印刷品结果图片，对收集的图片根据是否合格形成数据集，并进行标注；数据集预处理模块用于数据集预处理：对数据集中的图片进行预处理；印刷品检测模型建立模块用于建立印刷品检测模型；印刷品检测模型训练模块为使用标注完成的数据集训练印刷品检测模型，得到成熟的印刷品质量检测模型；印刷品质量检测结果显示模块将读取需检测质量的印刷品的图片，预处理后输入到成熟的印刷品质量检测模型，得到印刷品质量检测结果，并将检测结果进行显示。作为优选，数据集预处理模块对数据集预处理为对数据集中处理后的图片降噪、二值化、字符切分及归一化处理。作为优选，所述印刷品检测模型建立模块建立的印刷品检测模型为深层卷积神经网络模型，使用多层卷积和池化对图片进行特征提取并使用三层的全连接层进行分类，使用batch-normal、prelu激活函数、dropout防止过拟合、梯度消失、梯度爆炸。作为优选，印刷品检测模型训练模块中，将数据集使用十折交叉验证法划分，使用小批量梯度下降算法训练印刷品检测模型，得到印刷品检测模型根据代价函数计算代价，根据代价进行反向传播修改印刷品检测模型，直到得到成熟的印刷品质量检测模型，其中使用softmax作为代价函数。与现有技术相比，本专利技术的基于人工智能的印刷品质量检测方法具有以下突出的有益效果：所述基于人工智能的印刷品质量检测方法能够更高效率的检验印刷品的质量问题，更进一步的保证印刷品质量，同时该方法使用batch-normal、dropout等技术避免了神经网络训练过程中的过拟合、梯度消失、梯度爆炸等问题，具有良好的推广应用价值。附图说明图1是本专利技术所述基于人工智能的印刷品质量检测方法的流程图；图2是本专利技术所述基于人工智能的印刷品质量检测系统的拓扑图。具体实施方式下面将结合附图和实施例，对本专利技术的基于人工智能的印刷品质量检测方法及系统作进一步详细说明。实施例本专利技术的基于人工智能的印刷品质量检测方法，使用收集和预处理的数据集来训练印刷品检测模型，得到成熟的印刷品质量检测模型，使用所述印刷品质量检测模型对印刷品质量进行检测，并将检测结果进行显示。其中利用摄像头收集大量的印刷品结果图片。使用印刷品质量检测模型对印刷品质量进行检测，并将检测结果显示在显示器上。如图1所示，该基于人工智能的印刷品质量检测方法具体包括以下步骤：S1、建立数据集：收集大量印刷品结果图片，对收集的图片根据是否合格形成数据集，并进行标注。S2、数据集预处理：对数据集中的图片进行预处理。对数据集预处理为对数据集中处理后的图片降噪、二值化、字符切分及归一化处理。S3、建立印刷品检测模型。印刷品检测模型为深层卷积神经网络模型，使用多层卷积和池化对图片进行特征提取并使用三层的全连接层进行分类，使用batch-normal、prelu激活函数、dropout防止过拟合、梯度消失、梯度爆炸。印刷品检测模型为深层卷积神经网络模型，具体有如下结本文档来自技高网...

【技术保护点】
1.一种基于人工智能的印刷品质量检测方法，其特征在于：该方法使用收集和预处理的数据集来训练印刷品检测模型，得到成熟的印刷品质量检测模型，使用所述印刷品质量检测模型对印刷品质量进行检测，并将检测结果进行显示。/n

【技术特征摘要】
1.一种基于人工智能的印刷品质量检测方法，其特征在于：该方法使用收集和预处理的数据集来训练印刷品检测模型，得到成熟的印刷品质量检测模型，使用所述印刷品质量检测模型对印刷品质量进行检测，并将检测结果进行显示。


2.根据权利要求1所述的基于人工智能的印刷品质量检测方法，其特征在于：该方法具体包括以下步骤：
S1、建立数据集：收集大量印刷品结果图片，对收集的图片根据是否合格形成数据集，并进行标注；
S2、数据集预处理：对数据集中的图片进行预处理；
S3、建立印刷品检测模型；
S4、使用步骤S1中标注完成的数据集训练印刷品检测模型，得到成熟的印刷品质量检测模型；
S5、读取需检测质量的印刷品的图片，预处理后输入到成熟的印刷品质量检测模型，得到印刷品质量检测结果，并将检测结果进行显示。


3.根据权利要求2所述的基于人工智能的印刷品质量检测方法，其特征在于：步骤S2中，对数据集预处理为对数据集中处理后的图片降噪、二值化、字符切分及归一化处理。


4.根据权利要求3所述的基于人工智能的印刷品质量检测方法，其特征在于：所述印刷品检测模型为深层卷积神经网络模型，使用多层卷积和池化对图片进行特征提取并使用三层的全连接层进行分类，使用batch-normal、prelu激活函数、dropout防止过拟合、梯度消失、梯度爆炸。


5.根据权利要求4所述的基于人工智能的印刷品质量检测方法，其特征在于：步骤S4中，将数据集使用十折交叉验证法划分，使用小批量梯度下降算法训练印刷品检测模型，得到印刷品检测模型根据代价函数计算代价，根据代价进行反向传播修改印刷品检测模型，直到得到成熟的印刷品质量检测模型，其中使用softmax作为代价函数。


6.根据权利要求5所述的基于人工智能的印刷品质量检测方法，其特征在于：步骤S4具体包括以下过程：
S401、对收集到的印刷品图片根据是否合格进行标注，将训练集按照1:5划分成训练测试集和验证集；
S402、训练测试集使用十折交叉验证法进行划...

【专利技术属性】
技术研发人员：戴鸿君，金长新，王芳，
申请(专利权)人：山东浪潮人工智能研究院有限公司，
类型：发明
国别省市：山东;37