【技术实现步骤摘要】
一种基于SIFT特征匹配和改进的SSD算法的软包装卷料印刷缺陷检测方法
本专利技术涉及印刷品缺陷检测
，具体涉及一种基于SIFT特征匹配和改进的SSD算法的软包装卷料印刷缺陷检测方法。
技术介绍
人们生活水平的提高，人们对印刷产品的需求也在增加。在生活中，处处离不开印刷的产品，其中软包装就是需求之一，而在印刷生产过程中不免会出现各种类型的缺陷。随着深度学习和大数据的发展，人们对印刷产品中图像的要求的不断提高，智能化视觉检测技术渐渐走入了印刷的行业，深度学习作为机器学习中一个重要的领域，让计算机模拟人类的认知过程，从经验中学习，通过各种层去提取相关信息，学习有用的特征并识别它们。传统视觉检测具有时效性，将已有技术与深度学习相互融合，具有一定的创新。
技术实现思路
本专利技术结合传统视觉图像检测和深度学习缺陷检测，提出了一种基于SIFT特征匹配和改进的SSD算法的软包装卷料印刷缺陷检测方法。将传统视觉缺陷检测方法和深度学习检测方法相结合，即弥补了传统视觉缺陷检测方法对图像角度和光照的不足...
【技术保护点】
1.一种基于SIFT特征匹配和改进的SSD算法的软包装卷料印刷缺陷检测方法，其特征在于：所述软包装卷料印刷缺陷检测方法包括以下几个步骤：/n步骤1：利用CCD工业相机采集图像，进行图像预处理，用传统机器视觉方法做第一重筛选，利用SIFT特征匹配判断是否为相同图像，如图像一致则检测结束，不一致则进入步骤2；/n步骤2：先构建改进的SSD网络模型，训练模型，利用训练好的模型进行缺陷标注，少量标注出现标注错误或者漏标注的情况，则进入人工检测过程；/n步骤3：人工将标注错误或者漏标注图像进行收集，标注缺陷位置后制作成训练集再训练网络；/n步骤4：再将图片送入再次训练过的模型中，如果...
【技术特征摘要】
1.一种基于SIFT特征匹配和改进的SSD算法的软包装卷料印刷缺陷检测方法，其特征在于：所述软包装卷料印刷缺陷检测方法包括以下几个步骤：
步骤1：利用CCD工业相机采集图像，进行图像预处理，用传统机器视觉方法做第一重筛选，利用SIFT特征匹配判断是否为相同图像，如图像一致则检测结束，不一致则进入步骤2；
步骤2：先构建改进的SSD网络模型，训练模型，利用训练好的模型进行缺陷标注，少量标注出现标注错误或者漏标注的情况，则进入人工检测过程；
步骤3：人工将标注错误或者漏标注图像进行收集，标注缺陷位置后制作成训练集再训练网络；
步骤4：再将图片送入再次训练过的模型中，如果可以成功标注错误信息，则软包装卷料印刷缺陷检测完成。
2.根据权利要求1所述的一种基于SIFT特征匹配和改进的SSD算法的软包装卷料印刷缺陷检测方法，其特征在于：步骤1中的预处理包括，首先对标准图像和用CCD相机采集到的印刷图像利用公式：gray＝0.39×R+0.5×G+0.11×B进行灰度化处理，然后利用自适应中值滤波即空间域除去噪声的方法对图片进行降噪处理，中值滤波就是按9个点像素取平均放入中心像素中，以消除孤立噪声污染点。
3.根据权利要求1所述的一种基于SIFT特征匹配和改进的SSD算法的软包装卷料印刷缺陷检测方法，其特征在于：步骤1中SIFT特征匹配步骤如下：
步骤1-1，尺度空间上进行极值检测，即搜索所有尺度上的图像位置；
通过高斯微分函数来识别潜在的对于尺度和旋转不变的兴趣点；在尺度空间中可以通过不同参数的高斯函数对图像进行处理，用L(x，y，σ)表示图像尺度空间，I(x，y)表示待处理图像，G(x，y，σ)表示高斯函数，即L(x，y，σ)＝G(x，y，σ)*I(x，y),
步骤1-2，图像上关键点定位，即在每个候选的位置上，通过一个拟合精细的模型来确定位置和尺度；
关键点的选择依据于它们的稳定程度，其中关键点定位理论公式如下：其中X＝(x，y，σ)T；求导并让方程等于零，可以得到极值点的偏移量为:对应的极值点，方程的值为：当任何大小的偏移量等于0.5时，表示插值的中心已偏移到其相邻位置，因此必须更改当前键的位置。同时，在新位置重复插值，直到它收敛，可能超过设定的迭代次数或图像边界，并且应删除这些点；
步骤1-3，梯度方向确定，即基于图像局部的梯度...
【专利技术属性】
技术研发人员：徐镪，范洪辉，朱洪锦，汪以歆，余光辉，
申请(专利权)人：江苏理工学院，
类型：发明
国别省市：江苏;32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。