一种基于深度学习的印刷品瑕疵检测设备制造技术

本实用新型专利技术涉及印刷品瑕疵检测，具体涉及一种基于深度学习的印刷品瑕疵检测设备，包括分页工作台，分页工作台上放置有用于将印刷品分页成印刷页并逐张分发到分页工作台上的分页器，印刷页上方设有高清摄像头，高清摄像头与用于对照片样本进行检测分析的工业计算机相连，工业计算机与上位机相连，上位机根据工业计算机判定结果驱动固定安装在分页工作台上的机械臂对印刷页进行分拣；本实用新型专利技术提供的技术方案能够有效克服现有技术所存在的瑕疵检测错误率高、瑕疵检测误报多、不能将叠放印刷页进行逐张分离的缺陷。

【技术实现步骤摘要】
一种基于深度学习的印刷品瑕疵检测设备
本技术涉及印刷品瑕疵检测，具体涉及一种基于深度学习的印刷品瑕疵检测设备。
技术介绍
印刷品的瑕疵检测是印刷流程的必须环节。然而，由于印刷品的瑕疵尺寸较小、差别细微，现有的自动化检测设备还存在瑕疵检测错误率高、误报多的问题。BatchNormalization(批次归一化)是一项用于人工智能神经网络训练及推理的技术，可以加速实现过程，增加系统的稳定性。它的核心思想就是将用于训练或推理的数据按照每个批次进行归一化，这样可以防止少数异常数据对整个神经网络产生过度影响。Batchnormalization是在2015年由下面这篇文章提出来的：Ioffe,Sergey；Szegedy,Christian(2015)."BatchNormalization:AcceleratingDeepNetworkTrainingbyReducingInternalCovariateShift".arXiv:1502.03167[cs.LG].ResNet残差网络是为了解决深度神经网络(DNN)隐藏层过多时本文档来自技高网...

【技术保护点】
1.一种基于深度学习的印刷品瑕疵检测设备，其特征在于：包括分页工作台(1)，所述分页工作台(1)上放置有用于将印刷品分页成印刷页(3)并逐张分发到分页工作台(1)上的分页器(2)，所述印刷页(3)上方设有高清摄像头(5)，所述高清摄像头(5)与用于对照片样本进行检测分析的工业计算机(6)相连；/n所述工业计算机(6)与上位机(7)相连，所述上位机(7)根据工业计算机(6)判定结果驱动固定安装在分页工作台(1)上的机械臂(4)对印刷页(3)进行分拣；/n所述分页器(2)包括壳体(8)，所述壳体(8)底部一侧开设有出页口(11)，所述壳体(8)与出页口(11)相对一侧内壁固定有倾斜挡板(10)，所...

【技术特征摘要】
1.一种基于深度学习的印刷品瑕疵检测设备，其特征在于：包括分页工作台(1)，所述分页工作台(1)上放置有用于将印刷品分页成印刷页(3)并逐张分发到分页工作台(1)上的分页器(2)，所述印刷页(3)上方设有高清摄像头(5)，所述高清摄像头(5)与用于对照片样本进行检测分析的工业计算机(6)相连；
所述工业计算机(6)与上位机(7)相连，所述上位机(7)根据工业计算机(6)判定结果驱动固定安装在分页工作台(1)上的机械臂(4)对印刷页(3)进行分拣；
所述分页器(2)包括壳体(8)，所述壳体(8)底部一侧开设有出页口(11)，所述壳体(8)与出页口(11)相对一侧内壁固定有倾斜挡板(10)，所述出页口(11)顶部固定有弹性压片(13)，所述弹性压片(13)下方设有与待分页材料接触的橡胶滚轮(12)，所述壳体(8)侧壁固定有用于驱动橡胶滚轮(12)的驱动机构，所述壳体(8)底部固定有振动电机(9)；
还包括安装于所述壳体(8)侧壁用于对弹性压片(13)进行调节的调节机构。


2.根据权利要求1所述的基于深度学习的印刷品瑕疵检测设备，其特征在于：所述调节机构包括固定于壳体(8)侧壁位于出页口(11)上方的安装板(14)，以及与所述安装板(14)倾斜螺纹连接的调节螺栓(15)，且所述调节螺栓(15)端部与弹性压片(13)相抵。


3.根据权利要求1所述的基于深度学习的印刷品瑕疵检测设备，其特征在于：...

【专利技术属性】
技术研发人员：陶进，郭景锋，周向明，周启辰，
申请(专利权)人：安徽安视智能科技有限公司，
类型：新型
国别省市：安徽;34