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)隐藏层过多时出现网络退化问题而提出来的。它的主要思想是建立跳跃连接，在普通多层神经网络的首尾处再建立一条连接，这样信息流在神经网络的传递中就可以通过主通道传递重要信息，也可以从旁通道传递残差信息，从而保证信息传递的完整性。Resnet是在2015年由下面这篇文章提出来的：He,Kaiming；Zhang,Xiangyu；Ren,Shaoqing；Sun,Jian(2015-12-10)."DeepResidualLearningforImageRecognition".arXiv:1512.03385.DenseNet是在ResNet基础上设计的更新更高效的神经网络模型。相比ResNet，DenseNet提出了一个更激进的密集连接机制：互相连接所有的层，具体来说就是每个层都会接受其前面所有层作为额外输入。ResNet是每个层与前面某层(一般是2～3层)短路连接在一起，连接方式是通过元素级相加。而在DenseNet中，每个层都会与前面所有层在channel维度上连接在一起(这里各个层的特征图大小是相同的)，并作为下一层的输入。而且DenseNet是直接连接来自不同层的特征图，这可以实现特征重用，提升效率，这一特点是DenseNet与ResNet最主要的区别。为了改善印刷品瑕疵检测的质量，在此设计了一种基于深度学习的印刷品瑕疵检测设备，将高清摄像头与深度学习相结合，有效提高瑕疵检测准确率，降低误识别率，达到提升生产效率的目的。
技术实现思路
(一)解决的技术问题针对现有技术所存在的上述缺点，本技术提供了一种基于深度学习的印刷品瑕疵检测设备，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。(二)技术方案为实现以上目的，本技术通过以下技术方案予以实现：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，所述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，所述印刷页上方设有高清摄像头，所述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；所述工业计算机与上位机相连，所述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；所述分页器包括壳体，所述壳体底部一侧开设有出页口，所述壳体与出页口相对一侧内壁固定有倾斜挡板，所述出页口顶部固定有弹性压片，所述弹性压片下方设有与待分页材料接触的橡胶滚轮，所述壳体侧壁固定有用于驱动橡胶滚轮的驱动机构，所述壳体底部固定有振动电机；还包括安装于所述壳体侧壁用于对弹性压片进行调节的调节机构。优选地，所述调节机构包括固定于壳体侧壁位于出页口上方的安装板，以及与所述安装板倾斜螺纹连接的调节螺栓，且所述调节螺栓端部与弹性压片相抵。优选地，所述出页口设于壳体一侧壁与底面的交界处。优选地，所述倾斜挡板一侧与壳体内壁固定，所述倾斜挡板另一侧延伸至橡胶滚轮处。优选地，所述倾斜挡板上表面的延长面与橡胶滚轮相切。优选地，所述驱动机构为伺服电机，且所述伺服电机为抱闸式伺服电机。优选地，所述机械臂包括安装座、后臂、中间臂和前臂，所述安装座上固定有用于驱动后臂在水平方向内转动的第一转动驱动机构，所述后臂端部通过第一转轴与中间臂一端转动连接，所述中间臂另一端通过第二转轴与前臂一端转动连接，所述前臂另一端安装有用于抓取印刷页的机械爪。优选地，所述机械臂还包括用于驱动中间臂沿第一转轴转动的第二转动驱动机构，以及用于驱动前臂沿第二转轴转动的第三转动驱动机构。(三)有益效果与现有技术相比，本技术所提供的一种基于深度学习的印刷品瑕疵检测设备，具有以下有益效果：1、振动电机以一定频率振动，堆叠印刷页放入壳体中，由于下部设有倾斜挡板，因此在震动作用下，印刷页呈自然倾斜堆积的造型，底部的橡胶滚轮与最下面的一张印刷页接触，且印刷页在重力作用下自然压住橡胶滚轮，驱动机构驱动橡胶滚轮顺时针滚动，带动底部的第一张印刷页向出页口处移动，利用调节螺栓对弹性压片进行调节，能够对除了底部第一张印刷页以外的其他印刷页进行阻拦，从而实现对叠放印刷页进行逐张分离的技术效果；2、利用分页器将印刷品逐张分发到分页工作台上，利用高清摄像头对印刷页进行拍照采样，并借助工业计算机中的瑕疵自动识别系统对照片样本进行检测分析，通过读取接收到的高分辨图片信息，应用深度学习的方法，对瑕疵区域进行识别，获得瑕疵区域的数据，提取其表征特征参数，分析其瑕疵类型，有效提高瑕疵检测准确率，降低误识别率。附图说明为了更清楚地说明本技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本技术结构示意图；图2为本技术图1中分页器结构示意图；图3为本技术图1中机械臂结构示意图；图中：1、分页工作台；2、分页器；3、印刷页；4、机械臂；5、高清摄像头；6、工业计算机；7、上位机；8、壳体；9、振动电机；10、倾斜挡板；11、出页口；12、橡胶滚轮；13、弹性压片；14、安装板；15、调节螺栓；16、安装座；17、第一转动驱动机构；18、后臂；19、第一转轴；20、中间臂；21、第二转轴；22、前臂；23、机械爪。具体实施方式为使本技术实施例的目的、技术方案和优点更加清楚，下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下本文档来自技高网...
【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)；/n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。/n
【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
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。