【技术实现步骤摘要】
基于自编码器网络的印刷缺陷检测方法
本专利技术涉及一种印刷缺陷检测方法，尤其涉及一种基于自编码器的印刷缺陷检测方法，属于人工智能
技术介绍
传统的印刷缺陷检测通常采用人工检测，然而人眼的分辨能力存在个体差异以及易产生疲劳，很容易出现错检和漏检。随着我国生产制造的自动化水平不断提高，传统的人工检测方法已经不能适应大规模的生产需求，检测技术的滞后直接导致低下的生产效率。针对这种现状，众多研究者尝试利用急速发展的机器视觉检测技术解决这一难题。机器视觉具有高效性，非接触性等优点，已经被广泛引用到现代工业的各个领域中。使用机器视觉来代替人工检测可以极大地提高检测工序的效率和质量，提高整个生产过程的效率。然而现有的智能检测手段大多采用传统的图像处理识别技术，且利用了人工选取的特征，因而在印刷过程中的缺陷检测效率有限。
技术实现思路
本专利技术的主要目的在于提供一种基于自编码器的印刷缺陷检测方法及系统，以克服现有技术的不足。为实现上述专利技术目的，本专利技术提供如下技术方案：本专利技术...
【技术保护点】
1.一种基于自编码器网络的印刷缺陷检测方法，其特征在于包括：/n采集无缺陷样本；/n生成不同形状的局部缺陷图案数据；/n将所述局部缺陷图案数据与所述无缺陷样本融合，生成有缺陷样本，用于进行对抗神经网络的训练；/n至少利用所述有缺陷样本和无缺陷样本进行缺陷过滤型自编码器网络的训练；/n将所述对抗神经网络和自编码器网络联合训练；以及/n利用所述自编码器网络对产品进行印刷缺陷检测。/n
【技术特征摘要】
1.一种基于自编码器网络的印刷缺陷检测方法，其特征在于包括：
采集无缺陷样本；
生成不同形状的局部缺陷图案数据；
将所述局部缺陷图案数据与所述无缺陷样本融合，生成有缺陷样本，用于进行对抗神经网络的训练；
至少利用所述有缺陷样本和无缺陷样本进行缺陷过滤型自编码器网络的训练；
将所述对抗神经网络和自编码器网络联合训练；以及
利用所述自编码器网络对产品进行印刷缺陷检测。
2.根据权利要求1所述的印刷缺陷检测方法，其特征在于，所述自编码器网络以二范数为衡量标准，并且相应的要求包括：
若所述自编码器网络的输入数据为无缺陷样本，则所述自编码器网络的输出数据与输入数据的相似度在99％以上；
若所述自编码器网络的输入数据为生成的有缺陷样本，则所述自编码器网络的输出数据与用于生成所述有缺陷样本的无缺陷样本的相似度在99％以上；
若所述自编码器网络的输入数据为生成或直接采集到的有缺陷样本，则所述自编码器网络的输出数据与输入数据的相似度低于99％。
3.根据权利要求1-2中任一项所述的印刷缺陷检测方法，其特征在于具体包括：依据下式将所述局部缺席图案数据与所述无缺陷样本融合，生成有缺陷样本，
其中，E表示期望，px(x)、py(y)分别表示无缺陷样本的分布、有缺陷样本的分布，pz(z)表示噪声变量的先验分布，DY(y)表示数据y来自于有缺陷样本集的概率，G(z，x)表示缺陷样本生成模型，X表示无缺陷样本的集合，Y表示有缺陷样本的集合，G为生成函数，且用于生成函数G的网络由两个感知层级联而成，其中的第一个感知层为多层感知网络，并以z为输入生成缺陷特征，确定该缺陷出现在产品图片x的位置pos，第二个感知层将该缺陷与产品图片的相应位置进行融合，得到图片其中采用的训练目标函数为：
4.根据权利要求3所述的印刷缺陷检测方法，其特征在于，所述缺陷过滤型自编码器网络为：
其中，F′表示F...
【专利技术属性】
技术研发人员：彭成斌，李文茜，刘晓坤，
申请(专利权)人：宁波大学，
类型：发明
国别省市：浙江;33
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。