【技术实现步骤摘要】
一种基于深度学习的印刷缺陷智能识别方法
本专利技术属于印刷
，涉及一种基于深度学习的印刷缺陷智能识别方法。
技术介绍
随着人们生活水平的提高，人们对印刷品的质量要求越来也越高。同时印刷品一旦出现缺陷，将会造成原材料的极大浪费。现有的印刷企业许多都配有基于机器视觉的印刷缺陷检测系统，能够将缺陷检测出来，但无法识别出是哪种类型的缺陷。在印刷生产过程中，只有知道了是哪种类型的印刷缺陷，才能够知道生产过程中出现了什么故障，从而采取有针对性的措施。因此，对印刷缺陷进行识别是印刷企业迫切需要解决的一项关键技术。在印刷生产中，由于印刷设备种类多、印刷材料差异大、印刷工艺及技术的不同、印刷产品图文信息的丰富等因素，导致同类型的印刷缺陷在形态、大小、明暗程度上的差异非常大，加之印刷图文信息的差异巨大，造成了印刷缺陷的分类识别相比于一般的识别问题具有更大的难度和挑战性。由于印刷缺陷特征存在一定的随机性和多样性，传统的提取缺陷长宽比、圆形度、面积、亮度等浅层特征的方式，识别准确率低。
技术实现思路
本专利技术的目...
【技术保护点】
1.一种基于深度学习的印刷缺陷智能识别方法，其特征在于，具体按照如下步骤实施：/n步骤1，采集印刷缺陷区域图像及对应的模板图像作为样本图像，并标记缺陷种类；/n步骤2，将步骤1采集到的样本图像按照缺陷的类型，随机选取一部分作为训练集，剩余的作为测试集；/n步骤3，设计并训练印刷缺陷特征提取的深度学习网络模型；/n步骤4，将训练集中的图像送入步骤3训练好的深度学习网络模型，提取缺陷特征数据，然后在特征层面对少数类样本的特征数据进行扩充，并用扩充后的特征数据训练SVM分类器；/n步骤5，将待识别的印刷缺陷图像输入到步骤3训练好的深度学习网络模型中提取其缺陷特征数据，将提取的缺陷...
【技术特征摘要】
1.一种基于深度学习的印刷缺陷智能识别方法，其特征在于，具体按照如下步骤实施：
步骤1，采集印刷缺陷区域图像及对应的模板图像作为样本图像，并标记缺陷种类；
步骤2，将步骤1采集到的样本图像按照缺陷的类型，随机选取一部分作为训练集，剩余的作为测试集；
步骤3，设计并训练印刷缺陷特征提取的深度学习网络模型；
步骤4，将训练集中的图像送入步骤3训练好的深度学习网络模型，提取缺陷特征数据，然后在特征层面对少数类样本的特征数据进行扩充，并用扩充后的特征数据训练SVM分类器；
步骤5，将待识别的印刷缺陷图像输入到步骤3训练好的深度学习网络模型中提取其缺陷特征数据，将提取的缺陷特征数据输入到步骤4训练好的SVM模型识别其缺陷的类型。
2.根据权利要求1所述的一种基于深度学习的印刷缺陷智能识别方法，其特征在于，所述步骤1具体为：
采集印刷缺陷区域图像及对应的模板图像最为样本图像，大小均为128×128像素，并标记缺陷种类，样本图像数据集表示为其中，si表示采集到的第i幅印刷缺陷区域图像，ti表示对应该幅印刷缺陷区域图像的模板图像，ci表示该印刷缺陷区域图像的缺陷种类，N为样本图像数量。
3.根据权利要求2所述的一种基于深度学习的印刷缺陷智能识别方法，其特征在于，所述缺陷种类有11类，分别为墨皮、纸毛、亮缺陷、刀丝、偏色、墨点、晶点、漏印、套印、蹭脏及拖尾，则ci∈[0,10]。
4.根据权利要求1所述的一种基于深度学习的印刷缺陷智能识别方法，其特征在于，所述步骤2中训练集中的样本图像数量为总样本数的2/3。
5.根据权利要求1所述的一种基于深度学习的印刷缺陷智能识别方法，其特征在于，所述步骤3具体为：
步骤3.1，建立印刷缺陷特征提取深度学习网络模型，建立印刷缺陷特征提取深度学习网络模型，该模型包括依次连接的输入层、7个特征提取层c1到c7、2个全连接层f1和f2以及1个SoftMax分类层，所述模型首先对输入层经过32个5×5大小的卷积核进行卷积，卷积步长为1的Same卷积方式，得到32...
【专利技术属性】
技术研发人员：张二虎，段敬红，李博，
申请(专利权)人：西安理工大学，
类型：发明
国别省市：陕西;61
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。