纸张缺陷检测方法和装置制造方法及图纸

本发明专利技术提供一种纸张缺陷检测方法和装置，所述方法包括以下步骤：获取样本数据集，其中，所述样本数据集中包含多个存在纸张缺陷的样本产品图像和多个不存在纸张缺陷的样本产品图像；通过在引入自注意力机制的卷积神经网络中，将相邻的注意力模块相连接，以构建深度连接注意力网络；通过所述样本数据集对包含所述深度连接注意力网络的卷积神经网络进行训练，得到纸张缺陷检测模型；获取待检测产品图像；将所述待检测产品图像输入所述纸张缺陷检测模型，以判断是否存在纸张缺陷。本发明专利技术检测效率较高，人工成本较低，且检测准确率较高。

【技术实现步骤摘要】
纸张缺陷检测方法和装置
本专利技术涉及机器学习
，具体涉及一种纸张缺陷检测方法、一种纸张缺陷检测装置、一种计算机设备、一种非临时性计算机可读存储介质和一种计算机程序产品。
技术介绍
纸张在生产完成后可能存在一些缺陷，例如刮痕、透明点、破损、黑斑、孔洞、皱褶、油斑等，因此有必要在投入市场或深加工前进行缺陷检测。目前对于纸张缺陷的检测大多是通过人工视力观察的方式来完成的，速度慢，效率低下，人工成本高。
技术实现思路
本专利技术为解决上述技术问题，提供了一种纸张缺陷检测方法和装置，检测效率较高，人工成本较低，且检测准确率较高。本专利技术采用的技术方案如下：一种纸张缺陷检测方法，包括以下步骤：获取样本数据集，其中，所述样本数据集中包含多个存在纸张缺陷的样本产品图像和多个不存在纸张缺陷的样本产品图像；通过在引入自注意力机制的卷积神经网络中，将相邻的注意力模块相连接，以构建深度连接注意力网络；通过所述样本数据集对包含所述深度连接注意力网络的卷积神经网络进行训练，得到纸张缺陷检测模型；获取待检测产品图像；将所本文档来自技高网...

【技术保护点】
1.一种纸张缺陷检测方法，其特征在于，包括以下步骤：/n获取样本数据集，其中，所述样本数据集中包含多个存在纸张缺陷的样本产品图像和多个不存在纸张缺陷的样本产品图像；/n通过在引入自注意力机制的卷积神经网络中，将相邻的注意力模块相连接，以构建深度连接注意力网络；/n通过所述样本数据集对包含所述深度连接注意力网络的卷积神经网络进行训练，得到纸张缺陷检测模型；/n获取待检测产品图像；/n将所述待检测产品图像输入所述纸张缺陷检测模型，以判断是否存在纸张缺陷。/n

【技术特征摘要】
1.一种纸张缺陷检测方法，其特征在于，包括以下步骤：
获取样本数据集，其中，所述样本数据集中包含多个存在纸张缺陷的样本产品图像和多个不存在纸张缺陷的样本产品图像；
通过在引入自注意力机制的卷积神经网络中，将相邻的注意力模块相连接，以构建深度连接注意力网络；
通过所述样本数据集对包含所述深度连接注意力网络的卷积神经网络进行训练，得到纸张缺陷检测模型；
获取待检测产品图像；
将所述待检测产品图像输入所述纸张缺陷检测模型，以判断是否存在纸张缺陷。


2.根据权利要求1所述的纸张缺陷检测方法，其特征在于，获取所述样本产品图像和所述待检测产品图像具体包括：
通过线阵相机对卷动的纸张进行拍照得到纸张图像。


3.根据权利要求2所述的纸张缺陷检测方法，其特征在于，获取所述样本产品图像和所述待检测产品图像具体包括：
在漫反射环境中连续曲面打光下，通过线阵相机对卷动的纸张进行拍照得到纸张图像。


4.根据权利要求3所述的纸张缺陷检测方法，其特征在于，在获取到所述样本产品图像或所述待检测产品图像后，还包括：
采用邻域聚类法对自然光像素点进行分类，并进行滤波。


5.一种纸张缺陷检测装置，其特...

【专利技术属性】
技术研发人员：陈海波，段艺霖，
申请(专利权)人：深兰人工智能芯片研究院江苏有限公司，深兰科技上海有限公司，
类型：发明
国别省市：江苏;32