【技术实现步骤摘要】
基于孪生网络的瓦楞纸箱印刷图案色差检测方法、系统及存储介质
[0001]本专利技术属于机器视觉检测的
,具体涉及一种基于孪生网络的瓦楞纸箱印刷图案色差检测方法、系统及存储介质。
技术介绍
[0002]由于不同颜色在可见光下的照射下,可形成不同的反射光和透射光,因此,不同物体存在色差现象。色差检测方法是对标准样品和被测产品的色差进行检测,能反映出物体之间的区别。因此色差检测技术在医药化工、航空航天、食品检测、印刷等方面得到广泛的应用。
[0003]在众多现有的色差检测方法应用中,色差仪的应用最为广泛,并具有很多优点,比如:相对于传统的人工色差检测,色差仪的应用避免了检测人员的主观因素影响,能够较为客观地反映被测产品与标准样品的色差程度。然而,色差仪在检测被测产品的色差程度时,需要人工多次移动检测不同位置的色差程度,从而存在测量工作效率低、测量覆盖面积小、检测精度低等问题。因此,开发出工作效率高、测量覆盖面积大、检测精度高的色差检测方法有助于色差检测方法的应用和发展。
技术实现思路
[0004]本专利技术的主要目的在于克服现有技术的缺点与不足,提供一种基于孪生网络的瓦楞纸箱印刷图案色差检测方法、系统及存储介质,利用孪生网络提高了瓦楞纸箱印刷图案色差检测的精度和准确度。
[0005]为了达到上述目的,本专利技术采用以下技术方案:
[0006]第一方面,本专利技术提供了一种基于孪生网络的瓦楞纸箱印刷图案色差检测方法,包括下述步骤:
[0007]获取瓦楞纸箱印刷图案的被测图 ...
【技术保护点】
【技术特征摘要】
1.基于孪生网络的瓦楞纸箱印刷图案色差检测方法,其特征在于,包括下述步骤:获取瓦楞纸箱印刷图案的被测图像和标准图像;构建孪生网络,将被测图像和标准图像分别输入到孪生网络中进行印刷图案色彩检测,分别输出对应的第一特征序列和第二特征序列;所述构建孪生网络包括第一神经网络和第二神经网络,所述第一神经网络用于处理被测图像得到第一特征序列,所述第二神经网络用于处理标准图像得到第二特征序列;所述第一神经网络和第二神经网络共享权重;所述第一神经网络和第二神经网络中引入了多尺度注意力机制,通过不同卷积核提取多尺度颜色特征,再经过卷积层进一步提取不同尺度下的特征;再经多重稠密残差块提取重要的融合颜色特征;最后通过Flatten将特征输出一串特征序列;将第一特征序列和第二特征序列输入到损失函数中得到损失特征序列,并通过损失函数估计被测图像与标准图像的特征序列差值;将损失函数特征序列进行特征线性映射,分别输出特征序列个数为n和1,引入sigmoid函数作为门控函数,利用特征序列与色差相似值的映射关系,计算色差相似值;利用色差相似值检测被测图像是否达到了标准图像的要求。2.根据权利要求1所述基于孪生网络的瓦楞纸箱印刷图案色差检测方法,其特征在于,所述第一特征序列和第二特征序列的数学模型表示如下:(a,b)=Net(X,Y),其中,a为第一特征序列,b为第二特征序列,Net(
·
)为一个神经网络的抽象函数,X为被测图像,Y为标准图像。3.根据权利要求1所述基于孪生网络的瓦楞纸箱印刷图案色差检测方法,其特征在于,通过不同卷积核提取多尺度颜色特征,再经过卷积层进一步提取不同尺度下的特征,模型表示如下:L=W
a
J=W
a
([W1I,L,W
n
I]),其中,W
a
、W1、W
n
是卷积层的权重,W1L W
n
输出的特征通道数为C,则W
a
输出的特征通道数为n
×
C,L表示融合颜色特征,J为多尺度颜色特征。4.根据权利要求1所述基于孪生网络的瓦楞纸箱印刷图案色差检测方法,其特征在于,所述损失特征序列的计算方式如下:Z=Loss(a,b)=|a
‑
b|,其中,Z为损失特征序列,Loss(
·
)为平均绝对误差函数,a为第一特征序列,b为第二特征序列。5.根据权利要求1所述基于孪生网络的瓦楞纸箱印刷图案色差检测方法,其特征在于,所述色差相似值的计算公式如下:λ=sigmoid(W
s
(W
c
Z)),其中,W
s
和W
c
是全连接层的权重,sigmoid
·
是sigmoid函数,λ∈[0,1]为色差相似值。6.根据权利要求1所述基...
【专利技术属性】
技术研发人员:王涛,程良伦,席勇,
申请(专利权)人:广州科盛隆纸箱包装机械有限公司,
类型:发明
国别省市:
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。