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方案

本发明专利技术公开了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、设备及存储介质，方法包括：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，分别输出对应的第一特征序列和第二特征序列；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，利用特征序列的特征相关性，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。本发明专利技术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。检测的精度和准确度。检测的精度和准确度。

【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像和标准图像；
[0008]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；
[0009]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；
[0010]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；
[0011]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。
[0012]作为优选的技术方案，所述第一特征序列和第二特征序列的数学模型表示如下：
[0013](a,b)＝Net(X,Y)，
[0014]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。
[0015]作为优选的技术方案，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：
[0016]L＝W
a
J＝W
a
([W1I,L,W
n
I])，
[0017]其中，W
a
、W1、W
n
是卷积层的权重，W1LW
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。
[0018]作为优选的技术方案，所述损失特征序列的计算方式如下：
[0019]Z＝Loss(a,b)＝a
‑
b，
[0020]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。
[0021]作为优选的技术方案，所述色差相似值的计算公式如下：
[0022]λ＝sigmoid(W
s
(W
c
Z))，
[0023]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。
[0024]作为优选的技术方案，还包括对孪生网络的训练步骤，在训练过程中，采用ADAM函数对损失函数L(Θ)进行优化，其过程表示如下
[0025][0026]其中，M为总训练次数，X
m
为第m个待测图像集，Y
m
为第m个标准图像集，L
m
为第m个色差相似值，Θ为孪生网络参数。
[0027]作为优选的技术方案，所述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，具体为：
[0028]色差相似值λ为印刷被测图案偏离标准图案的色差程度，当λ＞β时，表示印刷被测图案的色差达到了标准图案的要求，当λ＜β时，表示印刷被测图案的色差低于标准图案的要求，其中β∈[0,1]为根据生产要求设定的色差标准阈值。
[0029]第二方面，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系统，应用于所述的基于孪生网络的瓦楞纸箱印刷图案色差检测方法，包括图像获取模块、孪生网络构建模块、损失特征序列计算模块、色差相似值计算模块以及色差检测模块；
[0030]所述图像获取模块，用于获取瓦楞纸箱印刷图案的被测图像和标准图像；
[0031]所述孪生网络构建模块，用于构建孪生网络，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；
[0032]所述损失特征序列计算模块，用于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；
[0033]所述色差相似值计算模块，用于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；
[0034]所述色差检测模块，用于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。
[0035]第三方面，本专利技术提供了一种电子设备，所述电子设备包括：
[0036]至少一个处理器；以及，
[0037]与所述至少一个处理器通信连接的存本文档来自技高网...

【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：