一种基于深度学习的烟包外观缺陷检测方法及其系统技术方案

本发明专利技术公开了一种基于深度学习的烟包外观缺陷检测方法及其系统，涉及外观检测技术领域，该系统运行时，通过采用高清摄像头和扫描设备进行多角度、多光源的图像采集，确保全面、精确地捕捉烟包的外观细节，通过数据预处理模块的图像切割、灰度化处理、去噪处理、图像增强和数据标准化，进一步提升了图像质量和一致性，为后续的缺陷检测奠定了坚实基础，其次，缺陷检测模块利用强弱数据增强和特征提取器进行特征提取，通过计算正负样本在特征空间的相似度和总损失函数，结合MSE损失进行缺陷识别和优化，提高了模型对缺陷的检测精度和鲁棒性，评估模块通过与预设阈值进行匹配，实时评估外观缺陷，形成一个持续优化的检测闭环。

【技术实现步骤摘要】

本专利技术涉及外观检测，具体为一种基于深度学习的烟包外观缺陷检测方法及其系统。

技术介绍

1、随着工业自动化、智能制造技术的不断发展，卷接包设备的数字化、智能化水平也在稳步提升，卷烟包装缺陷的在线检测与剔除装置是行业应用比较广泛的质量检验装备，有效解决了包装机高速化时代传统人工抽检样本覆盖率低、缺陷检出率低的痛点问题。

2、传统的基于模板比对技术通过对待检测小盒的外观图像进行灰度处理，与标准模板进行对比，通过比较模板与被检小盒图像之间存在的差异来判断小盒是否存在缺陷，该方法需要对产品外观图像进行灰度处理，会导致图像信息失真，其技术原理导致对镭射包装这类材料的检测效果较差，也无法在检测过程中实现对缺陷类别的识别，同时受光照条件和环境变化等因素影响，检测精度具有一定局限性。

3、传统的机器视觉检测主要由图像采集和缺陷检测两个过程组成，不同图像处理算法的特征提取能力和图像预处理方法均会直接影响缺陷检测的准确率和误检率的高低，目前，大多数最先进的基于机器视觉的缺陷检测算法都是基于模式的方法，涉及特征提取或建模和分类器（支持向量机、最近邻分类本文档来自技高网...

【技术保护点】

1.一种基于深度学习的烟包外观缺陷检测系统，其特征在于：包括数据采集模块、数据预处理模块、缺陷检测模块和评估模块；

2.根据权利要求1所述的一种基于深度学习的烟包外观缺陷检测系统，其特征在于：所述数据采集模块包括采集单元；

3.根据权利要求1所述的一种基于深度学习的烟包外观缺陷检测系统，其特征在于：所述数据预处理模块包括处理单元；

4.根据权利要求1所述的一种基于深度学习的烟包外观缺陷检测系统，其特征在于：所述缺陷检测模块训练单元；

5.根据权利要求4所述的一种基于深度学习的烟包外观缺陷检测系统，其特征在于：所述总损失函数通过约束对比分布学...

【技术特征摘要】

1.一种基于深度学习的烟包外观缺陷检测系统，其特征在于：包括数据采集模块、数据预处理模块、缺陷检测模块和评估模块；

2.根据权利要求1所述的一种基于深度学习的烟包外观缺陷检测系统，其特征在于：所述数据采集模块包括采集单元；

3.根据权利要求1所述的一种基于深度学习的烟包外观缺陷检测系统，其特征在于：所述数据预处理模块包括处理单元；

4.根据权利要求1所述的一种基于深度学习的烟包外观缺陷检测系统，其特征在于：所述缺陷检测模块训练单元；

5.根据权利要求4所述的一种基于深度学习的烟包外观缺陷检测系统，其特征在于：所述总损失函数通过约束对比分布学习进行约计算：

6.根据权利要求5所述的一种基...

【专利技术属性】
技术研发人员：马妍明，施少卿，丁士海，陶芳，李亚，徐秀，
申请(专利权)人：安徽中烟工业有限责任公司，
类型：发明
国别省市：