【技术实现步骤摘要】
本专利技术属于缺陷检测的，具体涉及一种基于轻量级卷积神经网络和持续学习缺陷检测方法。
技术介绍
1、纸箱作为现代包装行业的重要组成部分，在保护产品、便于运输、以及提升品牌形象等方面发挥着关键作用。无论是日常消费品、电子产品，还是食品和药品，纸箱包装都能提供有效的物理保护，防止外界环境因素如冲击、湿气和光线对产品造成的损害。与此同时，纸箱的印刷质量不仅直接影响包装的美观和产品的市场形象，还关乎到产品在物流和销售过程中的功能性，比如条形码的识别、产品信息的读取等。因此，纸箱印刷质量的高低不仅影响到产品的安全性和完整性，还会对客户的品牌认知和购买决策产生重要影响。
2、传统的纸箱印刷缺陷检测主要依赖于人工检查。人工检测虽然灵活性较强，但由于存在主观因素，容易导致检测结果的不一致性。此外，随着生产效率的不断提升，依赖人工检测不仅成本高昂，且难以满足高速度和高精度的现代化生产需求。人工检测的缺陷还包括对环境因素的依赖性，如光线、工人疲劳程度等，这些都可能直接影响检测的准确性和效率。
3、在工业领域，自动化缺陷检测技术已经取...
【技术保护点】
1.基于轻量级卷积神经网络和持续学习缺陷检测方法，其特征在于，包括下述步骤：
2.根据权利要求1所述基于轻量级卷积神经网络和持续学习缺陷检测方法，其特征在于，所述采集瓦楞纸箱图像并进行预处理，具体为：
3.根据权利要求1所述基于轻量级卷积神经网络和持续学习缺陷检测方法，其特征在于，所述轻量级卷积神经网络模块包括深度可分离卷积模块、反向残差块模块和坐标注意力机制模块，具体为：
4.根据权利要求3所述基于轻量级卷积神经网络和持续学习缺陷检测方法，其特征在于，所述将水平方向的特征向量和垂直方向的特征向量进行特征编码、特征融合和特征增强处理...
【技术特征摘要】
1.基于轻量级卷积神经网络和持续学习缺陷检测方法，其特征在于，包括下述步骤：
2.根据权利要求1所述基于轻量级卷积神经网络和持续学习缺陷检测方法，其特征在于，所述采集瓦楞纸箱图像并进行预处理，具体为：
3.根据权利要求1所述基于轻量级卷积神经网络和持续学习缺陷检测方法，其特征在于，所述轻量级卷积神经网络模块包括深度可分离卷积模块、反向残差块模块和坐标注意力机制模块，具体为：
4.根据权利要求3所述基于轻量级卷积神经网络和持续学习缺陷检测方法，其特征在于，所述将水平方向的特征向量和垂直方向的特征向量进行特征编码、特征融合和特征增强处理，得到保持原始尺寸的不同尺度的特征图i5，具体为：
5.根据权利要求1所述基于轻量级卷积神经网络和持续学习缺陷检测方法，其特征在于，所述特征融合模块中，通过新型的双向加权特征金字塔网络得不同尺度的特征图能够通过双向路径进行加权融合，具体为：
6.根据权利要求5所述基于轻量...
【专利技术属性】
技术研发人员：吴衡，何慧锋，何炳宇，
申请(专利权)人：广东科盛隆高新技术集团有限公司，
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。