【技术实现步骤摘要】
本专利技术涉及图像处理，特别是涉及一种用于标签的磨损缺陷检测方法及系统。
技术介绍
1、随着计算机视觉技术的发展，基于计算机视觉的目标检测方法通常利用传统图像处理算法提取标签的边缘、纹理等特征，再通过阈值分割、形态学操作等手段识别磨损缺陷，在标签磨损缺陷检测领域逐渐兴起。但是，上述目标检测方法存在诸多局限性：一方面，当标签材质多样、表面纹理复杂时，上述目标检测方法难以准确提取缺陷特征；另一方面，对于磨损缺陷与标签文字、图案重合的情况，上述目标检测方法极易产生特征混淆，导致误检或漏检。
2、另外，基于深度学习的目标检测技术通过大量标注数据训练模型，在一定程度上提高了检测精度和效率，也被应用于标签磨损缺陷检测，但深度学习模型需要大量高质量的标注数据，而标签磨损缺陷数据的收集和标注成本高、难度大，导致深度学习模型的泛化能力不足，无法完成低成本、高准确率的标签磨损缺陷检测，导致大部分标签的磨损缺陷检测的准确性较低。
3、因此，如何提高标签的磨损缺陷检测的准确性成为亟待解决的问题。
技术实现思路
【技术保护点】
1.一种用于标签的磨损缺陷检测方法，其特征在于，所述检测方法包括如下步骤：
2.根据权利要求1所述的用于标签的磨损缺陷检测方法，其特征在于，所述训练好的重构模型包括训练好的编码器和训练好的解码器；
3.根据权利要求2所述的用于标签的磨损缺陷检测方法，其特征在于，S30包括如下步骤：
4.根据权利要求2所述的用于标签的磨损缺陷检测方法，其特征在于，S40包括如下步骤：
5.根据权利要求2所述的用于标签的磨损缺陷检测方法，其特征在于，S80包括如下步骤：
6.根据权利要求1所述的用于标签的磨损缺陷检测方法，其特征...
【技术特征摘要】
1.一种用于标签的磨损缺陷检测方法，其特征在于，所述检测方法包括如下步骤：
2.根据权利要求1所述的用于标签的磨损缺陷检测方法，其特征在于，所述训练好的重构模型包括训练好的编码器和训练好的解码器；
3.根据权利要求2所述的用于标签的磨损缺陷检测方法，其特征在于，s30包括如下步骤：
4.根据权利要求2所述的用于标签的磨损缺陷检测方法，其特征在于，s40包括如下步骤：
5.根据权利要求2所述的用于标签的磨损缺陷检测方法，其特征在于，s80包括如下步骤...
【专利技术属性】
技术研发人员：刘洧宏，周俊超，袁平安，黄新桥，菉开放，袁健，
申请(专利权)人：柏仁新材料广州股份有限公司，
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。