基于深度学习的印刷辊筒表面缺陷分类算法研究

发布时间：2021-07-10 15:38

　　印刷行业是国民经济的基础行业,在文化发展与传承过程中有着举足轻重的地位,为社会发展、信息传播和文化的传递中发挥着重要作用。伴随着市场的快速发展,精美细致的印刷制品越来越受到人们的青睐。作为印刷设备的核心部件辊筒,它的质量好坏直接影响到印刷品质量的优劣。目前辊筒质量的检测大部分依靠人工检测,检测效率低,且工人易于疲劳。为了解决上述问题,本文提出以机器视觉和深度学习相结合的检测方法,对印刷辊筒缺陷进行检测和分类,不仅提高了检测效率,而且为未来印刷行业智能化发展打下基础。本文以凹印版辊表面缺陷为研究对象,对采集的缺陷图进行预处理和缺陷检测,着重对缺陷分类算法进行深入研究。在优化特征提取网络的基础上,提出了基于改进ResNet的辊筒缺陷分类网络,完成缺陷检测分类系统的整体搭建工作,具体工作如下:（1）提出改进HOG特征值算法,使用SVM对其进行分类,添加双线插值的方法,提高SVM的分类结果。（2）提出基于改进ResNet的凹印版辊缺陷分类网络用于缺陷图像分类。该网络在ResNet网络模型上进行改进。借鉴残差网络结构保留数据信息的优势,提出了改进的瘦身ResNet特征提取网络;大大优化了ResN... 

【文章来源】：北京印刷学院北京市

【文章页数】：59 页

【学位级别】：硕士

【部分图文】：

版辊检测系统示意图

原始图

匀光处理过后的

【参考文献】：
期刊论文
[1]采用布尔映射矩阵的Apriori算法改进研究[J]. 吴浩忠,钱雪忠.  福建电脑. 2020(03)
[2]基于Inception-V3模型的金属板材表面缺陷检测系统[J]. 蔡汉明,刘明.  轻工机械. 2020(01)
[3]基于支持向量机的条烟包装外观缺陷检测[J]. 孙娜,管一弘,崔云月,罗亚桃,黄岗.  软件. 2020(01)
[4]基于计算机视觉的易碎产品包装检测系统设计[J]. 刘欢,唐曌堃.  自动化与仪器仪表. 2019(12)
[5]金属零件表面缺陷检测系统中的机器视觉应用分析[J]. 符林芳.  工业加热. 2019(04)
[6]基于神经网络的磁瓦表面缺陷检测识别[J]. 刘畅,张剑,林建平.  表面技术. 2019(08)
[7]基于MapReduce的改进Eclat算法[J]. 向春梅,陈超.  成都信息工程大学学报. 2019(04)
[8]基于卷积神经网络的PCB缺陷检测与识别算法[J]. 王永利,曹江涛,姬晓飞.  电子测量与仪器学报. 2019(08)
[9]分布式MVC-Kmeans算法设计与实现[J]. 汪晶,邹学玉,喻维明,孙咏.  长江大学学报(自然科学版). 2019(06)
[10]基于Kmeans++聚类的朴素贝叶斯集成方法研究[J]. 钟熙,孙祥娥.  计算机科学. 2019(S1)

博士论文
[1]带钢表面缺陷图像检测与分类方法研究[D]. 甘胜丰.中国地质大学 2013

硕士论文
[1]高铁自动巡检系统中图像智能识别关键技术研究[D]. 刘东方.南京邮电大学 2019
[2]基于注意力机制的长时程特征融合的视频行为识别研究与实现[D]. 宦睿智.南京邮电大学 2019
[3]基于深度学习的行人重识别技术[D]. 卢丹丹.南京邮电大学 2019
[4]基于深度学习的行人检测算法研究[D]. 曹俊豪.北京邮电大学 2019
[5]基于SVM分类算法的金刚石锯片缺陷识别研究[D]. 刘光大.哈尔滨理工大学 2019
[6]色织物表面缺陷检测算法研究[D]. 马浩.西安工程大学 2019
[7]基于机器学习的布匹疵点检测算法研究[D]. 陈愉.浙江师范大学 2019
[8]基于计算机视觉的头部姿态估计[D]. 张进.上海海洋大学 2019
[9]多尺度分析在深度学习中的应用[D]. 孔令闯.沈阳航空航天大学 2019
[10]基于卷积神经网络的微小零件表面缺陷检测技术研究[D]. 刘聪.哈尔滨理工大学 2019



本文编号：3276196