基于深度学习的化妆品塑料瓶缺陷检测

• 作者: 冯太锐 苗玉彬 赵爽
• 来源期刊: 东华大学学报（自然科学版）
• 学科: 工学
• 关键词: 深度学习 缺陷检测 化妆品塑料瓶 卷积神经网络
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 计算机与信息工程
• 页码范围: 269-274
• 页数: 6页
• 分类号: TP391.41
• 字数: 3183字
• 语种: 中文

摘要

提出一种基于深度卷积神经网络的化妆品塑料瓶表面缺陷检测算法.采用百万像素级别的工业相机采集大量的塑料瓶图像样本,并通过HSV(hue,saturation,value)颜色空间变换和Otsu阈值分割等方法对图像进行预处理.采用随机图像变换法对数据集进行增强,并对图像进行标准归一化处理.在卷积神经网络模型中应用深度可分离卷积和Dropout技术以减少参数量,从而避免过度拟合.使用训练样本集训练该模型,并在测试集中将结果与几种经典图像识别算法进行比较分析,结果显示,本文算法的识别准确率高达约0.97.由此表明本文算法的效果优于其他经典算法,有望将其应用于化妆品塑料瓶缺陷检测的工业自动化系统,以提升缺陷识别效果,从而提高生产效率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	苗玉彬	上海交通大学机械与动力工程学院	50	705	14.0	26.0
2	赵爽	上海交通大学机械与动力工程学院	4	5	1.0	2.0
3	冯太锐	上海交通大学机械与动力工程学院	2	4	1.0	2.0