基于YOLO算法与深度学习的证件质量检测系统

• 作者: 张志达 黄鹏 刘洋 毛翔宇 孙永文 杨立美
• 来源期刊: 单片机与嵌入式系统应用
• 关键词: 表面缺陷检测 卷积神经网络 深度学习 证件质量检测 YOLO 模版匹配 计算机视觉 OpenCV
• 年，卷（期）: 2021,（7）
• 所属期刊栏目: 新器件新技术|NEW PRODUCT & TECH
• 页码范围: 67-70
• 页数: 4页
• 分类号: TP391
• 语种: 中文

摘要

针对证件生产过程中表面人工质检时存在的易疲劳、易漏检、检测效率低等难题,提出一种基于深度学习结合机器视觉的证件质量检测方法.首先采用摄像头采集证件表面图像,对证件照片图像进行仿射变换、滤波、特征提取等处理,然后根据个人信息生成打印标准图像,与证件表面图像进行图像配准、形态学相减和模版匹配操作,检测出证件表面的文字不正确、文字打印不完整、重影等缺陷,最后通过改进的YOLO目标检测网络检测出照片打印不完整、覆膜不完整、杂质、黑边等缺陷.