基于卷积神经网络的印刷套准识别方法

• 作者: 简川霞 陈鑫 林浩 张韬 王华明
• 来源期刊: 包装工程
• 关键词: 卷积神经网络 数据增强 印刷套准
• 年，卷（期）: 2021,（15）
• 所属期刊栏目: 图文信息技术|Graphic Information Technology
• 页码范围: 275-283
• 页数: 9页
• 分类号: TP391.4
• 语种: 中文
• DOI: 10.19554/j.cnki.1001-3563.2021.15.036

摘要

目的 针对目前印刷套准识别方法依赖于经验人工设计特征提取的问题,提出一种不需要人工提取图像特征的卷积神经网络模型,实现印刷套准状态的识别.方法 采用图像增强技术实现不均衡训练集的均衡化,增加训练集图像的数量,提高模型的识别准确率.设计基于AlexNet网络结构的印刷套准识别模型的结构参数,分析批处理样本数量和基础学习率对模型性能的影响规律.结果 文中方法获得的总印刷套准识别准确率为0.9860,召回率为1.0000,分类准确率几何平均数为0.9869.结论 文中方法能自动提取图像特征,不依赖于人工设计的特征提取方法.在构造的数据集上,文中方法的分类性能优于实验中的支持向量机方法.