基于改进ConvNeXt的软塑包装表面异常检测算法

摘要：

针对人工检测软塑包装存在速度慢且易受主观因素影响造成误检等问题,以及基于深度学习的机器视觉中负样本数量少、获取困难等客观原因,本文以抽纸外表面为研究对象,提出了基于ConvNeXt的非对称对偶网络的抽纸包装表面质量检测方法.首先根据工业现场采集图片状况,使用机器视觉中基于阈值分割及图像滤波的方法对图像进行前景提取等预处理;之后,根据图片特征及异常特点,构建异常检测网络结构;最后将预处理后的图片构建为训练集与测试集,训练并测试抽纸包装表面质量检测网络.实验结果表明,在抽纸外包装表面缺陷检测中,图片级AUROC为99.75%,像素级AUROC为99.37%,单张检测时间为45 ms,满足工业实时性检测要求.

关键词：深度学习、抽纸外包装、对偶网络、异常检测

分类号：TP391.41(计算技术、计算机技术)

在线出版日期：2023-09-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：12-17