典型文献
基于无监督深度神经网络的卷烟小包拉线缺陷视觉智能检测方法
文献摘要：
目的 为减少ZB47包装机小包拉线缺陷投诉,基于无监督深度神经网络构建一种小包拉线缺陷视觉智能检测方法.方法 首先,在ZB47包装机CH转塔部位设计并加装小包图像采集装置,获得实时高清晰度小包图像.其次,将小包图像根据拉线位置进行固定位置的裁剪,从而减轻不同工况的环境背景影响并且加快检测速度.然后,构建自编码器–编码器结构的主干网络,同时叠加生成对抗网络中的判别器模块组成缺陷判别模型,并综合采用图像间、图像隐空间以及图像特征间的信息构建模型的损失函数.最后,使用裁剪后的正常小包拉线图像对构建的缺陷判别模型进行训练,并基于所有的正常小包图像得到异常阈值.结果 实际验证阶段,待检测图像的得分大于异常阈值即判断为异常图像,触发CH转塔部位的小包剔除装置将该缺陷小包剔除.生产现场测试表明,所提方法可以对典型小包缺陷进行快速准确检测,缺陷检测准确率为99.99％.结论 该方法能够满足生产现场卷烟小包拉线缺陷检测的准确性和实时性要求.
文献关键词：
卷烟小包拉线;生成对抗网络;自编码器;视觉智能检测
中图分类号：
作者姓名：
朱立明;王伟;范霞萍;王文博;徐鑫;许小双
作者机构：
浙江中烟工业有限责任公司,杭州 310024
文献出处：
引用格式：
[1]朱立明;王伟;范霞萍;王文博;徐鑫;许小双-.基于无监督深度神经网络的卷烟小包拉线缺陷视觉智能检测方法)[J].包装工程,2022(17):273-281
A类：
卷烟小包拉线,视觉智能检测,ZB47
B类：
无监督,深度神经网络,线缺陷,智能检测方法,包装机,投诉,网络构建,CH,转塔,加装,图像采集,采集装置,高清晰度,裁剪,不同工况,环境背景,快检,检测速度,自编码器,主干网络,加生,生成对抗网络,判别器,缺陷判别,判别模型,合采,隐空间,图像特征,信息构建,构建模型,损失函数,剔除装置,生产现场,现场测试,测试表明,陷进,快速准确,缺陷检测,检测准确率
AB值：
0.258045
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
