21级专硕杨颖《基于机器视觉的柱状产品贴标及喷码缺陷检测研究》
文摘
科技
2024-04-25 10:26
江苏
![]()
贴标和喷码是产品外包装的关键环节，标签和喷码字符中承载着产品的使用方法、保质期等重要信息，贴标和喷码的合格性直接影响产品美观和消费者购买决策，同时也关乎着消费者是否能够正确安全的使用产品。柱状瓶作为最常见的产品外包装形式，对其贴标和喷码进行缺陷检测十分必要。目前，贴标检测主要依赖于效率低、可靠性差的人工目检方法，喷码检测虽然采用了机器视觉的方法，但依旧存在喷码字符中微小缺陷无法识别及定位等问题。为提高贴标及喷码的检测精度及稳定性，本文研究基于机器视觉和深度学习的贴标及喷码缺陷检测方法，主要研究内容如下：
（1）针对柱状产品贴标缺陷检测问题，提出了基于深度学习的贴标缺陷检测方法。首先，采用基于U-Net网络的图像分割方法对标签区域进行分割，解决了传统分割方法在复杂环境下效果不佳的问题。然后，通过柱面反投影矫正将曲面标签化曲为直，避免标签变形对检测结果的影响。最后，构建基于EfficienDet的贴标缺陷检测网络，通过修改网络中的注意力机制和归一化方法，提高了检测的准确度和稳定性，经实验验证，本文提出的贴标缺陷检测算法SA-EfficienDet的mAP值达到了92.36%。
![]()
![]()
（2）针对柱状产品喷码缺陷检测问题，提出了基于自编码器的喷码缺陷定位方法。首先，采用Random
Erasing数据增强方法扩充缺陷样本。然后，构建了基于AE-SSIM的异常检测模型，根据重建图像与原图像的差异性比较，实现了喷码字符中所有异常的定位，解决了常规视觉检测方法无法定位字符中微小缺陷的难题。经实验验证，本文提出的喷码字符缺陷定位算法的准确度达到了85.5%。（3）在上述内容（2）的基础上，对存在缺陷的字符进行了分类研究，提出了基于Transformer的喷码字符识别算法。构建基于Deformable DETR的喷码字符识别网络，增加了特征更新计算中的采样点数量，并采用二分匹配损失来探索目标类别与位置的唯一解，提高了字符识别的精度。经实验验证，异常检测模型和字符识别模型结合后，实现了对存在任意缺陷字符的分类识别。![]()
（4）开发基于机器视觉的贴标及喷码缺陷检测软件。使用PyQt分别开发了贴标缺陷检测和喷码缺陷检测模块，软件具有图像读取、图像预处理、缺陷检测、日志记载等功能。经实验验证，本文开发的软件具有良好的检测效果和较短的检测时间，具有实际应用的可行性。![]()
综上所述，本文针对柱状产品贴标及喷码缺陷检测现有方法的局限性，提出了相应的解决方案，并开发了缺陷检测软件，为实际工业生产提供了应用价值。![]()
