[发明专利]一种基于深度学习的印刷品缺陷检测方法

说明书

一种基于深度学习的印刷品缺陷检测方法，所述印刷品缺陷检测方法包括以下步骤：步骤A：利用CCD工业相机采集图像；步骤B：在所采集的图像中选取不同类别的缺陷图像和无缺陷图像作为训练样本；步骤C：利用训练样本离线集训深度学习算法，得到网络模型的连接权值和偏置参数；步骤D：利用训练好的深度学习算法，在线检测识别印刷品图像的缺陷。本发明提出一种基于深度学习的印刷品缺陷检测方法，通过在印刷过程中采集印刷品图像，并对图像进行预处理，然后预处理后的图像输入到预先训练好的缺陷检测模型进行缺陷检测，提高在生产中印刷品缺陷检测的效率。

技术领域

本发明涉及印刷品缺陷检测技术领域，尤其涉及一种基于深度学习的印刷品缺陷检测方法。

背景技术

随着现代科技的进步和信息技术的发展，印刷品与人们的日常生活、工作和学习息息相关。历史的进步，是的人们在满足物质需求的基础上，精神追求变得越来越高，印刷品外观也不例外，但是在印刷的过程中，由于受到一些随机因素的影响，在印刷产品的表面上，经常出现各种各样的缺陷。近年来计算机技术与机器视觉技术的迅速发展，出现了基于机器视觉和模式识别的印刷品缺陷检测技术，然而这些智能检测手段采用的仍是传统的图像处理识别技术，且利用了人工选取的特征，在印刷过程中的检测效率有限。

而深度学习作为机器学习研究的一个新的领域，其优点是通过构建具有多个隐含层的深度网络模型来对输入的训练样本进行层层抽样，自动学习到有用的特征。将深度学习方法应用于印刷品缺陷的识别，可以减少复杂的人工的特征提取过程，实现缺陷特征的自主提取。

发明内容

本发明的目的在于提出一种基于深度学习的印刷品缺陷检测方法，通过在印刷过程中采集印刷品图像，并对图像进行预处理，然后预处理后的图像输入到预先训练好的缺陷检测模型进行缺陷检测，提高在生产中印刷品缺陷检测的效率。

为达此目的，本发明采用以下技术方案：

一种基于深度学习的印刷品缺陷检测方法，所述印刷品缺陷检测方法包括以下步骤：

步骤A：利用CCD工业相机采集图像；

步骤B：在所采集的图像中选取不同类别的缺陷图像和无缺陷图像作为训练样本；

步骤C：利用训练样本离线集训深度学习算法，得到网络模型的连接权值和偏置参数；

步骤D：利用训练好的深度学习算法，在线检测识别印刷品图像的缺陷。

优选的，选取不同类别的缺陷图像和无缺陷图像作为训练样本包括从CCD工业相机采集到的图像中，分别选取起皱、油墨、污点、字符漏印、套印不准和刮伤六大类印刷品缺陷图像。

优选的，利用训练样本离线集训深度学习算法，得到网络模型的连接权值和偏置参数包括使用CRBM模型训练深度学习算法，包括以下步骤：

步骤C1：建立基于深度卷积信念网络的CRBM模型，通过多层深度卷积神经网络提取图像特征；

步骤C2：使用池化层降低网络训练参数，减少模型的过拟合程度；

步骤C3：使用全连接网络做分类，将从深度卷积神经网络学习到的特征输入全连接网络层，分类得到样本的标签类别。

优选的，使用CRBM模型训练深度学习算法包括以下步骤：

步骤一：输入参数；

步骤二：初始化CRBM模型；

步骤三：计算CRBM模型的隐藏层；

步骤四：对隐藏层进行采样；

步骤五：计算重构样本及误差；

步骤六：根据误差更新参数；