[发明专利]基于深度学习的印刷品细小划痕、套印偏差检测方法

说明书

本发明涉及一种基于深度学习的印刷品细小划痕、套印偏差检测方法，基于有监督的深度学习检测方法通过GoogleNet模型进行标记、学习和检出划痕、套印偏差类缺陷，并根据GoogLeNet模型预测的缺陷位置信息以缺陷为中心分别在缺陷品和模板图上截取缺陷子图和好品子图；基于深度学习二分类方法在GoogLeNet模型基础上通过输入层6通道输入策略对检测输出的缺陷小图中的真正缺陷品和误检品进行二分类。本发明采用将有监督检测和二分类有效结合，在有监督的缺陷检测之后对检出结果生成的缺陷小图做二分类处理，并通过6通道输入策略提高二分类正确率，达到划痕、套印偏差类缺陷准确检出的同时并具备极低误检率效果。

技术领域

本发明涉及印刷品缺陷检测技术领域，尤其是一种基于深度学习的印刷品 细小划痕、套印偏差检测方法。

背景技术

近年来，得益于大数据和大规模端到端的学习框架，深度学习越来越受世界 各国相关研究人员和互联网公司的重视。深度学习作为神经网络的一个分支，具 有深度网络结构的神经网络是深度学习最早的网络模型，目前深度学习在视觉检 测领域应用非常广泛，能够通过学习特定样本，提取有效特征，进行比对判别。

而印刷产品的自动检测，由于具有高效、准确性高等特性，极大的降低了 企业由人工检测方式存在的人员主观情绪差异造成的错判、误判现象，凭借其 低成本、检测效率高的特点，已经被越来越多的企业所采用。

但是，随着印刷品自动检测系统的不断应用，企业对于印刷品质量的要求 也越来越严格。传统的视觉算法对于划痕、套印偏差这类微小、对比度较低的 缺陷，存在着大量明显的漏检、误检情况，这种情况下就需要人工进行二次翻 检。

发明内容

本发明要解决的技术问题是：提供一种基于深度学习的印刷品细小划痕、 套印偏差检测方法，解决对比度较低的缺陷在缺陷检测过程中存在较高误检率 的问题。

本发明解决其技术问题所采用的技术方案是：一种基于深度学习的印刷品 细小划痕、套印偏差检测方法，其特征在于：将有监督检测和二分类进行结合， 具有训练过程和检测过程；

所述的训练过程包括有监督检测模型的训练以及二分类模型的训练；

所述的检测过程包括以下步骤：

步骤1：待检产品通过深度学习检测运行库进行检测，依据得分值给出好品 和缺陷品判定结果，若判定结果为好品则直接进行好品输出口输出；

步骤2：若步骤1判定结果为缺陷品，根据缺陷位置信息并以缺陷为中心截 取200*200大小的缺陷子图，同时截取模板图相同位置200*200大小的好品子 图；

步骤3：好品子图与缺陷子图通过6通道输入策略形成新的数据，其张量表 达为：200*200*6；

步骤4：新的数据经过深度学习二分类运行库进行决策；

步骤5：若决策结果为好品子图，则判定该检测产品被误检，该检测产品作 为误检品经过好品输出口输出；若决策结果为缺陷子图，那么判定该检测产品 为真正的缺陷品，则经过废品输出口剔废处理。

进一步的说，本发明所述的有监督检测模型的训练包括以下步骤，

a、收集好品样本集和划痕、套印类缺陷样本集，其中划痕、套印类缺陷样 本通过人工标记缺陷位置；

b、好品样本集和缺陷样本集作为GoogLeNet网络的输入，经过GoogLeNet 有监督模型的迭代训练后形成深度学习检测运行库用于实际产品的检测。

再进一步的说，本发明所述的二分类模型的训练包括以下步骤，

a、依据缺陷位置信息并以缺陷为中心截取200*200的大小作为缺陷子图，

b、以同样的缺陷位置信息截取模板图相同位置子图作为好品子图；