公开(公告)号：CN117635555A

公开(公告)日：2024-03-01

申请号：CN202311581674.0

申请日：2023-11-24

Applicant: 东北大学秦皇岛分校

Inventor： 张健魁 ,  杨乐 ,  赵玉良 ,  王正松

IPC: G06T7/00 ,  G01N21/88 ,  G06T7/11 ,  G06T7/13 ,  G06T7/64 ,  G06T7/73 ,  G06V10/764 ,  G06V10/82 ,  G06N3/045

Abstract: 本发明提供一种基于深度学习小样本塑封食品包装缺陷检测方法，属于图像检测技术领域。该方法包括以下步骤：使用工业相机在食品生产线上采集图像数据；对采集到的数据集进行预处理、标注、组建数据集；对图像进行预处理后，根据食品包装数据的缺陷分布特点，用训练好的U‑Net网络结合图像处理技术将图像自适应划分两个区域；对划分的两个区域分别作为输入到改进的DRA深度学习缺陷检测网络中进行训练；将测试集的图片样本输入训练好的深度学习网络中进行检测。本发明解决了由于塑封食品中间有形状复杂的食品对深度学习网络产生严重干扰的问题，同时引入CBAM注意力机制更有效地捕获塑封边缘细小的缺陷，提高了检测精度。本发明基于人工智能的方法可以自动进行检测塑封食品包装缺陷，与人工检测相比效率和准确率都有显著提高，大幅节省了时间和人力成本。