基于深度学习的包装缺陷快速检测方法

作者：陈雪纯; 方宇伦; 杜世昌; 吕君; 王勇

来源：机械设计与研究, 2021, 37(06): 165-169+178.

DOI：10.13952/j.cnki.jofmdr.2021.0237

• 缺陷检测
• 机器视觉
• MobileNetV2
• 迁移学习

包装缺陷在线检测对提升产品质量具有重要意义。针对工业生产中人工目检效率低、漏检率高，以及基于显式特征提取的缺陷检测方法通用性差、特征提取复杂、缺陷区域占比小等问题，本文提出了基于迁移学习的改进MobilenetV2轻量化网络的包装缺陷快速检测方法，并利用某工厂糖果产线包装质检环节存在的4种表面缺陷对其进行测试。结果表明，该方法具有检测速度快、缺陷正确检测率高等优点，单个产品处理时间为0.053 s,验证集上缺陷识别率为98.333%,在线测试缺陷品召回率为96.596%,在检测精度较高的同时能满足高速产线的实时性需求，最高支持2 m/s的传送带运行速度。

• 单位
  上海交通大学; 华东师范大学