一种基于改进Faster RCNN的易拉罐印刷缺陷检测方法

作者：梁承权; 吕德深; 陆晓

来源：印刷与数字媒体技术研究, 2023, (06): 22-29.

DOI：10.19370/j.cnki.cn10-1886/ts.2023.06.003

• 印刷品
• 缺陷检测
• 快速区域卷积神经网络
• 深度学习

针对现有易拉罐印刷缺陷检测方法对小尺度缺陷检测难、漏检率高、检测精度低等问题，本研究提出一种基于改进Faster RCNN的易拉罐印刷缺陷检测方法。首先，以Faster RCNN的检测框架为基础，选取改进的VGG16模型作为特征提取网络，提取出卷积特征图；其次，针对缺陷目标的小尺度结构特点，通过改进RPN网络生成更具表征能力的缺陷目标候选框；最后，对缺陷目标候选区域进行分析，通过数学形态算法将缺陷目标从背景中分割出来，实现对目标区域的缺陷识别和形态提取。实验结果表明，本研究检测方法可准确且完整地提取缺陷目标，在易拉罐罐体印刷缺陷数据集上平均准确率达到94.78%，与现有的目标缺陷检测算法相比，识别性能更优、智能化程度更高，对提升易拉罐智能化生产具有现实意义。

• 单位
  桂林理工大学; 南宁学院