论文摘要
目的为了改善传统机器检测印刷产品缺陷存在误费率高的不足。方法提出以卷积神经网络为控制核心的印刷品缺陷检测系统。设计可在实际检测中应用的卷积神经网络,设计在线印刷质量检测系统的硬件结构。结果对结构相同而训练次数、学习率不同的卷积神经网络进行了缺陷检测的性能对比,验证了该卷积神经网络在学习率小于0.01时,可以获得较好的识别效果;在学习率大于0.05时,网络不容易收敛。网络训练次数越多,精度越高,相应的训练时间也较长。在满足快速性和精确度的条件下,确定了适应某印刷品的缺陷检验网络训练次数为50,学习率为0.005,此时的识别率为90%。结论经过实验证明,该检测系统具有良好的缺陷识别能力,缺陷类型的分类准确率较高。该系统具有一定的实用价值。
论文目录
文章来源
类型: 期刊论文
作者: 王胜,吕林涛,杨宏才
关键词: 印刷品产品质量,印刷品缺陷检测,卷积神经网络,模式识别
来源: 包装工程 2019年11期
年度: 2019
分类: 工程科技Ⅱ辑,工程科技Ⅰ辑,信息科技
专业: 轻工业手工业,计算机软件及计算机应用,自动化技术
单位: 西京学院
基金: 国家自然科学基金(61273271),2016年度陕西省工业科技攻关项目(2016GY-141),2017年度西安市科技产学研项目(2017087CG,RC050(XJXY001)),西京学院校级科研基金(XJ160232)
分类号: TP183;TP391.41;TS807
DOI: 10.19554/j.cnki.1001-3563.2019.11.031
页码: 203-211
总页数: 9
文件大小: 3151K
下载量: 180