[發(fā)明專利]一種基于深度卷積生成式對抗網(wǎng)絡(luò)的印刷品缺陷識別方法

在審

• 申請?zhí)枺?/td>: 202010425317.5
• 申請日: 2020-05-19
• 公開（公告）號: CN111612759A
• 公開（公告）日: 2020-09-01
• 發(fā)明（設(shè)計(jì)）人: 陳超庭
• 申請（專利權(quán)）人: 佛山科學(xué)技術(shù)學(xué)院
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06K9/62;G06N3/04;G06N3/08;G01N21/88
• 代理公司: 北京八月瓜知識產(chǎn)權(quán)代理有限公司 11543
• 代理人: 李斌

本發(fā)明提供了一種基于深度卷積生成式對抗網(wǎng)絡(luò)的印刷品缺陷識別方法，包括：1，采集待識別印刷品圖片；2，構(gòu)建深度卷積生成式對抗網(wǎng)絡(luò)；3，將待識別印刷品圖片輸入至深度卷積生成式對抗網(wǎng)絡(luò)以生成印刷品圖片樣本；4，利用待識別印刷品圖片以及印刷品圖片樣本，生成訓(xùn)練樣本集；5，構(gòu)建卷積神經(jīng)網(wǎng)絡(luò)并利用訓(xùn)練樣本集訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)；6，利用卷積神經(jīng)網(wǎng)絡(luò)檢測印刷品缺陷。本發(fā)明通過構(gòu)建深度卷積生成式對抗網(wǎng)絡(luò)，利用卷積神經(jīng)網(wǎng)絡(luò)檢測印刷品缺陷，解決了現(xiàn)有的印刷品缺陷識別方法中深度學(xué)習(xí)訓(xùn)練樣本匱乏及因過少訓(xùn)練樣本而導(dǎo)致網(wǎng)絡(luò)過擬合和識別率下降以及傳統(tǒng)圖像處理算法速度慢、準(zhǔn)確率低、印刷品缺陷分類困難的問題。

技術(shù)領(lǐng)域

本發(fā)明涉及印刷品缺陷檢測技術(shù)領(lǐng)域，具體而言，涉及一種基于深度卷積生成式對抗網(wǎng)絡(luò)的印刷品缺陷識別方法。

背景技術(shù)

基于生活水平的提高以及對高質(zhì)量生活的追求，人們對印刷品的印刷效率以及印刷質(zhì)量有了更高的要求。由于技術(shù)精度以及人為或環(huán)境等因素的影響，印刷品在印刷過程中，可能會出現(xiàn)各種各樣的缺陷。這些缺陷主要有漏印、污點(diǎn)、套印不準(zhǔn)、刮擦、飛墨以及針孔等。為了嚴(yán)格把控印刷品的印刷質(zhì)量，需要對在印刷品的印刷過程進(jìn)行實(shí)時(shí)檢測。印刷品缺陷檢測方法也從傳統(tǒng)的人工檢測進(jìn)入到自動化檢測的快速發(fā)展中，因此提高印刷品在線檢測的效率以及正確率變得越來越重要。

傳統(tǒng)的印刷品缺陷自動化在線檢測采用的是基于機(jī)器視覺以及模式識別等技術(shù)的識別方法，所采用的技術(shù)本質(zhì)上仍然是傳統(tǒng)的圖像處理技術(shù)，其在印刷品在線檢測中存在效率低以及缺陷分類困難等問題。隨著計(jì)算機(jī)硬件容量以及運(yùn)行速度的提高，深度學(xué)習(xí)算法已經(jīng)能夠?qū)D像進(jìn)行實(shí)時(shí)處理，因此越來越多的深度學(xué)習(xí)算法被運(yùn)用在印刷品缺陷識別領(lǐng)域。深度學(xué)習(xí)方法通過構(gòu)建多層的神經(jīng)網(wǎng)絡(luò)模型來對輸入訓(xùn)練樣本進(jìn)行層層抽樣，自動提取圖像特征以用于樣本識別，大大提高了印刷品在線檢測的效率以及準(zhǔn)確性。但目前在印刷品缺陷識別中運(yùn)用的深度學(xué)習(xí)的方法中仍然出現(xiàn)一些不足之處，其一是深度學(xué)習(xí)需要大量的數(shù)據(jù)作為訓(xùn)練樣本，而在現(xiàn)實(shí)中我們很難去獲得大量有用的數(shù)據(jù)用來訓(xùn)練，其二是過少的訓(xùn)練樣本會導(dǎo)致網(wǎng)絡(luò)過擬合，造成識別率下降。

發(fā)明內(nèi)容

為了克服現(xiàn)有技術(shù)的不足，本發(fā)明提供了一種基于深度卷積生成式對抗網(wǎng)絡(luò)的印刷品缺陷識別方法，其具體技術(shù)方案如下：

一種基于深度卷積生成式對抗網(wǎng)絡(luò)的印刷品缺陷識別方法，其包括如下步驟：

步驟1，采集待識別印刷品圖片，將待識別印刷品圖片作為訓(xùn)練樣本；

步驟2，構(gòu)建深度卷積生成式對抗網(wǎng)絡(luò)；

步驟3，將待識別印刷品圖片輸入至深度卷積生成式對抗網(wǎng)絡(luò)以生成印刷品圖片樣本；

步驟4，利用待識別印刷品圖片以及生成的印刷品圖片樣本，生成訓(xùn)練樣本集；

步驟5，構(gòu)建卷積神經(jīng)網(wǎng)絡(luò)并利用訓(xùn)練樣本集訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)；

步驟6，利用訓(xùn)練后的卷積神經(jīng)網(wǎng)絡(luò)檢測印刷品缺陷。

可選的，在步驟1中，所述待識別印刷品圖片通過CCD工業(yè)相機(jī)采集并包含無缺陷圖片以及漏印、污點(diǎn)、套印不準(zhǔn)、刮擦、飛墨、針孔六種缺陷類別圖片。

可選的，在步驟2中，構(gòu)建深度卷積生成式對抗網(wǎng)絡(luò)的具體方法包括：

步驟2a，構(gòu)建均含有五層結(jié)構(gòu)的卷積神經(jīng)網(wǎng)絡(luò)的生成器以及判別器；

步驟2b，使用3*3卷積核對圖片進(jìn)行卷積或轉(zhuǎn)置卷積操作，并選取卷積步長為2訓(xùn)練生成器以及判別器；

步驟2c，利用訓(xùn)練后的生成器以及判別器構(gòu)建深度卷積生成式對抗網(wǎng)絡(luò)。

可選的，在步驟3中，待識別印刷品圖片輸入至深度卷積生成式對抗網(wǎng)絡(luò)以生成印刷品圖片樣本前經(jīng)過像素歸一化處理。