文献类型：期刊文章

作　　者：陈宏彩[1,2] 任亚恒[1,2] 郝存明[1,2] 程煜[1,2] 张效玮[3]

CHEN Hong-cai;REN Ya-heng;HAO Cun-ming;CHENG Yu;ZHANG Xiao-wei(Hebei Academy of Sciences Institute of Applied Mathematics,Shijiazhuang 050081,China;Hebei Authentication Technology Engineering Research Center,Shijiazhuang 050081,China;Shijiazhuang Municipal Development and Reform Commission,Shijiazhuang 050011,China)

机构地区：[1]河北省科学院应用数学研究所,石家庄050081 [2]河北省信息安全认证工程技术研究中心,石家庄050081 [3]石家庄市发展和改革委员会,石家庄050011

出　　处：《包装工程》

基　　金：河北省科技计划(2019034288)。

年　　份：2020

卷　　号：41

期　　号：7

起止页码：241-246

语　　种：中文

收录情况：BDHX、BDHX2017、CAS、CSA、CSA-PROQEUST、JST、RCCSE、核心刊

摘　　要：目的为了准确而快速地自动检测医药玻璃瓶的外观缺陷。方法基于YOLOv3算法,建立深度卷积神经网络学习检测模型,通过将神经网络结构浅层和深层特征向量连接并标准化,提取玻璃瓶多尺度特征信息。采用K-means聚类方式获得锚点框初始大小,提高模型对边界框预测的准确性;利用多尺度训练策略,增强模型对不同尺寸图像的鲁棒性。结果实验结果表明,提出的医药玻璃瓶缺陷检测方法能够准确检测识别玻璃瓶上的管端残损、气线、气泡、划伤、污渍和结石等缺陷种类。与主流的目标检测方法相比,提出的方法在处理速度和准确度上都有提高,缺陷目标检测精确率达到96.23%,召回率为93.82%,平均精度为89.35%。结论该方法已经在国内几家大型医药玻璃包装生产公司成功应用,显著提高了医药玻璃包装产品的质量和合格率,降低了人工成本。

关 键 词：医药玻璃瓶  缺陷检测  YOLOv3  卷积神经网络 多尺度特征

分 类 号：TS206]