使用环境 |
在印刷生产车间内,环境光照稳定,无强烈反光或阴影干扰。相机与印刷品表面保持适当距离和角度进行拍摄,相机镜头距离印刷品表面约50cm,平行于印刷品表面拍摄。 |
使用对象 |
印刷品表面的各类缺陷(卫星墨滴、脏点、漏印、裂痕) |
使用目的 |
准确检测印刷品表面的各类缺陷,以便及时发现并处理,提高印刷品的质量,降低人工成本,提高生产质量管控水平。 |
输入数据 |
印刷品表面的图像帧,图像分辨率为640×640像素,以jpg格式存储。 |
输出数据 |
缺陷类型(墨滴、脏点、漏印、裂痕等)、缺陷位置坐标(以图像像素坐标表示)、缺陷数量。 |
硬件配置 |
CPU:Intel(R)Core(TM)i5-4590 CPU@3.30 GHz
GPU:NVIDIA GeForce RTX 2080 Ti
内存:16 GB DDR4,频率3200MHz
摄像头:工业级高分辨率相机,分辨率不低于2048×2048像素,用于拍摄印刷品表面的图像
硬盘:1TB SSD,读写速度快,用于存储大量的图像数据和模型文件
网卡:千兆以太网卡,用于数据传输和远程监控 |
样本获取 |
在实际印刷机作业过程中采集印刷品缺陷数据集,由4000张带有标注的印刷缺陷图片组成,包括卫星墨滴、脏点、漏印、破裂等4种印刷品常见缺陷。按9∶1∶1的比例将其划分为训练集(3600张)、验证集(400张)、测试集(400张)。 |
测试结果 |
改进YOLOv5l算法的平均精度均值(mAP)达到97.3%,检测速度为44.1frame/s。对测试集400个样本进行检测,平均精度(mAP)为97.3%,精确度为96.5%,检测速度(FPS)达到44.1帧。 |
执行速度 |
22.6ms/次 |
资源消耗 |
CPU:在4核CPU上,计算占比分别平均约50%、60%、70%、40% GPU:显存占用约6GB,显卡计算占比约80% 内存:使用占比约60% |
源码类型 |
本算法有Python版本源码,可提供授权使用。 |
文件大小 |
算法程序文件32K,权重文件32M |
相关备注 |
|