| 使用环境 |
烟草包装印刷企业生产线，用于检测喷印可变彩色二维码的缺陷 |
| 使用对象 |
喷印可变彩色二维码的四种主要缺陷类型：飞墨缺陷、糊墨蹭脏缺陷、拉线缺陷、漏印缺陷。 |
| 使用目的 |
提高喷印可变彩色二维码缺陷检测的精度和效率，剔除不合格产品，反馈喷印工艺以减少生产损失。 |
| 输入数据 |
彩色二维码图像，通过小张品检机收集。 |
| 输出数据 |
缺陷类别（飞墨、糊墨蹭脏、拉线、漏印）及其位置。 |
| 硬件配置 |
操作系统：Windows 10
CPU：AMD Ryzen 7 5800H
内存：16GB
GPU：NVIDIA GeForce RTX 3050Ti
开发平台：PyCharm
深度学习框架：PyTorch 2.0.1
编程语言：Python 3.8.5
CUDA版本：11.7 |
| 样本获取 |
数据集来源：烟草包装印刷企业，通过小张品检机收集。 数据集规模：共2005张图像，分为训练集、验证集和测试集，比例为6:2:2。 数据增强：采用翻转、旋转、镜像、缩放等操作扩充训练集。 |
| 测试结果 |
准确率：96.80%
单张平均检测时间：15.59ms
与其他模型对比：在准确率和检测速度上优于ResNet34等经典模型。
在NEU-DET数据集上的表现：准确率达到98.86%，优于主流缺陷分类算法。 |
| 执行速度 |
单张图像平均检测时间为15.59ms。 |
| 资源消耗 |
CPU：在多核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23KB，权重文件320MB |
| 相关备注 |
|
