一种基于深度学习的导电油墨丝印精度控制方法

本发明公开了一种基于深度学习的导电油墨丝印精度控制方法，包括：实时获取丝印基板表面导电油墨的微观形貌图像数据；采用改进的竞争型模糊C均值聚类算法生成厚度增强图片；采用改进的自适应阈值函数生成边缘增强图片；通过非下采样Contourlet多尺度分解生成微裂纹增强图片；将各增强图片联合输入预训练的缺陷识别模型，提取多维度精度特征向量；通过参数预测模型动态生成协同调整参数集并迭代优化，得到优化参数集；根据优化参数集通过闭环反馈实时调节丝印设备执行机构，并同步更新缺陷识别模型的权重系数。本发明实现油墨微观形貌的实时多维度感知、提升图像处理的抗干扰能力、建立多参数协同预测模型以及增强微裂纹检测灵敏度。