摘要
本发明提供了一种基于深度学习的纸杯表面微小瑕疵检测方法及系统,涉及计算机视觉技术领域,方法包括:获取待检测纸杯的表面图像;构建基于深度学习模型的纸杯表面微小瑕疵检测模型,其中,所述深度学习模型为改进YOLOv11模型;构建所述纸杯表面微小瑕疵检测模型的损失函数;以最小化所述损失函数的函数值为目标,对所述纸杯表面微小瑕疵检测模型进行优化;将所述表面图像输入至优化后的纸杯表面微小瑕疵检测模型进行检测,输出所述待检测纸杯的表面微小瑕疵检测结果。本发明对于一些微小的污渍、轻微的破损或不易察觉的杯口变形,也能够做到精准识别和定位,从而促进了产品质量的进一步提升。
技术关键词
瑕疵检测方法
纸杯
多尺度特征
特征提取模块
融合特征
检测头
深度学习模型
上采样
卷积模块
频域特征
分支
积层
空域特征
概率分布建模
瑕疵检测系统
时域特征
图像
计算机视觉技术
系统为您推荐了相关专利信息
障碍物识别方法
三维栅格地图
避障路径
贝叶斯模型
采集无人机
数据处理系统
特征提取模块
图像采集设备
图像采集模块
边缘检测
超声辅助诊断系统
语义特征
特征提取模块
扫描单元
图像采集模块
位置识别方法
距离图像
多模态特征融合
描述符
视觉特征
汽车零部件
裂纹纹理
图像处理
生成汽车
关键特征点