【技術實現步驟摘要】
本專利技術涉及人工智能、計算機視覺、圖像識別以及印刷等，尤其涉及一種基于unet模型的印刷肥油缺陷的檢測方法與電子設備殼體。
技術介紹
1、在電子設備殼體的印刷生產工藝中，一般包括印刷網板準備，油墨印刷，靜置，烘烤以及覆膜等工序。在準備好印刷網板后，將配置好的油墨通過印刷網板印刷到基材的底色層（例如，基材的綠膜面），通過靜置、烘烤，再通過磨砂膜覆蓋油墨印刷層。在配置油墨通過印刷網板印刷到基材的底色層的工序中，需要檢測基材的油墨印刷層的圖案是否存在肥油缺陷?，F有技術中，為檢測基材的油墨印刷層圖案的肥油缺陷，主要通過目視檢測技術進行檢測。目視檢測的檢測結果容易受到操作人員經驗、視力以及環境光線變化的影響，檢測精度低，檢測效率低。
2、綜上所述，現有電子設備殼體的印刷生產工藝中，基材的油墨印刷層圖案的肥油缺陷的檢測技術存在檢測精度低，檢測效率低等技術問題。
技術實現思路
1、針對上述現有技術存在的不足，本專利技術提供一種基于unet模型的印刷肥油缺陷的檢測方法與電子設備殼體，以提升基材的油墨印刷層圖案的肥油缺陷的檢測精度和效率。
2、第一方面，本專利技術提供一種基于unet模型的印刷肥油缺陷的檢測方法，包括：
3、通過含有肥油缺陷的印刷圖案的圖像訓練unet模型，以得到能夠識別不同肥油缺陷的實用unet模型，所述肥油缺陷包括邊界模糊缺陷和厚度不均缺陷，所述邊界模糊缺陷表征印刷圖案的油墨擴散到預定圖案外的區域，導致圖案邊緣模糊，所述厚度不均缺陷表征印刷圖
4、印刷生產電子設備殼體時，通過漫反射光源相機系統對靜置、烘烤后的當前電子設備殼體基材的油墨印刷層進行成像，以得到當前電子設備殼體基材的油墨印刷層圖像；
5、將當前電子設備殼體基材的油墨印刷層圖像輸入所述實用unet模型，通過所述實用unet模型對當前電子設備殼體基材的油墨印刷層的印刷圖案的肥油缺陷進行識別；
6、在所述實用unet模型識別到當前電子設備殼體基材的油墨印刷層存在印刷圖案的肥油缺陷時，將存在肥油缺陷的當前電子設備殼體基材輸送至次品回收區。
7、第二方面，本專利技術提供一種電子設備殼體，所述電子設備殼體在印刷工藝中使用上述基于unet模型的印刷肥油缺陷的檢測方法進行檢測。
8、本專利技術與現有技術相比，其有益效果如下：
9、本專利技術提供一種基于unet模型的印刷肥油缺陷的檢測方法與電子設備殼體，通過利用含有肥油缺陷的印刷圖案的圖像訓練unet模型，以得到能夠識別不同肥油缺陷的實用unet模型，印刷生產電子設備殼體時，通過漫反射光源相機系統對靜置、烘烤后的當前電子設備殼體基材的油墨印刷層進行成像，以得到當前電子設備殼體基材的油墨印刷層圖像，將當前電子設備殼體基材的油墨印刷層圖像輸入所述實用unet模型，通過所述實用unet模型對當前電子設備殼體基材的油墨印刷層的印刷圖案的肥油缺陷進行識別，在所述實用unet模型識別到當前電子設備殼體基材的油墨印刷層存在印刷圖案的肥油缺陷時，將存在肥油缺陷的當前電子設備殼體基材輸送至次品回收區，從而實現檢測基材的油墨印刷層圖案的肥油缺陷時，提高檢測精度和檢測效率。
本文檔來自技高網...【技術保護點】
1.一種基于UNet模型的印刷肥油缺陷的檢測方法，其特征在于，包括：
2.如權利要求1所述的基于UNet模型的印刷肥油缺陷的檢測方法，其特征在于，通過含有肥油缺陷的印刷圖案的圖像訓練UNet模型時，包括：收集包含邊界模糊缺陷和厚度不均缺陷的印刷圖案的圖像樣本，并對所述圖像樣本進行標注，以標出存在缺陷的區域和缺陷的類型，得到訓練數據的真實標簽；將所述圖像樣本輸入到所述UNet模型中對所述UNet模型進行訓練，并通過比較所述UNet模型預測的輸出與所述真實標簽之間的差異，計算損失函數并優化所述UNet模型，以得到所述實用UNet模型。
3.如權利要求2所述的基于UNet模型的印刷肥油缺陷的檢測方法，其特征在于，所述損失函數采用交叉熵損失或Dice系數損失。
4.如權利要求2所述的基于UNet模型的印刷肥油缺陷的檢測方法，其特征在于，對所述圖像樣本進行標注時，包括：對所述圖像樣本進行去噪，以去除所述圖像樣本中圖像的隨機噪聲，得到隨機噪聲去除后的圖像樣本；對隨機噪聲去除后的所述圖像樣本進行對比度增強，以突顯所述邊界模糊缺陷和所述厚度不均缺陷，得到缺陷突
5.如權利要求4所述的基于UNet模型的印刷肥油缺陷的檢測方法，其特征在于，對所述圖像樣本進行去噪時，采用高斯濾波算法、中值濾波算法或均值濾波算法對所述圖像樣本進行去噪。
6.如權利要求4所述的基于UNet模型的印刷肥油缺陷的檢測方法，其特征在于，對隨機噪聲去除后的所述圖像樣本進行對比度增強時，采用直方圖均衡化算法或自適應直方圖均衡化算法，增強隨機噪聲去除后的所述圖像樣本的對比度。
7.如權利要求4所述的基于UNet模型的印刷肥油缺陷的檢測方法，其特征在于，在得到缺陷突顯的圖像樣本后，對所述缺陷突顯的圖像樣本中圖像的缺陷邊緣進行識別，以得到具備初步輪廓的潛在缺陷區域；對所述潛在缺陷區域進行擴展，自動標記出邊界模糊的缺陷區域和厚度不均的缺陷區域，并根據所述潛在缺陷區域的區域形態、邊緣特征和厚度變化，自動標記出邊界模糊的缺陷類型和厚度不均的缺陷類型。
8.如權利要求7所述的基于UNet模型的印刷肥油缺陷的檢測方法，其特征在于，對所述缺陷突顯的圖像樣本中圖像的缺陷邊緣進行識別時，采用邊緣檢測算法對所述缺陷突顯的圖像樣本中圖像的缺陷邊緣進行識別；對所述潛在缺陷區域進行擴展時，利用區域生長算法對所述潛在缺陷區域進行擴展。
9.如權利要求7所述的基于UNet模型的印刷肥油缺陷的檢測方法，其特征在于，將自動標記出的所述邊界模糊的缺陷區域和所述厚度不均的缺陷區域與實際缺陷區域進行對比，以修正自動標記出的所述邊界模糊的缺陷區域和所述厚度不均的缺陷區域，將自動標記出的所述邊界模糊的缺陷類型和所述厚度不均的缺陷類型與實際缺陷類型進行對比，以修正自動標記出的所述邊界模糊的缺陷類型和所述厚度不均的缺陷類型，得到訓練數據的所述真實標簽。
10.一種電子設備殼體，其特征在于，所述電子設備殼體在印刷工藝中使用如權利要求1-9任一項所述的基于UNet模型的印刷肥油缺陷的檢測方法進行檢測。
...【技術特征摘要】
1.一種基于unet模型的印刷肥油缺陷的檢測方法，其特征在于，包括：
2.如權利要求1所述的基于unet模型的印刷肥油缺陷的檢測方法，其特征在于，通過含有肥油缺陷的印刷圖案的圖像訓練unet模型時，包括：收集包含邊界模糊缺陷和厚度不均缺陷的印刷圖案的圖像樣本，并對所述圖像樣本進行標注，以標出存在缺陷的區域和缺陷的類型，得到訓練數據的真實標簽；將所述圖像樣本輸入到所述unet模型中對所述unet模型進行訓練，并通過比較所述unet模型預測的輸出與所述真實標簽之間的差異，計算損失函數并優化所述unet模型，以得到所述實用unet模型。
3.如權利要求2所述的基于unet模型的印刷肥油缺陷的檢測方法，其特征在于，所述損失函數采用交叉熵損失或dice系數損失。
4.如權利要求2所述的基于unet模型的印刷肥油缺陷的檢測方法，其特征在于，對所述圖像樣本進行標注時，包括：對所述圖像樣本進行去噪，以去除所述圖像樣本中圖像的隨機噪聲，得到隨機噪聲去除后的圖像樣本；對隨機噪聲去除后的所述圖像樣本進行對比度增強，以突顯所述邊界模糊缺陷和所述厚度不均缺陷，得到缺陷突顯的圖像樣本。
5.如權利要求4所述的基于unet模型的印刷肥油缺陷的檢測方法，其特征在于，對所述圖像樣本進行去噪時，采用高斯濾波算法、中值濾波算法或均值濾波算法對所述圖像樣本進行去噪。
6.如權利要求4所述的基于unet模型的印刷肥油缺陷的檢測方法，其特征在于，對隨機噪聲去除后的所述圖像樣本進行對比度增強時，采...
【專利技術屬性】
技術研發人員：胡世春，汪建軍，陳昌潤，李慧林，黃亮欽，關王批，
申請(專利權)人：深圳市精品誠電子科技有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。