基于语义分割的纸质包装产品表面缺陷检测

针对工业生产中纸质包装产品表面缺陷检测主要依赖人工，效率低下且检测精度无法保证等实际问题，采用一种基于深度学习中语义分割任务的表面缺陷检测方法。以包装纸盒表面缺陷图像数据为例，根据分割任务需求，从结构上改进Unet算法，并基于OpenMMLab开源计算机视觉算法体系中mmsegmentation语义分割工具箱模块，配置DeepLabV3+、Unet、改进Unet三种图像分割算法环境，分别训练迭代相同次数，对比分析分割检测结果以及对验证集图像的预测效果，可以证实改进Unet算法分割性能得到提升，能更好地检测出纸质包装产品表面的深度划痕缺陷；而DeepLabV3+算法性能相对最优，能更好地检测出纸质包装产品表面的破损缺陷，这对于实现纸质包装产品表面缺陷的自动检测具有一定意义。