基于深度残差网络的小样本杯沿缺陷检测

目的:为解决软包装产品在出厂检测时速度慢、效率低、误检率高、标准不统一等问题。方法:通过数据预处理和迁移学习,使用ResNet50网络模型框架,对软包装杯沿缺陷检测进行了实验和分析。首先对小样本数据集进行预处理,其次采用迁移学习的方法,将特征提取能力较强的参数引入本地模型,再针对杯沿数据集重新训练提高模型分类精度。结果:在小规模软包装杯沿图像集上神经网络模型准确率可达97.69%。结论:由此可见,该实验设计对解决食品软包装杯沿缺陷分类问题有效。