基于局域特征相似性度量的卷烟制品外观缺陷检测

为解决深度学习技术在卷烟制品外观缺陷检测中存在人工标注繁琐、目标形态随机性大等问题,提出了一种基于局域特征相似性度量(Local Characteristic Similarity Metric,LCSM)的图像算法.LCSM算法只需要对正常样本进行训练,使用特定的卷积神经网络提取正常样本的特征并构建图像每个区域的数据特征分布,再提取测试图像局域特征向量并采用Wasserstein距离度量其特征分布与对应正常样本特征分布之间的相似性,从而判断测试图像是否存在缺陷.采集并制作了卷烟小盒、烟用胶囊和烟支3个数据集用于验证LCSM算法性能.结果表明:LCSM算法在3个数据集的缺陷检测准确率分别达到98.75％、99.50％和98.50％,与近期报道的Skip-GANomaly、STPM以及IGD算法相比,分别提高14、2和2百分点.该方法可为提高卷烟制品外观缺陷检测准确率提供技术支持.