机器学习在玻璃瓶印刷品质控制中的应用
计算机视觉与模式识别
2024-10-01 v1 机器学习
摘要
在玻璃瓶的工业制造过程中，针对印刷品的质量控制至关重要，因为众多因素可能对印刷过程产生负面影响。尽管玻璃瓶印刷品上存在反射或制造相关偏差，甚至微小的缺陷也必须被检测到。本文与中型工业合作伙伴合作，开发并评估了两种基于机器学习的印刷品质量控制方法，这些方法也可用于此具挑战性的场景。我们的第一种方法利用不同滤波器抑制反射（例如 Sobel 或 Canny），并使用图像质量指标进行图像比较（例如 MSE 或 SSIM），作为不同监督分类模型（例如 SVM 或 k-近邻）的特征，实现了84%的准确率。通过基于 ORB 算法对图像进行对齐，我们能够估计印刷品的旋转角度，这可能作为制造过程中异常的指示器。在我们的第二种方法中，我们对不同预训练 CNN 模型（例如 ResNet 或 VGG）进行微调，用于二分类，实现了87%的准确率。利用 Grad-Cam 对我们微调的 ResNet-34 进行分析，我们能够局部化和可视化频繁出现缺陷的玻璃瓶印刷区域。该方法使我们能够提供可用于优化实际制造过程的见解。本文还描述了我们的总体方法以及在实际操作中遇到的挑战，包括生产期间的数据收集、无监督预筛选和标注。
引用
@article{arxiv.2409.20132,
title = {Machine Learning in Industrial Quality Control of Glass Bottle Prints},
author = {Maximilian Bundscherer and Thomas H. Schmitt and Tobias Bocklet},
journal= {arXiv preprint arXiv:2409.20132},
year = {2024}
}
备注
VISAPP 2024 Conference