全自动缺陷检测中的产品重识别系统

本文中，我们介绍一种方法并给出一个改进神经网络来执行产品重识别，这是全自动产品缺陷检测系统的核心必备功能。我们的方法基于特征距离，是特征提取神经网络（如 VGG16、AlexNet）与图像搜索引擎 Vearch 的结合。用于开发产品重识别系统的数据集是一个水瓶数据集，包含 18 类水瓶的 400 张图像。这是一个小数据集，也是我们工作的最大挑战。然而，神经网络与 Vearch 的结合显示出解决产品重识别问题的潜力。特别是，我们的新神经网络 AlphaAlexNet（基于 AlexNet 改进的神经网络）可将产品识别准确率提高四个百分点。这表明，当引入并重新设计用于近乎相同产品图像特征提取的高效特征提取方法时，可实现理想的产品识别准确率。为解决由数据集规模小以及识别彼此差异极小的产品这一困难本质所带来的最大挑战，我们在未来工作中提出一个新路线图来应对近乎相同产品识别：引入或开发仅需极少图像即可自行训练的新算法。