H公司物流包装纸箱外观智能检测系统设计与实现.pdfVIP

摘 要 摘 要 随着社会经济的快速发展，现代物流业也随之发展到前所未有的水平，包装作为 物品流通过程中的重要保障之一，被更加广泛的关注。纸箱作为包装的一种，因其高 性价比被广泛应用至各行各业。H 公司是一家有名的电子产品生产厂家，到货物品采 用纸箱包装。现H 公司决定引进机器视觉实现自动入库，此过程需要识别纸箱外标 签等重要信息，需确保纸箱外观整洁无破损、无严重变形。由于到货箱数多，多数单 箱价值较高，入库前必须进行外观检测；考虑到人工检验速度慢，易引起视觉疲劳， H H 影响入库效率。针对 公司以上问题，本文通过设计并实现了 公司物流包装纸箱 外观智能检测系统，降低了劳动强度，减少人工投入，提高了入库效率。 1 通过分析本文中物流纸箱外观检测汇总难点如下： 、本系统属于多面检测，尤 其底面检测较难实现，纸箱底面与传送带紧密接触，传送带不透明无法透视；2、纸 3 箱外观缺陷中破损较小，难以检测到； 、纸箱在传送带上方向不规正，可能与传送 带方向垂直、平行或者成一定角度的倾斜。针对以上难点，本文设计并实现了H 公 1 司物流包装纸箱外观智能检测系统，主要包括以下研究内容： 、基于图像纠偏处理 的物流包装纸箱外观缺陷自动检测。通过工业摄相机捕捉纸箱外观图像，经过纠偏处 理输入YOLOv4 网络模型进行特征提取；基于k-means++聚类先验框多尺度预测；基 于边界回归实现物流纸箱外观三种缺陷的位置预测和类别预估。2、针对本文算法的 核心功能模块进行对比实验，本文算法在加入图像纠偏处理、先验框估计两个模块后， 提高了破损这种小尺寸缺陷的检测准确率，证实了其有效性。 本文系统可以实现纸箱外观的智能检测、检测结果存储与查询，并对检测数据进 行分析，为管理提供一定的参考。本文对核心功能进行测试，对于破损缺陷的检测平 均精度达到95.43%，变形缺陷的平均精度达到98.85%，脏污缺陷的平均精度达到 99.57% 97.95% 27 H ，平均精度均值 ，每秒检测帧数达到 ，满足了 公司识别准确率不 低于95%的要求。 关键词：物流包装；外观检测；机器视觉；YOLOv4 i H 公司物流包装纸箱外观智能检测系统设计与实现 目 录 第1章 绪论1 1.1 选题背景及意义1 1.2 研究现状2 1.2.1表面缺陷检测技术研究现状分析2 1.2.2 图像识别技术应用研究现状分析3 1.2.3研究综述7 1.3 研究内容7 1.4 研究技术路线7 1.5 研究创新点8 第2 章 相关技术基础研究10 2.1 基于机器视觉缺陷检测10 2.1.1机器视觉缺陷检测定义10 2.1.2机器视觉缺陷检测系统11 2.2 图像的数字化知识11 2.3 卷积神经网络研究12 2.3.1卷积神经网络结构14 2.3.2 卷积神经网络训练17 2.4 图像纠偏算法研究19 2.4.1边缘检测19 2.4.2Hough 变换21 2.5 本章小结24 3