纸箱封箱底部专版识别方法及系统

本申请提供了纸箱封箱底部专版识别方法及系统，采集待检纸箱封箱底部图像，基于待检纸箱封箱底部图像提取第一感兴趣区域图像和第二感兴趣区域图像，将第一感兴趣区域图像和第二感兴趣区域图像输入训练完成的双分支卷积神经网络中进行特征提取，输出待检融合特征向量，计算待检融合特征向量与专版特征库中各中心特征向量的距离，基于距离从专版特征库中得到专版类别名称，有效解决了单幅图像分类中整体特征掩盖局部差异的问题，使模型能精准聚焦于关键区分信息，同时对拍摄角度、印刷偏差、光照变化和污损具有更强的鲁棒性和泛化能力，整个流程无需人工目检，可稳定支持高速产线作业，大幅降低漏判与误判率，从而提高了专版识别的精确度。