基于深度学习的纸盒模切压痕破损缺陷视觉检测方法

本发明属于质量检测技术领域，涉及基于深度学习的纸盒模切压痕破损缺陷视觉检测方法。获取模切压痕区域在预设光照条件下的灰度图像输入深度卷积网络提取至层级特征图，生成空间权重图，通过上采样将空间权重图调整至各层级特征图对应尺寸后逐元素相乘，得到增强后的各层级特征图，执行分辨率上采样获得融合特征图，对每个锚框覆盖的区域执行可变形池化操作，得到固定长度特征向量，并分别输入缺陷类别分类分支和位置回归分支，输出缺陷类别预测和位置偏移预测。本发明有效提升模切压痕破损、断裂及深度不足等缺陷的检测精度和定位准确性，同时降低复杂光照和材质差异带来的漏检与误报，显著增强工业现场纸盒质量检测的自动化水平和可靠性。