一种基于深度学习的印刷品缺陷在线检测方法及系统

本发明涉及印刷品检测技术领域，具体涉及一种基于深度学习的印刷品缺陷在线检测方法及系统，包括通过图像采集设备获取印刷品原始图像，进行高斯核函数噪声抑制和灰度转换、采用多层卷积特征提取网络在不同空间尺度下提取印刷纹理特征、计算灰度梯度分布矩阵、应用形态学梯度算子进行边缘强化，提取闭合轮廓、采用连通域标记算法量化缺陷尺寸、计算缺陷区域灰度分布特征描述子、采用基于随机划分策略的异常检测模型进行异常分布检测、根据异常评分判定缺陷并确定识别置信度。本发明能够实现对印刷品表面缺陷的像素级精准识别，有效降低误检率和漏检率，适应不同产品和印刷条件的变化，满足在线质检的实时性要求。