基于PSO-CNN算法的包装缺陷预测方法

摘要

针对包装生产中常见的印刷缺陷进行多种神经网络下预测策略对比分析并进行对比，为同类的包装缺陷预测提供精确可靠的控制方案。以实际的某烟盒包装生产中的缺陷为例，根据不同包装缺陷决策统计工艺进行输入，而后进行池化后实现多层连接最终得到神经网络，而后通过引入粒子群寻优算法分别构造PSO-BP和PSO-CNN,并与常规BP神经网络和CNN神经网络进行效率对比。在控制方案建立的基础上对统一包装缺陷输入特征加以确定，并与正常包装特征进行对照，最终对整个该类包装的各阶段进行计算并实现整个过程的良性评价。通过构建四种全面的预测网络方案，得到包装缺陷预测的多样本对照结果。通过结果可知PSO-CNN相较其他三种网络具有更强的预测精准度，其预测效率可达到95.8%,其预测时间为18.2 s。通过使用合适的粒子群寻优预测网络方案有效地优化了原有神经网络模型，为后续实际应用于相关生产过程中提供科学的理论支持并为后续研究奠定基础。

关键词

神经网络 / 粒子群卷积算法 / 预测 / 包装缺陷 / 寻优 / 缺陷评价

基金资助

南京机电职业技术学院科技项目资助(HX-202315)