基于深度学习的平版印刷印版缺陷检测系统的设计与实现

卞国勇; 胥勇; 卞玉娟; 金祥; 刘晓军; 汪浩

doi:10.13960/j.issn.1672-2558.2025.01.012

南京工程学院学报（自然科学版） ›› 2025, Vol. 23 ›› Issue (1) : 77 -82. DOI: 10.13960/j.issn.1672-2558.2025.01.012

基于深度学习的平版印刷印版缺陷检测系统的设计与实现

卞国勇, 胥勇, 卞玉娟, 金祥, 刘晓军, 汪浩

作者信息 +

Author information +

文章历史 +

摘要

传统平版印刷印版缺陷检测方法依赖人工目检或阈值分割算法,存在效率低、漏检率高的问题.文章基于深度学习技术提出一种改进的YOLOv5模型,旨在实现高精度、实时化的平版印刷印版缺陷检测.通过构建包含划痕、污点及涂层脱落等典型缺陷的自定义数据集,结合Mosaic数据增强与迁移学习策略优化模型性能.试验表明,改进后YOLOv5模型测试集检测平均精度达94.2%,单幅图像检测耗时仅15 ms,显著优于传统方法.通过自适应锚框计算、CSPNet和SPP结构,模型有效降低了复杂背景的误检率.本研究为印刷行业智能化缺陷检测提供了技术方案参考,具有工程应用价值.