林 峰,张师嘉,傅 莉

(沈阳航空航天大学 a.电子信息工程学院;b.自动化学院,沈阳 110136)

玻璃瓶在日常生活中的广泛应用推动了玻璃瓶生产需求,同时玻璃瓶质量的检测给生产厂家带来的困扰也随之而来,裂纹,气泡等缺陷容易导致玻璃瓶包装产品爆瓶,给玻璃瓶消费者带来的安全隐患也随之而来。最初,在玻璃瓶的质量检测上使用较多的是人工检测,大批量检测工作强度、疲劳作业、操作不当等因素导致肉眼检测准确性不稳定,并且在不同的光线背景下黑点、气泡等这类小目标缺陷,通过肉眼很难辨识出来,导致检测结果不可靠,直接影响了生产质量。相比之下,实现玻璃瓶的自动化检测具有更多优势,而基于机器视觉的检测技术已广泛应用于交通[1]、医疗[2]、农业[3]、通信[4]、工业生产[5]等行业其在玻璃瓶质量检测中的应用日渐普及。

传统的玻璃瓶缺陷检测算法主要有3个步骤构成[6]：(1)选出候选检测区域；(2)提取待测目标特征；(3)设计分类器分类。传统的缺陷检测方法[7]需要基于人类的先验知识实现提取缺陷特征,然后再进行分类,可以达到一定程度的检测效果。但是面对缺陷的多样性,数据量剧增等情况仍有滑窗效率低下、特征不够鲁棒等不足之处存在，阻碍了在工业生产中的大规模应用[8]。

近几年,深度学习在目标检测领域的优势逐渐显现出来,然而深度学习并不是近几年才诞生的全新技术,早在2006年,Hinton[9]等人提出了深度学习这一概念,运用卷积神经网络从数据中学习特征。……