刘李漫，汪梦婷，劳喜鑫，吴兴宇(中南民族大学 生物医学工程学院，武汉 430074)

文档打印的过程中可能遇到褶皱、破洞、漏墨、打印内容倾斜、打印内容偏移、打印文字不清晰等问题.对于文档的缺陷检测通常采取基于图像处理的方法.然而在工业生产中，对打印文档的数量需求多，质量要求高，基于图像处理的方法受环境因素干扰较大，误差大.深度学习在国内外工业生产的缺陷检测中应用非常广泛，如文献[1-3]中描述的布匹表面缺陷检测、金属表面缺陷检测、裂纹表面缺陷检测.本文提出了一个新的基于深度学习的打印文档缺陷检测算法,通过先检测纸张全局的缺陷问题后检测局部细节的缺陷问题来判断该纸张是否合格.该算法受到实验环境的影响较小，检测的效率和精度更高.

1 打印文档缺陷检测整体框架

提出的文档缺陷检测算法主要由三个部分组成：打印文档纸张缺陷检测、打印文本倾斜和偏移检测、打印文字清晰度校验.打印文档缺陷检测的具体流程如图1所示.人工确认一张正确的样本作为参照样本，将待测样本和参照样本进行边缘提取和透视矫正，再将待测样本送入分类网络，分出漏墨类、褶皱类、破损类、合格类，再将合格类纸张进行打印文本倾斜和偏移检测，合格的纸张则进行字符分割，将分割后的单个字符和参照样本分割后对应的字符进行字符图像特征一致性检测，最终得到质量合格的打印文档.

图……