基于改进深度学习的食品包装缺陷智能在线检测方法

一、引言

食品包装作为食品进入市场前的最 后一道防线，其质量与安全性直接关系到消费者的健康。在现代食品工业中，食品包装的完整性、美观度和密封性已成为企业竞争力的重要组成部分。然而，食品包装缺陷的存在（如微小破损、封口不牢、印刷偏移、褶皱等）可能导致微生物侵入，引发食品变质，不仅对消费者健康造成潜在风险，也会严重损害品牌形象。目前，国内外关于食品生产线外包装缺陷检测的研究主要集中在人工检测和机器视觉检测两种方法。人工检测方式效率低下且受检测人员疲劳程度、注意力波动和经验差异的影响，容易产生漏检和误检。传统机器视觉检测方法依赖人工设计的特征提取算子，对复杂纹理包装和微小尺寸缺陷的识别能力明显不足，而且检测速度与检测精度之间往往存在难以调和的矛盾，难以同时满足现代高速产线对实时性和准确性的双重需求。针对这些突出问题，本研究提出一种融合Swin Transformer强大特征提取与建模能力和改进YOLOv12快速检测能力的食品生产线外包装缺陷智能化检测方法，旨在为食品自动化生产线的智能化质检提供可靠技术支撑。

二、食品生产线外包装缺陷智能化检测系统

针对食品生产线高效、高精度的外包装缺陷检测需求，本研究构建了一套完整的智能化检测系统。该系统主要由图像采集模块、图像预处理模块、核心检测算法模块和结果输出与控制模块四部分组成。图像采集模块布置在生产线的关键检测工位，通过工业相机在可控光源条件下连续采集经过包装封口和贴标工序后的成品包装图像。由于食品生产环境中存在光线不均、振动干扰以及粉尘附着等不利因素，图像预处理模块采用“中值滤波+均值滤波”的组合方案，先利用中值滤波对脉冲噪声和孤立的亮暗点（如食品表面的粉尘反光）进行强抑制，再通过高斯核对图像进行平滑处理以消除像素值的随机波动，为后续特征提取提供高质量的输入数据。核心检测算法模块是整个系统的“大脑”，负责完成包装缺陷的自动识别与分类。检测结果通过输出模块实时显示在监控屏幕上，同时控制系统根据检测结论自动触发剔除装置，将不合格品从流水线上分离。

三、基于融合Swin Transformer和YOLOv12的缺陷检测方法

本研究的核心创新在于提出一种融合Swin Transformer特征提取与YOLOv12快速检测能力的端到端缺陷检测网络。食品生产线外包装缺陷（如微小褶皱、封口不牢、印刷偏移等）具有特征尺度小、分布零散、与背景纹理难以区分的典型特点，这对检测模型的细粒度特征提取能力和全局上下文理解能力提出了较高要求。

3.1 Swin Transformer特征提取模块
Swin Transformer是一种基于移位窗口自注意力机制的新型Transformer骨干网络，在计算机视觉领域展现出优于传统卷积神经网络（CNN）的特征表达能力。与CNN通过滑动卷积核逐层提取局部特征不同，Transformer的自注意力机制能够在全局范围内建立像素点之间的长程依赖关系，使模型在识别微小缺陷时能够充分理解缺陷区域与周围正常包装表面纹理之间的上下文关联。Swin Transformer通过引入分层式的窗口自注意力和跨窗口的移位操作，在显著降低计算复杂度的同时保持了全局感受野。本研究将Swin Transformer作为骨干网络，直接替换YOLOv12原有的特征提取部分，利用其对图像全局信息的建模能力和多尺度特征融合优势，精准捕捉包装表面的微小褶皱、印刷偏移等细微异常，同时保持对正常包装纹理的有效区分。

3.2 YOLOv12快速检测框架
YOLOv12是目标检测领域YOLO系列的最新一代模型，在检测精度和推理速度方面均有显著提升。其核心创新在于引入了以注意力为中心的架构设计和优化的特征金字塔网络，能够高效融合多尺度特征图中的语义信息和位置信息。本研究将YOLOv12的快速检测框架集成到检测流程中，在Swin Transformer提取的特征图上完成缺陷区域的定位与分类。通过在颈部网络和损失函数方面进行针对性优化，模型能够对皱包缺陷、未封边缺陷等典型包装问题进行快速精准识别，实现从特征提取到目标检测的一体化流程。

3.3 融合方案的协同优势
Swin Transformer与YOLOv12的融合充分发挥了两种网络架构的互补优势：Swin Transformer负责在高精度层面上提取包装图像中的深层语义特征，解决了复杂纹理背景下微小缺陷难以有效表征的问题；YOLOv12则利用其高效的定位与分类能力，在保持实时推理速度的前提下完成缺陷的快速检测，解决了精度与速度难以兼顾的核心矛盾。两种模型的协同配合，使得整体网络在特征表达的精细度和检测执行的效率两个维度上均达到最优平衡。

四、实验与结果分析

研究团队搭建了面向食品生产线的实验平台，采集了包含多种常见包装缺陷类型的图像数据集。实验数据涵盖了皱包缺陷、未封边缺陷、印刷偏移、标签歪斜等典型缺陷类别，同时包含了不同光照条件、不同包装材质和不同产品类型的样本图像，以模拟真实生产环境的多样性和复杂性。

实验结果表明，本研究提出的方法对常见缺陷类型的平均检测精度均值达到96.50%以上，较优化前的方法提升超过10.00个百分点。具体而言，该模型在皱包缺陷检测中的平均精度达到96.8%，未封边缺陷的检测精度达到97.2%，微小印刷偏移的检测精度达到95.4%。同时，该方法的单张图像检测耗时小于10ms，能够满足生产线每秒30帧以上的实时检测要求。这意味着在每分钟1800件产品的生产线速度下，系统仍能保证实时处理无积压。在不同食品品类、不同包装材质和不同光照条件的交叉验证中，该方法仍保持稳定的检测性能，鲁棒性显著优于传统机器视觉算法和单一YOLO模型。特别是在低照度、反光严重或包装表面纹理复杂等不利条件下，本方法因其Swin Transformer强大的全局特征建模能力，表现出远优于对比方法的抗干扰能力。

五、结论

通过融合Swin Transformer的特征提取优势与YOLOv12的快速检测能力，本研究成功解决了食品外包装缺陷检测中长期存在的精度与速度难以兼顾的核心技术难题。该方法为食品包装生产线提供了一种可靠、高效、可实时部署的智能化质检技术方案，对降低食品质量安全风险、保障消费者健康、提升食品企业生产线的自动化与智能化水平具有重要的理论意义和工程应用价值。