基于深度学习的化妆品塑料瓶缺陷检测

提出一种基于深度卷积神经网络的化妆品塑料瓶表面缺陷检测算法。采用百万像素级别的工业相机采集大量的塑料瓶图像样本,并通过HSV(hue,saturation,value)颜色空间变换和Otsu阈值分割等方法对图像进行预处理。采用随机图像变换法对数据集进行增强,并对图像进行标准归一化处理。在卷积神经网络模型中应用深度可分离卷积和Dropout技术以减少参数量,从而避免过度拟合。使用训练样本集训练该模型,并在测试集中将结果与几种经典图像识别算法进行比较分析,结果显示,本文算法的识别准确率高达约0.97。由此表明本文算法的效果优于其他经典算法,有望将其应用于化妆品塑料瓶缺陷检测的工业自动化系统,以提升缺陷识别效果,从而提高生产效率。     

化妆品的毒副作用与安全性评价

目前化妆品尤其是进口化妆口存在的主要问题：一是使用违禁添加剂；二是重金属或有害物质超标；三是细菌总数超标；四是化妆品感官指标达不到规定要求。本文介绍了化妆品的毒副作用及安全性评价问题。     

化妆品中铅、镉测定方法的改进

铅、镉在化妆品生产中是禁用物质。化妆品中铅、镉的测定方法很多,双硫腙分光光度法、原子吸收法、极谱法等。本文采用电位溶出法对化妆品中铅、镉同时测定,取得满意结果。该法具有操作简便、快速、灵敏度高、准确度好等优点,适合大批样品分析。１实验部分１．１主要仪...