摘要
本发明提供一种自动检查和纠错的喷码方法,通过采用历史喷码图像集和历史传感器数据集对初始卷积神经网络深度学习模型进行模型训练,生成目标图像识别模型。通过目标图像识别模型采用空间注意力机制对实时喷码图像进行异常识别,生成图像识别数据。基于实时传感器数据集进行喷头工作状态识别,生成喷头工作数据。采用预设动态阈值模型对图像识别数据和喷头工作数据进行异常喷码识别并进行异常纠错,生成喷码纠错数据。利用历史数据集训练模型,结合空间注意力机制、实时喷码图像和实时传感器数据进行异常识别。通过预设动态阈值模型考虑了喷码环境因素和数据的动态变化,根据不同的喷码场景自动调整阈值,减少误检漏检,有效提升喷码质量与效率。