[發明專利]塑料泡沫餐盒的質量檢測方法、裝置、服務器及存儲介質

在審

• 申請號: 201811458882.0
• 申請日: 2018-11-30
• 公開（公告）號: CN109470708A
• 公開（公告）日: 2019-03-15
• 發明（設計）人: 文亞偉;冷家冰;劉明浩;徐玉林;郭江亮;李旭
• 申請（專利權）人: 北京百度網訊科技有限公司
• 主分類號: G01N21/88
• 分類號: G01N21/88
• 代理公司: 北京品源專利代理有限公司 11332
• 代理人: 孟金喆

1.一種塑料泡沫餐盒的質量檢測方法，其特征在于，所述方法包括：

獲取待檢測的塑料泡沫餐盒的圖像數據；

將所述待檢測的泡沫餐盒的圖像數據轉換為所述待檢測的塑料泡沫餐盒的質量檢測請求；

將所述質量檢測請求發送至部署有基于圖片分類的分類檢測模型的服務器；

接收所述服務器通過所述基于圖片分類的分類檢測模型輸出的所述質量檢測分類請求對應的質量檢測結果。

2.根據權利要求1所述的方法，其特征在于，所述將所述質量檢測請求發送至部署有基于圖片分類的分類檢測模型的服務器，包括：

在預先設置的服務器配置表中獲取部署有所述基于圖片分類的分類檢測模型的各個服務器的負載狀態；

根據部署有所述分類檢測模型的各個服務器的負載狀態，將所述質量檢測請求發送至部署有所述基于圖片分類的分類檢測模型的負載最小的服務器。

3.根據權利要求1所述的方法，其特征在于，所述方法還包括：

根據預先設置的質量檢測結果與缺陷處理操作的對應關系，做出所述質量檢測結果對應的缺陷處理操作；其中，所述缺陷處理操作包括：報警、停機、存儲日志或者控制機械臂。

4.一種塑料泡沫餐盒的質量檢測方法，其特征在于，所述方法包括：

接收待檢測的塑料泡沫餐盒的質量檢測請求；

通過預先訓練的基于圖片分類的分類檢測模型計算所述質量檢測請求對應的質量檢測結果。

5.根據權利要求4所述的方法，其特征在于，所述基于圖片分類的分類檢測模型包括：深度卷積神經網絡和缺陷定位分類網絡；其中，所述深度卷積神經網絡用于提取鋼板圖片的特征，并將所述特征輸入至所述缺陷定位分類網絡中；所述缺陷定位分類網絡用于基于圖片分類的分類檢測算法判斷深度卷積神經網絡所提取的特征是否存在缺陷，并獲得該缺陷的類別。

6.根據權利要求5所述的方法，其特征在于，所述深度卷積神經網絡包括：卷積層、池化層和全連接層；其中，所述卷積層，用于利用權值不同的卷積核對所述質量檢測請求中的所述待檢測的塑料泡沫餐盒的圖像進行掃描卷積，從中提取各種意義的特征，并輸出至特征圖中；所述池化層，用于對特征圖進行降維操作；所述全連接層，用于將提取出的特征映射到所述缺陷定位分類網絡中。

7.一種塑料泡沫餐盒的質量檢測裝置，其特征在于，所述裝置包括：圖像獲取模塊、圖像轉換模塊、請求發送模塊和結果接收模塊；其中，

所述圖像獲取模塊，用于獲取待檢測的塑料泡沫餐盒的圖像數據；

所述圖像轉換模塊，用于將所述待檢測的泡沫餐盒的圖像數據轉換為所述待檢測的塑料泡沫餐盒的質量檢測請求；

所述請求發送模塊，用于將所述質量檢測請求發送至部署有基于圖片分類的分類檢測模型的服務器；

所述結果接收模塊，用于接收所述服務器通過所述基于圖片分類的分類檢測模型輸出的所述質量檢測分類請求對應的質量檢測結果。

8.根據權利要求7所述的裝置，其特征在于：

所述請求發送模塊，具體用于在預先設置的服務器配置表中獲取部署有所述基于圖片分類的分類檢測模型的各個服務器的負載狀態；根據部署有所述分類檢測模型的各個服務器的負載狀態，將所述質量檢測請求發送至部署有所述基于圖片分類的分類檢測模型的負載最小的服務器。

9.根據權利要求7所述的裝置，其特征在于，所述裝置還包括：操作處理模塊，用于根據預先設置的質量檢測結果與缺陷處理操作的對應關系，做出所述質量檢測結果對應的缺陷處理操作；其中，所述缺陷處理操作包括：報警、停機、存儲日志或者控制機械臂。

10.一種塑料泡沫餐盒的質量檢測裝置，其特征在于，所述裝置包括：請求接收模塊和結果計算模塊；其中，

所述請求接收模塊，用于接收待檢測的塑料泡沫餐盒的質量檢測請求；

所述結果計算模塊，用于通過預先訓練的基于圖片分類的分類檢測模型計算所述質量檢測請求對應的質量檢測結果。