[發明專利]一種基于深度學習的煙支外觀缺陷檢測方法

有效

• 申請號: 202010018188.8
• 申請日: 2020-01-08
• 公開（公告）號: CN111260609B
• 公開（公告）日: 2023-04-18
• 發明（設計）人: 王巖松;方志斌;和江鎮;楊清鑒;石海軍
• 申請（專利權）人: 征圖新視（江蘇）科技股份有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06N3/0464;G06N3/084
• 代理公司: 常州品益專利代理事務所(普通合伙) 32401
• 代理人: 喬楠

本發明涉及一種基于深度學習的煙支外觀缺陷檢測方法，包括如下步驟：S通過相機組件采集煙支的正面圖像和反面圖像；將采集到的圖像進行直方圖均衡化處理；對處理后的圖像進行中值濾波處理；將處理后的圖像按比例裁剪，建立基于圖像金字塔的灰度模板，根據圖像位置和方向進行校正圖像位置；將校正后的上圖像和下圖像合并成為一張圖像；將處理后的圖像裁剪為三個圖像；分別在煙嘴段圖像、LOGO段圖像和煙身段圖像的背景區域生成掩模，并分別將無掩模區域作為感興趣區域1?3；利用感興趣區域樣本集建立模型數據集：通過模型數據集建立并優化深度學習算法模型，利用深度學習模型對煙支圖像進行缺陷檢測。本發明使用的深度學習模型能對缺陷準確分類，可為生產商提供信息排除機械故障和改進生產方案。

技術領域

本發明涉及煙支檢測，尤其是一種基于深度學習的煙支外觀缺陷檢測方法。

背景技術

1.現有基于機器視覺技術的煙支外觀在線檢測系統均使用面陣CCD相機，采集的煙支端面圖像為二維平面信息，無法實現端面空腔深度(三維信息)缺陷檢測的問題，且現有檢測系統只能實現圓周面或者端面的缺陷檢測，存在功能單一的缺點。

2.現有的基于機器視覺技術的煙支外觀在線檢測系統對于飛沫的排除方法只能減少飛沫干擾，并不能識別出飛沫并排除干擾。現有的排除飛沫干擾的方法是在光學模組安裝拍攝角度不同的兩個相機，采集煙支同一個圓周面的兩幅圖像，對比兩幅圖像缺陷位置來排除飛沫干擾。但當飛沫處于兩個相機視場重疊位置時，飛沫會同時出現在兩個圖像上從而引起誤判。

3.現有基于機器視覺技術的煙支外觀在線檢測系統使用圖像對比算法檢測缺陷存在不足，由于每根煙支處于滾輪的角度位置不同，采集圖像帶有logo或花紋等圖案的位置也會變化，使用比對算法檢測帶有圖案的煙支容易引起誤判，所以現有的比對算法不能實現帶有圖案煙支區域的缺陷檢測。

發明內容

本發明為了解決上市技術問題是：提供一種基于深度學習的煙支外觀缺陷檢測方法。

本發明解決其技術問題所采用的技術方案是：一種基于深度學習的煙支外觀缺陷檢測方法，包括如下步驟：

S1：通過相對設置在卷煙機兩側的相機組件采集經過該段相機時，煙支的正面圖像和反面圖像，正面圖像或反面圖像由兩個側面圖像組成，兩個側面圖像的交集包含煙支180°圓周面區域；正面圖像和反面圖像的交集包含煙支360°圓周面區域；

S2：將S1中采集到的圖像進行直方圖均衡化處理；

S3：對S2處理后的圖像進行中值濾波處理；

S4：將S3處理后的圖像按高度1：1的比例裁剪為上圖像和下圖像，分別對兩個圖像進行S5和S6處理；

S5：建立基于圖像金字塔的灰度模板，利用基于灰度模板的模板匹配獲取煙支圖像的位置和方向；

S6：根據S5的圖像位置和方向進行仿射變換，校正圖像位置；

S7：將校正后的上圖像和下圖像合并成為一張圖像；

S8：按照無文字煙嘴區域、有文字煙嘴區域和煙身區域將S7處理后的圖像裁剪為三個圖像，分別為煙嘴段圖像、LOGO段圖像和煙身段圖像；

S9：分別在煙嘴段圖像、LOGO段圖像和煙身段圖像的背景區域生成掩模，煙嘴段圖像無掩模區域作為感興趣區域1，LOGO段圖像無掩模區域作為感興趣區域2，煙身段圖像無掩模區域作為感興趣區域3；

S10：利用感興趣區域樣本集建立模型數據集，感興趣區域樣本集分為訓練集與預測集，由訓練集與預測集共同組成模型數據集；其中感興趣區域1的樣本集包含無缺陷圖像、飛沫干擾無缺陷圖像、破損缺陷圖像、污漬缺陷圖像；其中感興趣區域2的樣本集包含無缺陷圖像、飛沫干擾無缺陷圖像、破損缺陷圖像、污漬缺陷圖像；其中感興趣區域3的樣本集包含無缺陷圖像、飛沫干擾無缺陷圖像、破損缺陷圖像、污漬缺陷圖像、夾沫缺陷圖像；