[發明專利]一種基于半錨式檢測器的目標檢測方法

在審

• 申請號: 202011381559.5
• 申請日: 2020-12-01
• 公開（公告）號: CN112418131A
• 公開（公告）日: 2021-02-26
• 發明（設計）人: 李俊宇;楊淑愛;黃坤山;謝克慶
• 申請（專利權）人: 佛山市南海區廣工大數控裝備協同創新研究院;佛山市廣工大數控裝備技術發展有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 廣州科沃園專利代理有限公司 44416
• 代理人: 馬盼

本發明公開了一種基于半錨式檢測器的目標檢測方法，獲取目標檢測圖像；將所述目標檢測圖像中的缺陷進行標注，將標注之后的目標檢測圖像進行可視化；根據不同缺陷的目標檢測圖像對應的數據量占比，將目標檢測圖像分為訓練圖像和測試圖像；搭建半錨式檢測器模型結構，輸入所述訓練圖像，利用梯度下降法和focal損失來訓練半錨式檢測器模型結構，反復學習后得到收斂后的半錨式檢測器模型；利用所述測試圖像對半錨式檢測器模型進行測試，若所述半錨式檢測器模型的準確率大于閾值，則輸出半錨式檢測器模型。本發明可以提高產線上酒瓶缺陷檢測的速度和準確率。

技術領域

本發明涉及深度學習計算機視覺領域，具體涉及一種基于半錨式檢測器的目標檢測方法。

背景技術

酒瓶制造廠家在酒瓶的生產過程中，可能會出現瓶身和瓶蓋上的缺陷，傳統的缺陷檢測主要有人工來完成酒瓶的質量檢測，由于產線上酒瓶的制造數量龐大，造成檢測的任務量巨大，并且易出現漏檢；隨著工業化程度的普及，生產上開始使用機器代替人工進行缺陷檢測，現有技術的缺陷檢測通常是在檢測裝置上設置閾值范圍，根據閾值范圍來確定檢測目標是否存在缺陷；這種檢測方法只能針對單一的缺陷種類進行設置，若需要同時檢測多種缺陷種類，則需要多臺檢測機器依次進行檢測，嚴重影響檢測效率。

隨著人工智能研究不斷取得新的成果，各行業都在不斷融合人工智能算法來提高生產和監管的智能化，其中計算機視覺的酒瓶缺陷檢測領域也越來越普及。采用計算機視覺算法，利用攝像頭拍攝酒瓶就能立即判斷酒瓶是否含有缺陷，解放人工，計算機視覺領域的應用中對檢測模型的準確率要求極高，因此對檢測模型的訓練過程要求也很嚴格，因此，如何選擇合適的檢測模型，如何對檢測模型進行高效率的訓練，以確保訓練之后檢測模型的準確性和效率成為計算機視覺領域急需解決的問題。

發明內容

針對現有技術的不足，本發明的目的旨在提供一種基于半錨式檢測器的目標檢測方法，提高了缺陷預測的速度和準確度。

為實現上述目的，本發明采用如下技術方案：一種基于半錨式檢測器的目標檢測方法，包括如下步驟：

S01：獲取目標檢測圖像；

S02：將所述目標檢測圖像中的缺陷進行標注，將標注之后的目標檢測圖像進行可視化，獲取不同缺陷的目標檢測圖像對應的數據量占比；

S03：根據不同缺陷的目標檢測圖像對應的數據量占比，將目標檢測圖像分為訓練圖像和測試圖像；所述訓練圖像和測試圖像均包含各個種類缺陷的目標檢測圖像；

S04：搭建半錨式檢測器模型結構，輸入所述訓練圖像，利用梯度下降法和focal損失來訓練半錨式檢測器模型結構，反復學習后得到收斂后的半錨式檢測器模型；其中，所述半錨式檢測器模型結構包括特征提取部分、分類分支和預測框回歸分支；所述特征提取部分的輸出端同時連接所述分類分支和預測框回歸分支的輸入端；

S05：利用所述測試圖像對半錨式檢測器模型進行測試，若所述半錨式檢測器模型的準確率大于閾值，則輸出半錨式檢測器模型；若半錨式檢測器模型的準確率小于等于閾值，則返回步驟S04重新對所述半錨式檢測器模型結構進行訓練。

進一步的，所述步驟S01中利用工業相機拍攝生產線上的酒瓶圖像作為目標檢測圖像。

進一步的，所述工業相機為兩個，分別拍攝瓶蓋圖像和瓶身圖像，所述瓶蓋圖像和瓶身圖像共同形成目標檢測圖像。

進一步的，所述步驟S02利用panda庫和matplotlib庫將標注之后的目標檢測圖像進行可視化。

進一步的，所述步驟S04具體包括：

S041：所述訓練圖像輸入至特征提取部分進行特征提取，獲得該訓練圖像的特征圖；