[發明專利]一種外包裝缺陷檢測方法

在審

• 申請號: 202011410464.1
• 申請日: 2020-12-04
• 公開（公告）號: CN112508090A
• 公開（公告）日: 2021-03-16
• 發明（設計）人: 龔路
• 申請（專利權）人: 重慶大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/32;G06N3/04;G06N3/08
• 代理公司: 重慶雙馬智翔專利代理事務所(普通合伙) 50241
• 代理人: 顧曉玲

1.一種外包裝缺陷檢測方法，其特征在于，包括以下步驟：

S1，獲取外包裝圖片，作為數據集；

S2，對數據集進行數據預處理；

S3，通過聚類算法設置缺陷目標候選框尺寸；

S4，將預處理后的數據集輸入Cascade R-CNN模型中進行特征提取、缺陷識別及框選；

具體為：

S4-1、將預處理后的數據集輸入Cascade R-CNN模型中，對數據集進行感興趣區域提??；

S4-2、對感興趣區域特征圖尺寸進行歸一化處理；

S4-3、在Cascade R-CNN模型中采用預訓練好的帶可變形卷積v2的ResNet-50作為骨干網絡，進行卷積，提取特征，其公式為：

y表示卷積層的輸出，x表示輸入特征圖，p表示當前卷積的位置，K表示卷積核采樣點數，w_k表示采樣點權值，p_k表示原圖的卷積區域；

S4-4、框選出缺陷并標注缺陷類別。

2.根據權利要求1所述的外包裝缺陷檢測方法，其特征在于，所述步驟S2的具體步驟為：

S2-1，對數據集中的圖片按設定尺寸進行裁剪；

S2-2，采用過采樣方式對裁剪后的數據集進行數據擴充；

S2-3，選擇M張背景類圖片和訓練集中的M張含缺陷目標的圖片，將背景類圖片和含缺陷目標的圖片的像素相加后除以2，用處理后的圖片替換之前的M張背景類圖片并確定含缺陷目標的圖片中缺陷目標候選框的位置，對缺陷樣本進行擴充；

和/或，采用相似度匹配算法，將缺陷樣本拼接于背景圖片中，對缺陷樣本進行擴充；

S2-4，對所有圖片的色度、銳度、亮度進行等比例圖片色彩調整。

3.根據權利要求1所述的外包裝缺陷檢測方法，其特征在于，所述步驟S3的具體步驟為：

S3-1，隨機選擇一個樣本作為初始的聚類中心；

S3-2，計算每個樣本與當前所有聚類中心的最短距離D(X)，根據D(X)值的大小用輪盤法選出下一個聚類中心；

S3-3，重復S3-2，直到選出N組聚類中心，每組聚類中心中有α個簇，A≤α≤B,N、α、A和B均為正整數；

S3-4，分別對每組聚類中心進行試探性實驗，在每次算出所有簇的聚類中心后，統計出每個簇中的圖片數量，選數據分布最均勻的簇中心作為候選框的寬高比。

4.根據權利要求1所述的外包裝缺陷檢測方法，其特征在于，所述步驟S4-3中需對樣本進行采樣，采樣時采用如下兩種之一方法：

采用OHEM算法進行采樣：

在OHEM算法尋找K個難分樣本時，先從正樣本中找出N個難分樣本；如果正樣本不夠N則正樣本全部采用，再從負樣本中找出K-N個樣本；

采用IoU對難分負樣本進行均勻采樣：

把難分負樣本在IoU進行均勻采樣，其公式如下：

N為總采樣數，K為劃分的IoU區間個數，M_k為在每個區間上的感興趣區域個數。

5.根據權利要求1所述的外包裝缺陷檢測方法，其特征在于，所述步驟S4-3中特征提取采用如下步驟：

FPN提取特征：采用FPN特征提取方法；

縮放:將通過FPN提取的特征縮放到處于中間分辨率所在的特征層的尺寸；

合并：把所有縮放后的特征進行加權求平均，得到平衡語義特征；

精煉：使用non-local模塊進行精煉，按照非局部均值的定義，其公式為：

其中x表示輸入，y表示輸出，i，j表示輸入的空間位置坐標，f表示計算任意兩點相似度的函數；g表示一個映射函數，將一個點映射成一個特征；C(x)是歸一化系數；

增強：使用精煉后的平衡語義特征縮放到原FPN中特征的尺寸，增強最初的各層特征。

6.根據權利要求1所述的外包裝缺陷檢測方法，其特征在于，所述步驟S4-1中對數據集進行感興趣區域提取時，引入交叉熵公式：α和γ為常數,y是真實值，p是預測出的值。