[發(fā)明專利]一種外包裝缺陷檢測(cè)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202011410464.1
• 申請(qǐng)日: 2020-12-04
• 公開（公告）號(hào): CN112508090A
• 公開（公告）日: 2021-03-16
• 發(fā)明（設(shè)計(jì)）人: 龔路
• 申請(qǐng)（專利權(quán)）人: 重慶大學(xué)
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62;G06K9/32;G06N3/04;G06N3/08
• 代理公司: 重慶雙馬智翔專利代理事務(wù)所(普通合伙) 50241
• 代理人: 顧曉玲

本發(fā)明提出了一種外包裝缺陷檢測(cè)方法:獲取外包裝圖片，作為數(shù)據(jù)集；對(duì)數(shù)據(jù)集進(jìn)行數(shù)據(jù)預(yù)處理；通過聚類算法設(shè)置缺陷目標(biāo)候選框尺寸；將預(yù)處理后的數(shù)據(jù)集輸入Cascade R?CNN模型中，對(duì)數(shù)據(jù)集進(jìn)行感興趣區(qū)域提取；對(duì)感興趣區(qū)域特征圖尺寸進(jìn)行歸一化處理；在Cascade R?CNN模型中采用預(yù)訓(xùn)練好的帶可變形卷積v2的ResNet?50作為骨干網(wǎng)絡(luò)，進(jìn)行卷積，提取特征；S4?4、框選出缺陷并標(biāo)注缺陷類別。該外包裝缺陷檢測(cè)方法計(jì)算過程簡(jiǎn)單，能快速對(duì)缺陷進(jìn)行定位以及識(shí)別，采用FPN特征提取方法，并將不同分辨率的特征合并，用合并的特征來增強(qiáng)FPN中的多級(jí)特征，使得識(shí)別更加準(zhǔn)確。

技術(shù)領(lǐng)域

本發(fā)明涉及計(jì)算機(jī)領(lǐng)域，具體涉及一種外包裝缺陷檢測(cè)方法。

背景技術(shù)

缺陷檢測(cè)在紡織品、玻璃制品、鋼材、道路交通、芯片等工業(yè)應(yīng)用領(lǐng)域有非常大的需求，傳統(tǒng)上一般使用人工和基于機(jī)器視覺的檢測(cè)方法。但人工檢測(cè)效率低、速度慢；而傳統(tǒng)的機(jī)器視覺檢測(cè)又需要依賴一些人為設(shè)計(jì)的特征，且魯棒性差。近年來，隨著計(jì)算機(jī)算力的提高以及深度神經(jīng)網(wǎng)絡(luò)的快速發(fā)展，使用深度學(xué)習(xí)方法，特別是使用目標(biāo)檢測(cè)方法進(jìn)行缺陷檢測(cè)逐漸成為研究熱點(diǎn)之一，而目前的檢測(cè)方法檢測(cè)準(zhǔn)確度仍然有待提高。

發(fā)明內(nèi)容

為了克服上述現(xiàn)有技術(shù)中存在的缺陷，本發(fā)明的目的是提供一種外包裝缺陷檢測(cè)方法。

為了實(shí)現(xiàn)本發(fā)明的上述目的，本發(fā)明提供了一種外包裝缺陷檢測(cè)方法，包括以下步驟：

S1，獲取外包裝圖片，作為數(shù)據(jù)集；

S2，對(duì)數(shù)據(jù)集進(jìn)行數(shù)據(jù)預(yù)處理；

S3，通過聚類算法設(shè)置缺陷目標(biāo)候選框尺寸；

S4，將預(yù)處理后的數(shù)據(jù)集輸入Cascade R-CNN模型中進(jìn)行特征提取、缺陷識(shí)別及框選；

具體為：

S4-1、將預(yù)處理后的數(shù)據(jù)集輸入Cascade R-CNN模型中，對(duì)數(shù)據(jù)集進(jìn)行感興趣區(qū)域提取；

S4-2、對(duì)感興趣區(qū)域特征圖尺寸進(jìn)行歸一化處理；

S4-3、在Cascade R-CNN模型中采用預(yù)訓(xùn)練好的帶可變形卷積v2的ResNet-50作為骨干網(wǎng)絡(luò)，進(jìn)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(dāng)前卷積的位置，K表示卷積核采樣點(diǎn)數(shù)，w_k表示采樣點(diǎn)權(quán)值，p_k表示原圖的卷積區(qū)域；

S4-4、框選出缺陷并標(biāo)注缺陷類別。

該外包裝缺陷檢測(cè)方法計(jì)算過程簡(jiǎn)單，能快速對(duì)缺陷進(jìn)行定位以及識(shí)別，采用FPN特征提取方法，并將不同分辨率的特征合并，用合并的特征來增強(qiáng)FPN中的多級(jí)特征，使得識(shí)別更加準(zhǔn)確。

該外包裝缺陷檢測(cè)方法的優(yōu)選方案：所述步驟S2的具體步驟為：

S2-1，對(duì)數(shù)據(jù)集中的圖片按設(shè)定尺寸進(jìn)行裁剪；

S2-2，采用過采樣方式對(duì)裁剪后的數(shù)據(jù)集進(jìn)行數(shù)據(jù)擴(kuò)充；

S2-3，選擇M張背景類圖片和訓(xùn)練集中的M張含缺陷目標(biāo)的圖片，將背景類圖片和含缺陷目標(biāo)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(biāo)的圖片中缺陷目標(biāo)候選框的位置，對(duì)缺陷樣本進(jìn)行擴(kuò)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(duì)缺陷樣本進(jìn)行擴(kuò)充；

S2-4，對(duì)所有圖片的色度、銳度、亮度進(jìn)行等比例圖片色彩調(diào)整。

這增加了缺陷樣本的數(shù)量，避免缺陷樣本被網(wǎng)絡(luò)傾向性預(yù)測(cè)為背景，同時(shí)對(duì)圖片色彩調(diào)整也提高了缺陷識(shí)別的準(zhǔn)確率。