[發明專利]一種基于深度學習圖像語義分割的藥片表面缺陷檢測方法及其自動化處理裝置

在審

• 申請號: 202110437743.5
• 申請日: 2021-04-22
• 公開（公告）號: CN113129288A
• 公開（公告）日: 2021-07-16
• 發明（設計）人: 陳鵬;張漢;張德祥;章軍;王兵
• 申請（專利權）人: 安徽大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06N3/08;G06N3/04;G06T7/136;G06K9/34;B65G37/00
• 代理公司: 合肥四閱專利代理事務所(普通合伙) 34182
• 代理人: 李蘇

本發明涉及工業缺陷檢測技術領域，具體是一種基于深度學習圖像語義分割的藥片表面缺陷檢測方法及其自動化處理裝置，所述第一輸送機的一側設置有圖像采集模塊、且第一輸送機的出料端與圖像采集模塊之間通過第二滑板相連。本發明采用圖像語義分割技術對藥片表面缺陷檢測進行檢測，能通過預訓練好的深度學習模型分割出污點、缺損缺陷區域并隨之統計缺陷區域像素個數，依據設定的閾值實現藥片的準確分類，自動處理裝置能夠將待檢藥片傳輸至檢測區域，經相機拍攝圖像后根據實時檢測模塊的分類結果對藥片進行分類處理，該裝置能夠實現藥片的多角度、實時、自動化檢測，提高了工作效率，降低了成本。

技術領域

本發明涉及工業缺陷檢測技術領域，具體是一種基于深度學習圖像語義分割的藥片表面缺陷檢測方法及其自動化處理裝置。

背景技術

藥片在生產過程中常伴有表面缺損和污點情況，不僅影響出廠質量，對病人服用的藥量和安全也會產生消極影響。因此，生產后對其進行缺陷檢測尤為必要。目前，工廠流水線常用兩種檢測方法。一種是人工檢測法，人工挑選由于受工人注意力和主觀判斷等因素很容易出現漏檢、誤檢等現象；此外，藥片檢測是種高度重復性工作，人工檢測法也會造成成本高、效率低等缺點。另一種是基于模式識別的傳統機器視覺方法，機器視覺技術通過提取藥片的形狀、顏色等特征判斷藥片是否合格。與人工檢測法相比，機器視覺檢測不受工人自身因素影響，在檢測精度上有一定的提升，并且能夠實現自動化生產，但機器視覺檢測方法需要根據藥片的缺陷類型設計不同的算法，因而檢測過程復雜，并且此方法因很難對藥片進行全面檢測而出現漏檢現象。

隨著深度學習的快速發展，基于卷積神經網絡的檢測技術在缺陷檢測領域受到了廣泛關注。本文提出了一種基于圖像語義分割的藥片表面缺陷檢測方法及其自動化處理裝置實現藥片的實時、全方位且高精度檢測。

發明內容

本發明的目的在于提供一種基于深度學習圖像語義分割的藥片表面缺陷檢測方法及其自動化處理裝置，以解決上述背景技術中提出的問題。

為實現上述目的，本發明提供如下技術方案：一種基于深度學習圖像語義分割的藥片自動化處理裝置，包括第一輸送機，所述第一輸送機的一側設置有圖像采集模塊、且第一輸送機的出料端與圖像采集模塊之間通過第二滑板相連，所述圖像采集模塊的另一側設置有第二輸送機，且圖像采集模塊的出料端通過第一滑板與第二輸送機的起始端相連，所述圖像采集模塊與控制系統電性相連，所述第二輸送機的一端設置有自動包裝機，且第二輸送機的前側設置有回收處理箱，所述第二輸送機的后側對應回收處理箱的位置處安裝有導向機構；

所述圖像采集模塊包括與地面相固定的安裝板，所述安裝板的前側固定有兩端分別連接第一滑板和第二滑板的支撐板，且安裝板的前側位于支撐板的上下兩側處錯序分布有兩個擋光板，所述安裝板的前側對應兩個所述擋光板的位置處均安裝有相機，所述相機的檢測端安裝有光源，所述支撐板的上下側對應擋光板的位置處均安裝有光電開關。

作為本發明更進一步的方案：所述導向機構包括安裝于第二輸送機一側的伺服電機，所述伺服電機的傳動端固定有導向板，所述導向板的下表面與第二輸送機的上表面貼合。

作為本發明更進一步的方案：所述第二滑板與第一滑板和水平角度均呈30°夾角。

作為本發明更進一步的方案：所述控制系統包括缺陷分割模塊和閾值分類模塊，所述缺陷分割模塊利用語義分割技術對相機拍攝的藥片圖像進行像素分類，其包含主干網絡模塊、局部注意力模塊、全局注意力模塊以及數據相關上采樣模塊，所述閾值分類模塊是對缺陷分割模塊分割的缺陷區域進行像素統計，根據設定的閾值進行分類，像素個數大于設定的閾值時視為有缺陷產品，反之則認為是合格產品。

作為本發明更進一步的方案：所述主干網絡模塊以修改的ResNet-50作為主干網絡，為了保留更多的細節信息同時減少計算量，只使用殘差網絡的前三個分塊，并將第三個分塊的步長設置為1；