[發(fā)明專利]一種基于深度學(xué)習(xí)的煙包缺支檢測方法

在審

• 申請?zhí)枺?/td>: 202111381821.0
• 申請日: 2021-11-22
• 公開（公告）號: CN114092741A
• 公開（公告）日: 2022-02-25
• 發(fā)明（設(shè)計）人: 劉敏;張義偉;徐洋;金懷國;龔燦
• 申請（專利權(quán)）人: 中國電子科技集團(tuán)公司第四十一研究所
• 主分類號: G06V10/764
• 分類號: G06V10/764;G06V10/82;G06K9/62;G06N3/04;G06N5/04;H04L67/02;H04L67/06
• 代理公司: 青島智地領(lǐng)創(chuàng)專利代理有限公司 37252
• 代理人: 肖峰

1.一種基于深度學(xué)習(xí)的煙包缺支檢測方法，其特征在于，通過煙包缺支檢測系統(tǒng)完成煙包缺支狀態(tài)的在線智能識別與分類；

所述煙包缺支檢測系統(tǒng)包括圖像采集組件、上位機(jī)軟件、Web服務(wù)器；

所述煙包缺支檢測方法具體包括如下步驟：

S1.通過圖像采集組件采集樣本煙包濾嘴側(cè)圖像，并傳輸給上位機(jī)軟件；

S2.采用圖像處理技術(shù)，對取得的煙包濾嘴側(cè)圖像進(jìn)行數(shù)據(jù)增強(qiáng)，擴(kuò)充樣本數(shù)據(jù)；

S3.根據(jù)樣本數(shù)據(jù)，基于Keras框架和DenseNet輕量級卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練濾嘴側(cè)分類模型，生成深度學(xué)習(xí)濾嘴缺支缺陷檢測模型文件；

S4.上位機(jī)軟件加載深度學(xué)習(xí)濾嘴缺支缺陷檢測模型文件和預(yù)設(shè)的缺陷等級類別文件，對圖像采集組件采集的待檢測煙包濾嘴側(cè)圖片，實時判別煙包缺支缺陷是否存在及缺陷等級；

S5.同步發(fā)布RESTful接口，Web服務(wù)器通過調(diào)用深度學(xué)習(xí)濾嘴缺支缺陷檢測模型，對通過HTTP協(xié)議傳入的煙包濾嘴側(cè)圖片，以JSON數(shù)據(jù)格式給出煙包缺支缺陷是否存在及缺陷等級。

2.根據(jù)權(quán)利要求1所述基于深度學(xué)習(xí)的煙包缺支檢測方法，其特征在于，所述步驟S1中，采集的樣本煙包濾嘴側(cè)圖像中煙包有缺陷、無缺陷各占50％。

3.根據(jù)權(quán)利要求1所述基于深度學(xué)習(xí)的煙包缺支檢測方法，其特征在于，所述步驟S2中，采用系列隨機(jī)變換的方式對煙包濾嘴圖片進(jìn)行數(shù)據(jù)增強(qiáng)；采用的隨機(jī)變換處理包括水平平移、垂直平移、透視變換、縮放、通道轉(zhuǎn)換、隨機(jī)水平翻轉(zhuǎn)。

4.根據(jù)權(quán)利要求1所述基于深度學(xué)習(xí)的煙包缺支檢測方法，其特征在于，所述步驟S3中，模型構(gòu)建的具體過程為：在創(chuàng)建網(wǎng)絡(luò)之后，加載預(yù)訓(xùn)練權(quán)重，然后將卷積輸出壓平，添加全連接層、Dropout正則化和分類層，最后設(shè)定凍結(jié)層和訓(xùn)練層，采用Adam優(yōu)化器對模型進(jìn)行編譯，隨后開展訓(xùn)練，不斷調(diào)整凍結(jié)網(wǎng)絡(luò)層數(shù)、學(xué)習(xí)率、衰減率參數(shù)。

5.根據(jù)權(quán)利要求1所述基于深度學(xué)習(xí)的煙包缺支檢測方法，其特征在于，所述步驟S4完成的是深度學(xué)習(xí)濾嘴缺支缺陷檢測模型的本地在線檢測，具體內(nèi)容為：首先進(jìn)行模型格式的轉(zhuǎn)換，由Keras生成的hdf5模型需要轉(zhuǎn)換為上位機(jī)軟件程序支持的pb模型；接著在上位機(jī)軟件程序里引入必要的深度學(xué)習(xí)動態(tài)鏈接庫，讀入缺陷類別文件，加載轉(zhuǎn)換后的pb模型文件，將輸入圖像信息轉(zhuǎn)換為輸入張量，最后設(shè)置模型輸入，執(zhí)行網(wǎng)絡(luò)推理，實時判別煙包缺支缺陷是否存在及缺陷等級。

6.根據(jù)權(quán)利要求1所述基于深度學(xué)習(xí)的煙包缺支檢測方法，其特征在于，所述步驟S5完成的是將深度學(xué)習(xí)濾嘴缺支缺陷檢測模型發(fā)布RESTful接口服務(wù)，具體內(nèi)容為：系統(tǒng)Web服務(wù)器讀入缺陷類別文件和訓(xùn)練完成的深度學(xué)習(xí)濾嘴缺支缺陷檢測模型文件，對通過HTTP協(xié)議傳入的煙包濾嘴側(cè)圖片后進(jìn)行缺支判決，實現(xiàn)用戶傳入圖片，Web服務(wù)器端執(zhí)行網(wǎng)絡(luò)推理，以JSON數(shù)據(jù)格式給出煙包缺支缺陷是否存在及缺陷等級結(jié)果。

7.根據(jù)權(quán)利要求1所述基于深度學(xué)習(xí)的煙包缺支檢測方法，其特征在于，所述RESTful接口接入的前端語言包括android，ios，html5，所述Web服務(wù)器只負(fù)責(zé)處理數(shù)據(jù)。

8.根據(jù)權(quán)利要求1所述基于深度學(xué)習(xí)的煙包缺支檢測方法，其特征在于，所述圖像采集組件包括LED照明燈、光學(xué)平面鏡、光學(xué)鏡頭；光學(xué)鏡頭位于光學(xué)平面鏡斜上側(cè)，LED照明燈提供光源給煙包打光，光學(xué)鏡頭采集光學(xué)平面鏡反射后的煙包濾嘴側(cè)圖像信息。