[發明專利]包裝異物檢測方法及系統、計算機可讀存儲介質及終端

在審

• 申請號: 202310052220.8
• 申請日: 2023-02-02
• 公開（公告）號: CN116310708A
• 公開（公告）日: 2023-06-23
• 發明（設計）人: 王盼;劉縱橫;鄒龍川;黃波;劉益江;張勇;劉中
• 申請（專利權）人: 成都新西旺自動化科技有限公司
• 主分類號: G06V10/82
• 分類號: G06V10/82;G06V10/20;G06V10/774;G06V10/764;G06V20/70
• 代理公司: 成都拓荒者知識產權代理有限公司 51254
• 代理人: 楊爭華

本發明屬于目標檢測技術領域，具體涉及一種包裝異物檢測方法及系統、計算機可讀存儲介質及終端。一種包裝異物檢測方法，其特征在于，包括，S1：獲取YOLO算法中yolov5s算法模型作為目標算法模型；S2：獲取訓練數據集與驗證數據集，通過標注軟件將圖像中的包裝異物真實類別和邊界框進行標注，生成目標格式文件；S3：將目標格式文件存入相關的訓練集文件和驗證集文件中并設置目標算法模型中的訓練參數；本發明通過人工搭建內外部仿真環境進行異物提取，有效降低了包裝結構、光照環境對異物特征的干擾，通過交叉驗證、分類歸集、總體訓練減少包裝異物類別和不規則包裝異物的誤判。

技術領域

本發明屬于目標檢測技術領域，涉及包裝異物檢測技術，具體涉及一種包裝異物檢測方法及系統、計算機可讀存儲介質及終端。

背景技術

目標檢測是識別出圖像或者視頻中感興趣的目標并預測出目標位置信息或者類別信息，在視頻監控和缺陷檢測等工業場景中應用十分普遍。特別是包裝異物檢測中，由于每張圖像中物體的數量、尺寸大小及姿態各不相同，并且物體時常會有遮擋截斷，使得目標檢測技術具有極大的挑戰性，而且包裝異物極大的影響產品的質量與公司的品牌，為此準確的包裝異物檢測是非常重要的。特別是對于是食品類包裝異物的檢測尤為重要，如果食品包裝內部出現異物而沒有被檢測出來，一方面影響食品的質量，另一方面影響客戶的體驗感，更有甚者使食品公司面臨不必要的司法案件，如果食品包裝外部的異物沒有被檢測出也會很大程度導致該廠商或食品公司失去消費者信任的風險。因此，對食品公司的產品準確的進行包裝異物檢測是非常有必要的。

目前檢測不同復雜程度的包裝異物的機器視覺目標檢測技術還處于空白階段：一是由于產品包裝異物類別多、體積小，需要高精度工業相機成像檢測；二是使用高精度工業相機成像(如像素5012*5012)會造成現有經典目標檢測算法在流水線上檢測頻率不適配于流水線物料傳動速度，用現有主流深度學習目標檢測算法(VGG、FPN框架)在工業應用場景中主控機較高性能配置(GPU3060TI)的條件下，在推理速度上仍無法跟上流水線的傳動速度。

在光照復雜的應用環境下，產品采用透明真空包裝在成像中會出現極其混沌的明暗結構，明暗結構對目標檢測經典算法中閾值分割、高斯濾波器等過程會產生嚴重干擾導致其失效；對目標檢測深度學習算法中黑色、白色異物的訓練學習效果也產生了嚴重的負面影響。

對于透明真空包裝中異物體積小、種類多且不規則的復雜情況：現有的目標檢測經典算法難以解決此類情況；現有的目標檢測算法中DETR算法對于小目標檢測效果不佳并需要海量數據集作為訓練支撐；YOLO系列算法在目標檢測中效果較好，但其基于Anchor-based的先驗框機制即使經過精心設計和標注，由于錨框的比例和縱橫比保持固定，檢測器難以處理具有較大形狀變化的候選目標，特別是難以檢測小且不規則的目標，所以YOLO系列算法對于不規則異物(如：頭發絲)在圖像標注和測試中容易對其他異物和包裝部分產生誤判，從而降低檢測效果；anchor-free機制類型算法(如：Center-Net算法)雖然在測試中先驗框更加貼合規則包裝異物，但并沒有很好的解決因不規則異物誤判導致檢測效果降低的問題。

由于產品不良率較低，流水線上即時獲取得到的產品包裝異物圖像的數據較少，僅通過對已獲取的圖像進行技術性處理(平移、翻轉等數據增強方式)增加待測圖數量并不能增加訓練價值，特別是對于提高復雜環境下的包裝上多類小目標異物的檢測準確率幫助極小。

發明內容

為解決上述現有技術問題，本發明提供一種包裝異物檢測方法及系統、計算機可讀存儲介質及終端。

為了實現上述目的，本發明采用的技術方案是：

提供一種包裝異物檢測方法，其特征在于，包括，

S1：獲取YOLO算法中yolov5s算法模型作為目標算法模型；

S2：獲取訓練數據集與驗證數據集，通過標注軟件將圖像中的包裝異物真實類別和邊界框進行標注，生成目標格式文件；