纸杯缺陷检测方法及装置制造方法及图纸

本发明专利技术提供一种纸杯缺陷检测方法及装置，属于产品检测领域，该方法包括：获取待检测的纸杯图像；将纸杯图像输入训练后的检测模型，输出纸杯的缺陷检测结果；其中，检测模型为YOLO v5网络模型，在Backbone部分的最后一层C3模块后加入CBAM模块，在Neck部分利用加权双向特征金字塔网络进行特征融合，以及在输出层加上第四尺度的检测层构建，并根据标有缺陷标签的纸杯图像训练样本训练后得到；其中，所述第四尺度检测层的尺度大于原有的其他三个检测层的尺度。该方法改善了在复杂环境下缺陷特征的表达能力，加强了特征的融合能力，对于纸杯缺陷这种小目标的检测结果更准确，有效避免出现漏检和错检的现象。出现漏检和错检的现象。出现漏检和错检的现象。

【技术实现步骤摘要】
纸杯缺陷检测方法及装置


[0001]本专利技术涉及产品检测领域，尤其涉及一种纸杯缺陷检测方法及装置。

技术介绍

[0002]纸杯作为餐饮用容器具有数十年历史，近年来，纸杯也开始在食品包装上被大量使用。由于纸杯有清洁卫生、生产工艺相对简单、样式灵活多变的特点，并且纸杯本身较容易在自然环境下降解，属于绿色包装，因此受到广大生产厂商和消费者的青睐。纸杯作为产品，在生产制造过程中同样需要进行缺陷检测。
[0003]目前，纸杯缺陷检测任务当前主要依靠人工筛选和基于图像处理技术的检测方法完成。其中，人工筛选存在漏检、效率低、主观随意性大等缺点，已无法满足现代生产需求。基于图像处理技术的检测方法在提取特征过程中需要进行灰度化、二值化等一系列预处理操作，过程繁琐。同时，此类检测方法受其检测原理的影响，对检测环境的光照条件要求较高，鲁棒性差，容易对小尺寸和特征不明显的纸杯缺陷出现漏检和错检现象，难以满足实际生产需求。

技术实现思路

[0004]针对现有技术存在的问题，本专利技术提供一种纸杯缺陷检测方法及装置。
[0005]本专利技术提供一种纸杯缺陷检测方法，包括：获取待检测的纸杯图像；将所述纸杯图像输入训练后的检测模型，输出纸杯的缺陷检测结果；其中，所述检测模型为YOLO v5网络模型，在Backbone部分的最后一层C3模块后加入CBAM注意力机制模块，在Neck部分利用加权双向特征金字塔网络进行特征融合，以及在输出层加上第四尺度的检测层构建，并根据标有缺陷标签的纸杯图像训练样本训练后得到；其中，所述第四尺度检测层的尺度大于原有的其他三个检测层的尺度。
[0006]根据本专利技术提供的一种纸杯缺陷检测方法，所述将所述纸杯图像输入训练后的检测模型之前，还包括：获取多种缺陷类型的不合格纸杯图像，并构建数据集；对所述数据集进行数据增强操作，并将所述数据集中的纸杯图像加入对应的缺陷结果的标签，得到训练样本；利用所述训练样本对构建的YOLO v5网络模型进行训练，得到所述训练后的检测模型；其中，所述数据增强操作包括旋转、裁剪和亮度增强。
[0007]根据本专利技术提供的一种纸杯缺陷检测方法，所述检测模型Backbone部分的最后一层为SPPF模块，并在最后一层C3模块与SPPF模块之间加入CBAM注意力机制模块。
[0008]根据本专利技术提供的一种纸杯缺陷检测方法，所述将所述纸杯图像输入训练后的检测模型，包括：
[0009]将待检测的纸杯图像输入Backbone部分，按照输入方向的起始顺序，依次得到第一C3模块、第二C3模块、第三C3模块以及SPPF模块处理后的第一特征、第二特征、第三特征和第四特征；根据第三特征和第四特征进行张量拼接，并将结果输入第五C3模块得到第五特征；根据第五特征和第二特征进行张量拼接，并将结果输入第六C3模块得到第六特征；根
据第六特征和第一特征进行张量拼接，将结果输入第七C3模块得到第七特征，并根据第七特征确定第四尺度的输出；根据第六特征和第七特征进行张量拼接，将结果输入第八C3模块得到第八特征，并根据第八特征确定第三尺度的输出；根据第三特征、第五特征特以及第八特征，基于加权双向特征金字塔网络进行特征融合，将结果输入第九C3模块得到第九特征，并根据第九特征确定第二尺度的输出；根据第九特征和第四特征进行张量拼接，将结果输入第十C3模块得到第十特征，并根据第十特征确定第一尺度的输出；其中，第一尺度到第四尺度依次从小到大排列。
[0010]根据本专利技术提供的一种纸杯缺陷检测方法，所述将所述纸杯图像输入训练后的检测模型，包括：将第三尺度的输出层前的特征进行上采样，并与第四尺度的输出层前的特征进行特征融合，根据融合后的特征，确定第四尺度的输出结果。
[0011]本专利技术还提供一种纸杯缺陷检测装置，包括：采集模块，用于获取待检测的纸杯图像；处理模块，用于将所述纸杯图像输入训练后的检测模型，输出纸杯的缺陷检测结果；
[0012]其中，所述检测模型为YOLO v5网络模型，在Backbone部分的最后一层C3模块后加入CBAM注意力机制模块，在Neck部分利用加权双向特征金字塔网络进行特征融合，以及在输出层加上第四尺度的检测层构建，并根据标有缺陷标签的纸杯图像训练样本训练后得到；其中，所述第四尺度检测层的尺度大于原有的其他三个检测层的尺度。
[0013]根据本专利技术提供的一种纸杯缺陷检测装置，所述处理模块具体用于：
[0014]将待检测的纸杯图像输入Backbone部分，按照输入方向的起始顺序，依次得到第一C3模块、第二C3模块、第三C3模块以及SPPF模块处理后的第一特征、第二特征、第三特征和第四特征；根据第三特征和第四特征进行张量拼接，并将结果输入第五C3模块得到第五特征；根据第五特征和第二特征进行张量拼接，并将结果输入第六C3模块得到第六特征；根据第六特征和第一特征进行张量拼接，将结果输入第七C3模块得到第七特征，并根据第七特征确定第四尺度的输出；根据第六特征和第七特征进行张量拼接，将结果输入第八C3模块得到第八特征，并根据第八特征确定第三尺度的输出；根据第三特征、第五特征特以及第八特征，基于加权双向特征金字塔网络进行特征融合，将结果输入第九C3模块得到第九特征，并根据第九特征确定第二尺度的输出；根据第九特征和第四特征进行张量拼接，将结果输入第十C3模块得到第十特征，并根据第十特征确定第一尺度的输出；其中，第一尺度到第四尺度依次从小到大排列。
[0015]本专利技术还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述纸杯缺陷检测方法。
[0016]本专利技术还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述纸杯缺陷检测方法。
[0017]本专利技术还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述纸杯缺陷检测方法。
[0018]本专利技术提供的纸杯缺陷检测方法及装置，加入了CBAM注意力机制模块，提高了模型的特征提取能力，并且是在最后一层C3模块后加入的，与CBAM注意力机制的常规应用不同，本专利技术通过最后一层C3模块后的CBAM模块的输出结果，会依次与Backbone部分的其他网络层的特征处理进行张量拼接等操作，从而使得中间特征均显著提高了特征提取能力，
改善了在复杂环境下缺陷特征的表达能力。再结合Neck部分的加权双向特征金字塔网络的融合，加强了特征的融合能力，从而使得提取的中间特征能够更显著的反应检测目标的特征属性，对于纸杯缺陷这种小目标的检测结果更准确。并且，在此基础上，结合上述具有较高特征提取能力的中间特征以及融合后特征，在输出层增加了大于原有其他三个检测层的第四尺度的检测层，进一步缓减了由于细节特征信息随模型深度的加深大幅度丢失，造成在检测时出现漏检和错检的现象，提高了模型对细小和特征不明显缺陷的检测能力，进而提高了纸杯缺陷的检测准确率。
附图说明
[001本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种纸杯缺陷检测方法，其特征在于，包括：获取待检测的纸杯图像；将所述纸杯图像输入训练后的检测模型，输出纸杯的缺陷检测结果；其中，所述检测模型为YOLO v5网络模型，在Backbone部分的最后一层C3模块后加入CBAM注意力机制模块，在Neck部分利用加权双向特征金字塔网络进行特征融合，以及在输出层加上第四尺度的检测层构建，并根据标有缺陷标签的纸杯图像训练样本训练后得到；其中，所述第四尺度检测层的尺度大于原有的其他三个检测层的尺度。2.根据权利要求1所述的纸杯缺陷检测方法，其特征在于，所述将所述纸杯图像输入训练后的检测模型之前，还包括：获取多种缺陷类型的不合格纸杯图像，并构建数据集；对所述数据集进行数据增强操作，并将所述数据集中的纸杯图像加入对应的缺陷结果的标签，得到训练样本；利用所述训练样本对构建的YOLO v5网络模型进行训练，得到所述训练后的检测模型；其中，所述数据增强操作包括旋转、裁剪和亮度增强。3.根据权利要求2所述的纸杯缺陷检测方法，其特征在于，所述检测模型Backbone部分的最后一层为SPPF模块，并在最后一层C3模块与SPPF模块之间加入CBAM注意力机制模块。4.根据权利要求3所述的纸杯缺陷检测方法，其特征在于，所述将所述纸杯图像输入训练后的检测模型，包括：将待检测的纸杯图像输入Backbone部分，按照输入方向的起始顺序，依次得到第一C3模块、第二C3模块、第三C3模块以及SPPF模块处理后的第一特征、第二特征、第三特征和第四特征；根据第三特征和第四特征进行张量拼接，并将结果输入第五C3模块得到第五特征；根据第五特征和第二特征进行张量拼接，并将结果输入第六C3模块得到第六特征；根据第六特征和第一特征进行张量拼接，将结果输入第七C3模块得到第七特征，并根据第七特征确定第四尺度的输出；根据第六特征和第七特征进行张量拼接，将结果输入第八C3模块得到第八特征，并根据第八特征确定第三尺度的输出；根据第三特征、第五特征特以及第八特征，基于加权双向特征金字塔网络进行特征融合，将结果输入第九C3模块得到第九特征，并根据第九特征确定第二尺度的输出；根据第九特征和第四特征进行张量拼接，将结果输入第十C3模块得到第十特征，并根据第十特征确定第一尺度的输出；其中，第一尺度到第四尺度依次从小到大排列。5.根据权利要求1所述的纸杯缺陷检测方法，其特征在于，所述将所述纸杯图像输...

【专利技术属性】
技术研发人员：蒋亚军，曹昭辉，文煜超，张闯，付丹丹，胡志刚，
申请(专利权)人：武汉轻工大学，
类型：发明
国别省市：