本发明专利技术公开了一种基于残差网络的烟丝宽度检测方法、装置、设备和介质。该方法包括：首先对获取的第一烟丝图像进行预处理，获得第二烟丝图像；其中，第二烟丝图像是背景部分为白色、烟丝部分为黑色的图像；然后从该第二烟丝图像中提取出多个目标烟丝图像块；最后将多个目标烟丝图像块输入训练后的残差网络检测模型中，获得第一烟丝图像中的烟丝宽度。本发明专利技术能够在保证检测精确度的情况下有效实现烟丝宽度的实时检测。宽度的实时检测。宽度的实时检测。
【技术实现步骤摘要】
基于残差网络的烟丝宽度检测方法、装置、设备和介质
[0001]本专利技术涉及人工智能
，具体涉及基于残差网络的烟丝宽度检测方法、装置、设备和介质。
技术介绍
[0002]烟丝切丝工序是制丝生产线上的重要工序之一，主要是把含水率与温度合适的片烟切成规定宽度的烟丝。切丝宽度是影响卷烟产品质量的主要因素之一，其宽度对卷烟的物理指标和感官质量都有不同的影响。
[0003]当前对烟丝宽度进行检测的方法主要包括人眼观察法和基于计算机视觉的检测方法。其中，人眼观察法依赖人工操作，容易出错且效率低。基于计算机视觉的检测方法一般由两个阶段的处理方法组成，第一阶段一般通过图像二值化、高通滤波和边缘检测等算法，获得烟丝的轮廓图像，第二阶段通过平行线算法、变径圆算法和等距扫描等方法计算出其平均宽度，该两个阶段涉及的检测算法繁杂，无法对烟丝宽度进行实时检测。
[0004]因此，当前亟需一种能够在保证精确度的情况下实时检测烟丝宽度的方法。
技术实现思路
[0005]有鉴于此，本专利技术实施例提供了一种基于残差网络的烟丝宽度检测方法、装置、计算机设备和计算机可读存储介质，以解决现有技术中难以在保证精确度的情况下实时检测烟丝宽度的问题。
[0006]根据第一方面，本专利技术实施例提供了一种基于残差网络的烟丝宽度检测方法，该方法包括：
[0007]对获取的第一烟丝图像进行预处理，获得第二烟丝图像；所述第二烟丝图像是背景部分为白色、烟丝部分为黑色的图像；
[0008]从所述第二烟丝图像中提取出多个目标烟丝图像块；
[0009]将多个所述目标烟丝图像块输入训练后的残差网络检测模型中，获得所述第一烟丝图像中的烟丝宽度。
[0010]在一些实施例中，所述从所述第二烟丝图像中提取出多个目标烟丝图像块的步骤，包括：
[0011]获取所述第二烟丝图像中的连通区域；
[0012]根据预设筛选条件从所述连通区域中提取出目标连通区域；所述预设筛选条件是用于筛选面积符合要求的所述连通区域的筛选条件；
[0013]针对每个所述目标连通区域，从所述目标连通区域中随机选择多个像素点分别作为所述目标烟丝图像块的中心，并以预设长度为边长确定出多个所述目标烟丝图像块。
[0014]在一些实施例中，所述获取所述第二烟丝图像中的连通区域的步骤，包括：
[0015]基于深度优先遍历算法遍历所述第二烟丝图像中每一个黑色像素点，并在任意一个黑色像素点存在未遍历过的相邻黑色像素点的情况下，递归遍历该黑色像素点及所述相
邻黑色像素点，以确定出所述第二烟丝图像中的多个连通区域。
[0016]在一些实施例中，在所述针对每个所述目标连通区域，从所述目标连通区域中随机选择多个像素点作为所述第一烟丝图像块的中心点，并以预设长度为边长确定出多个目标烟丝图像块之后，还包括：
[0017]在确定出的目标烟丝图像块的边界超出所述目标连通区域的情况下，将超出部分的像素值确定为预设像素值。
[0018]在一些实施例中，在所述对获取的第一烟丝图像进行预处理之前，还包括：
[0019]从第三烟丝图像中提取多个历史烟丝图像块；所述第三烟丝图像为历史图像；
[0020]对所述历史烟丝图像块中的烟丝宽度进行标注；
[0021]将标注烟丝宽度后的所述历史烟丝图像块按照预设比例分为训练集和验证集；
[0022]基于所述训练集对残差网络检测模型进行至少一轮模型训练；所述残差网络检测模型是以残差网络做为网络结构的神经网络模型；
[0023]基于经过模型训练的所述残差网络检测模型对所述验证集进行烟丝宽度检测，获得检测结果；
[0024]在所述检测结果不符合预设标准条件的情况下，返回所述基于所述训练集对残差网络检测模型进行至少一轮模型训练的步骤；
[0025]在所述检测结果符合预设标准条件的情况下，获得训练后的所述残差网络检测模型。
[0026]在一些实施例中，所述从第三烟丝图像中提取多个历史烟丝图像块的步骤，包括：
[0027]对所述第三烟丝图像进行预处理，获得第四烟丝图像；
[0028]获取所述第四烟丝图像中的连通区域；
[0029]根据预设筛选条件从所述连通区域中提取出目标连通区域；
[0030]针对每个所述目标连通区域，从所述目标连通区域中随机选择多个像素点分别作为所述历史烟丝图像块的中心，并以预设长度为边长确定出多个所述历史烟丝图像块。
[0031]在一些实施例中，所述预处理包括灰度化处理和二值化处理；
[0032]所述灰度化处理用于对烟丝图像的红、绿和蓝三个通道分别赋予对应的权值，以获得相应的灰度图像；
[0033]所述二值化处理用于根据灰度图像的灰度将像素点分为白色或黑色以区分背景部分和烟丝部分。
[0034]根据第二方面，本专利技术实施例提供了一种基于残差网络的烟丝宽度检测装置，该装置包括：
[0035]预处理单元，用于对获取的第一烟丝图像进行预处理，获得第二烟丝图像；所述第二烟丝图像是背景部分为白色、烟丝部分为黑色的图像；
[0036]提取单元，用于从所述第二烟丝图像中提取出多个目标烟丝图像块；
[0037]检测单元，用于将多个所述目标烟丝图像块输入训练后的残差网络检测模型中，获得所述第一烟丝图像中的烟丝宽度。
[0038]根据第三方面，本专利技术实施例提供了一种计算机设备，其特征在于，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个
处理器执行如第一方面提供的基于残差网络的烟丝宽度检测方法的步骤。
[0039]根据第四方面，本专利技术实施例提供了一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如第以方面提供的基于残差网络的烟丝宽度检测方法的步骤。
[0040]本专利技术技术方案，具有如下优点：
[0041]本专利技术实施例提供一种基于残差网络的烟丝宽度检测方法、装置、设备和介质，该方法包括：首先对获取的第一烟丝图像进行预处理，获得第二烟丝图像；其中，第二烟丝图像是背景部分为白色、烟丝部分为黑色的图像；然后从该第二烟丝图像中提取出多个目标烟丝图像块；最后将多个目标烟丝图像块输入训练后的残差网络检测模型中，获得第一烟丝图像中的烟丝宽度，能够在保证检测精确度的情况下有效实现实时烟丝宽度检测。
附图说明
[0042]为了更清楚地说明本专利技术具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图：
[0043]图1为本专利技术实施例提供的一种基于残差网络的烟丝宽度检测方法的流程图。
[0本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于残差网络的烟丝宽度检测方法，其特征在于，所述方法包括：对获取的第一烟丝图像进行预处理，获得第二烟丝图像；所述第二烟丝图像是背景部分为白色、烟丝部分为黑色的图像；从所述第二烟丝图像中提取出多个目标烟丝图像块；将多个所述目标烟丝图像块输入训练后的残差网络检测模型中，获得所述第一烟丝图像中的烟丝宽度。2.根据权利要求1所述的方法，其特征在于，所述从所述第二烟丝图像中提取出多个目标烟丝图像块的步骤，包括：获取所述第二烟丝图像中的连通区域；根据预设筛选条件从所述连通区域中提取出目标连通区域；所述预设筛选条件是用于筛选面积符合要求的所述连通区域的筛选条件；针对每个所述目标连通区域，从所述目标连通区域中随机选择多个像素点分别作为所述目标烟丝图像块的中心，并以预设长度为边长确定出多个所述目标烟丝图像块。3.根据权利要求2所述的方法，其特征在于，所述获取所述第二烟丝图像中的连通区域的步骤，包括：基于深度优先遍历算法遍历所述第二烟丝图像中每一个黑色像素点，并在任意一个黑色像素点存在未遍历过的相邻黑色像素点的情况下，递归遍历该黑色像素点及所述相邻黑色像素点，以确定出所述第二烟丝图像中的多个连通区域。4.根据权利要求2所述的方法，其特征在于，在所述针对每个所述目标连通区域，从所述目标连通区域中随机选择多个像素点作为所述第一烟丝图像块的中心点，并以预设长度为边长确定出多个目标烟丝图像块之后，还包括：在确定出的目标烟丝图像块的边界超出所述目标连通区域的情况下，将超出部分的像素值确定为预设像素值。5.根据权利要求1所述的方法，其特征在于，在所述对获取的第一烟丝图像进行预处理之前，还包括：从第三烟丝图像中提取多个历史烟丝图像块；所述第三烟丝图像为历史图像；对所述历史烟丝图像块中的烟丝宽度进行标注；将标注烟丝宽度后的所述历史烟丝图像块按照预设比例分为训练集和验证集；基于所述训练集对残差网络检测模型进行至少一轮模型训练；所述残差网络检测模型是以残差网络做为网络结构的神经网络模型；基于经过模型训练的所述残差网络检测模型对所述验...
【专利技术属性】
技术研发人员：梁冬，李江，陈智斌，潘剑，黄潇，钟征燕，陈智鸣，
申请(专利权)人：广西中烟工业有限责任公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。