本申请公开了一种烟支缺陷检测方法及装置，烟支缺陷检测方法包括：接收工业相机采集到的烟支图像；基于缺陷检测模型对烟支图像中的缺陷进行识别，获得包含缺陷类型和位置信息的预测框；将预测框的信息转化为XML文件并存储；依据XML文件进行数字化解析，获得烟支图像对应的缺陷值；依据缺陷值评价烟支图像的缺陷等级。本申请采用XML文件进行缺陷识别结果的存储，既保留了原始烟支图像的重要信息，又极大地降低了每张烟支图像所占用的存储空间，在一定程度上可有效地降低存储成本，因此可以记录每张烟支图像的缺陷识别结果，为烟支生产的全样本监控奠定了基础，同时利用缺陷检测模型进行缺陷识别，可以提高检测的精度、适应性和通用性。通用性。通用性。
【技术实现步骤摘要】
一种烟支缺陷检测方法及装置
[0001]本申请涉及质量检测
，更具体地，涉及一种烟支缺陷检测方法及装置。
技术介绍
[0002]从烟叶种植到盒装烟的上市，烟草产业链涵盖的工序极为复杂，主要包括制丝工艺、卷接工艺和包装工艺。卷烟机作为卷接工艺的核心设备，在随着卷烟企业工业技术发展的同时，其自动化程度和生产速度均得到了大幅度的提升，因此在高速生产的情况下，不可避免的会产生缺陷烟支。
[0003]目前国内采用基于传统图像处理的机器视觉技术来对烟支外观缺陷进行检测，该类技术主要依赖于人工特征的提取，需要人工定义和选择特征，这个过程需要大量的时间和经验。这样，一方面，烟支外观缺陷种类繁多，形态复杂，有些缺陷可能比较微小，检测难度较大，目前的检测系统可能对某些缺陷的识别和分析存在误差，需要进一步提高检测精度。另一方面，烟支的种类和规格繁多，不同种类的烟支可能具有不同的外观缺陷特征，现有的检测系统通过人工定义和选择缺陷特征，缺陷识别的适应性和通用性较差，无法应对不同类型烟支的检测需求。再一方面，现有检测系统需要存储存在缺陷的烟支的图像，海量的图片数据会占用较大的存储空间，从而增加存储成本。
[0004]另外，在对烟支外观缺陷的实时检测过程中，厂家所采用的烟支外观缺陷检测系统只记录了存在缺陷的烟支图像，因此采用抽样的形式来验证系统检测的准确性。因此，现有的检测系统无法实现全样本的监控，这将对厂商的精益化管理形成制约。
技术实现思路
[0005]本申请提供一种烟支缺陷检测方法及装置，采用XML文件进行缺陷识别结果的存储，既保留了原始烟支图像的重要信息，又极大地降低了每张烟支图像所占用的存储空间，在一定程度上可有效地降低存储成本，因此可以记录每张烟支图像的缺陷识别结果，为烟支生产的全样本监控奠定了基础，同时利用缺陷检测模型进行缺陷识别，可以提高检测的精度、适应性和通用性。
[0006]本申请提供了一种烟支缺陷检测方法，包括：
[0007]接收工业相机采集到的烟支图像；
[0008]基于缺陷检测模型对烟支图像中的缺陷进行识别，获得包含缺陷类型和位置信息的预测框；
[0009]将预测框的信息转化为XML文件并存储；
[0010]依据XML文件进行数字化解析，获得烟支图像对应的缺陷值；
[0011]依据缺陷值评价烟支图像的缺陷等级。
[0012]优选地，依据XML文件进行数字化解析，获得烟支图像对应的缺陷值，具体包括：
[0013]从XML文件中提取烟支图像的缺陷的多个基本特征值；
[0014]确定每个基本特征值对应的权重值；
[0015]依据缺陷的所有基本特征值和相应的权重值计算第一缺陷值，作为烟支图像对应的缺陷值。
[0016]优选地，若烟支图像上具有多个缺陷，则将所有缺陷的第一缺陷值的加权和作为烟支图像对应的缺陷值。
[0017]优选地，采用熵权法确定每个基本特征值对应的权重值。
[0018]优选地，对缺陷检测模型进行训练包括如下步骤：
[0019]获取工业相机采集到的批量烟支图像；
[0020]对批量烟支图像进行缺陷类别的标注，获得标注数据集；
[0021]利用标注数据集对神经网络模型进行训练，获得缺陷检测模型；
[0022]利用多个评价指标对缺陷检测模型进行评价，若缺陷检测模型对各个缺陷类别的准确率和速度符合实际要求，则训练完成。
[0023]本申请还提供一种烟支缺陷检测装置，包括图像接收模块、识别模块、转化模块、解析模块以及第一评价模块；
[0024]图像接收模块用于接收工业相机采集到的烟支图像；
[0025]识别模块用于基于缺陷检测模型对烟支图像中的缺陷进行识别，获得包含缺陷类型和位置信息的预测框；
[0026]转化模块用于将预测框的信息转化为XML文件并存储；
[0027]解析模块用于依据XML文件进行数字化解析，获得烟支图像对应的缺陷值；
[0028]第一评价模块用于依据缺陷值评价烟支图像的缺陷等级。
[0029]优选地，解析模块包括特征提取模块、权重确定模块以及第一计算模块；
[0030]特征提取模块用于从XML文件中提取烟支图像的缺陷的多个基本特征值；
[0031]权重确定模块用于确定每个基本特征值对应的权重值；
[0032]第一计算模块用于依据缺陷的所有基本特征值和相应的权重值计算第一缺陷值，作为烟支图像对应的缺陷值。
[0033]优选地，解析模块还包括第二计算模块，第二计算模块用于在烟支图像上具有多个缺陷时，将所有缺陷的第一缺陷值的加权和作为烟支图像对应的缺陷值。
[0034]优选地，权重确定模块用于采用熵权法确定每个基本特征值对应的权重值。
[0035]优选地，烟支缺陷检测装置还包括模型获得模块，模型获得模块包括图像获取模块、标注模块、训练模块以及第二评价模块；
[0036]图像获取模块用于获取工业相机采集到的批量烟支图像；
[0037]标注模块用于对批量烟支图像进行缺陷类别的标注，获得标注数据集；
[0038]训练模块用于利用标注数据集对神经网络模型进行训练，获得缺陷检测模型；
[0039]第二评价模块用于利用多个评价指标对缺陷检测模型进行评价，若缺陷检测模型对各个缺陷类别的准确率和速度符合实际要求，则训练完成。
[0040]通过以下参照附图对本申请的示例性实施例的详细描述，本申请的其它特征及其优点将会变得清楚。
附图说明
[0041]被结合在说明书中并构成说明书的一部分的附图示出了本申请的实施例，并且连
同其说明一起用于解释本申请的原理。
[0042]图1为本申请提供的烟支缺陷检测方法的流程图；
[0043]图2为本申请提供的缺陷识别结果的实例图；
[0044]图3为本申请提供的XML文件的一个实例；
[0045]图4为图3所示的XML文件的基本特征值提取结果；
[0046]图5为本申请提供的烟支缺陷检测装置的结构图。
具体实施方式
[0047]现在将参照附图来详细描述本申请的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本申请的范围。
[0048]以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本申请及其应用或使用的任何限制。
[0049]对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，技术、方法和设备应当被视为说明书的一部分。
[0050]在这里示出和讨论的所有例子中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它例子可以具有不同的值。
[0051]本申请提供一种烟支缺陷检测方法及装置，采用XML文件进行缺陷识别结果的存储，既保留了原始烟支图像的重要信息，又极大地降低了每张本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种烟支缺陷检测方法，其特征在于，包括：接收工业相机采集到的烟支图像；基于缺陷检测模型对所述烟支图像中的缺陷进行识别，获得包含缺陷类型和位置信息的预测框；将所述预测框的信息转化为XML文件并存储；依据所述XML文件进行数字化解析，获得所述烟支图像对应的缺陷值；依据所述缺陷值评价所述烟支图像的缺陷等级。2.根据权利要求1所述的烟支缺陷检测方法，其特征在于，依据所述XML文件进行数字化解析，获得所述烟支图像对应的缺陷值，具体包括：从所述XML文件中提取所述烟支图像的缺陷的多个基本特征值；确定每个基本特征值对应的权重值；依据所述缺陷的所有基本特征值和相应的权重值计算第一缺陷值，作为所述烟支图像对应的缺陷值。3.根据权利要求2所述的烟支缺陷检测方法，其特征在于，若所述烟支图像上具有多个缺陷，则将所有缺陷的第一缺陷值的加权和作为所述烟支图像对应的缺陷值。4.根据权利要求2所述的烟支缺陷检测方法，其特征在于，采用熵权法确定每个基本特征值对应的权重值。5.根据权利要求1所述的烟支缺陷检测方法，其特征在于，对所述缺陷检测模型进行训练包括如下步骤：获取工业相机采集到的批量烟支图像；对所述批量烟支图像进行缺陷类别的标注，获得标注数据集；利用所述标注数据集对神经网络模型进行训练，获得所述缺陷检测模型；利用多个评价指标对所述缺陷检测模型进行评价，若所述缺陷检测模型对各个缺陷类别的准确率和速度符合实际要求，则训练完成。6.一种烟支缺陷检测装置，其特征在于，包括图像接收模块、识别模块、转化模块、解析模块以及第一评价模块；所述图像接收模块用于接收工业相机采集到的烟支图像；所述识别模块用于基于缺陷检测模型对所述烟支图像中的缺陷进...
【专利技术属性】
技术研发人员：吕献周，祁林，李庆松，陈圣，杨露，徐国现，刘兵，林丹，程亮，姜萏，刘应波，
申请(专利权)人：红云红河烟草集团有限责任公司，
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。