一种亚像素玻瓶气泡精确分割方法技术

本发明专利技术主要涉及图像识别技术领域。为了解决传统玻瓶检测主要依靠人工视觉检测，检测精度和效率不高，容易造成误检和漏检的问题，本发明专利技术提供一种亚像素玻瓶气泡精确分割方法，首先对样品玻瓶进行照明方式优化，在固定打光条件下从玻瓶内外多角度拍摄玻瓶表面图像，通过图像预处理手段对气泡图像进行特征增强。接下来结合人工标注和机器学习训练，完成基于机器学习的气泡精确分割模型的构建。在此基础上，完成对待测玻瓶的亚像素级的玻瓶气泡精确分割。具有分割精度高、分割准确率高及执行高效的优势，可为玻瓶气泡的离线或在线检测提供一种有效手段。种有效手段。种有效手段。

【技术实现步骤摘要】
一种亚像素玻瓶气泡精确分割方法


[0001]本专利技术主要涉及图像识别
，尤其是涉及一种亚像素玻瓶气泡精确分割方法。

技术介绍

[0002]玻瓶检测是酒类、医药等行业领域十分关注的技术问题。玻瓶成型工艺过程中，由于多种原因可能造成玻瓶瓶身内存在残留气泡，不仅影响玻瓶外观，也可能影响玻瓶质量。因此，针对玻瓶气泡检测，是相关行业的主要检测项目之一。传统针对玻瓶气泡检测，往往采用人工视觉检测的方式，通过人眼对玻瓶进行多角度、变换不同照明方式，进行气泡筛查。这种方式不仅效率较低，同时受到检测人员主观因素影响，有可能造成误检或漏检。
[0003]yolov5x是一种深度学习目标检测模型，常用于对图片中的物体进行分类并且标出物体的所在位置，在工业计算机视觉领域用于相关物体的识别以及定位。

技术实现思路

[0004]本专利技术所要解决的技术问题：
[0005]提供一种亚像素玻瓶气泡精确分割方法，解决传统玻瓶检测主要依靠人工视觉检测，检测精度和效率不高，容易造成误检和漏检的问题。
[0006]本专利技术解决上述技术问题所采用的技术方案：
[0007]一种亚像素玻瓶气泡精确分割方法，包括以下步骤：
[0008]采集玻瓶气泡图像；
[0009]对采集的玻瓶气泡图像进行预处理，提高图像分辨率；
[0010]基于yolov5x建立玻瓶气泡分割模型，用经过预处理后的玻瓶气泡图像对气泡分割模型进行训练；
[0011]对待检测玻瓶气泡图像进行检测。
[0012]进一步的，在采集玻瓶气泡图像时，设置双远心镜头配合远心光源对玻瓶打光。
[0013]进一步的，对采集的玻瓶气泡图像进行预处理具体包括：使用反卷积将玻瓶气泡图像上采样至更高的分辨率，再通过学习低分辨率图像和高分辨率图像之间的映射关系从低分辨率的图像中恢复出高分辨率图像中的气泡边界，并对其进行人工标注。
[0014]进一步的，基于yolov5x检测模型建立玻瓶气泡分割模型具体包括：在yolov5x检测模型中加入空洞卷积和空洞空间金字塔池化。
[0015]进一步的，基于yolov5x建立玻瓶气泡分割模型具体包括：在yolov5x中加入空洞卷积，进行空洞空间金字塔池化捕捉不同尺度的玻瓶气泡图像特征。
[0016]进一步的，用进行人工标注后的玻瓶气泡图像训练yolov5x玻瓶气泡分割模型：
[0017]对玻瓶气泡图像进行数据类型转换；对转换后的图片数据进行空洞卷积获取多层关联的的玻瓶气泡特征图像；基于可分离空洞卷积和ADD加法器组成池化金字塔，用Concatenate串级连接器将每层得到的玻瓶气泡特征图进行池化，得到多个不同尺度的玻
瓶气泡特征，将池化后的玻瓶气泡特征与池化原图进行融合获取全尺寸的玻瓶气泡特征图像；最后将全尺寸的玻瓶气泡图像特征与人工标注的玻瓶气泡图像进行融合；将融合后的图像输入yolov5x模型中进行气泡分割。
[0018]本专利技术的有益效果：
[0019]本专利技术提供一种亚像素玻瓶气泡精确分割方法，首先对样品玻瓶进行照明方式优化，在固定打光条件下从玻瓶内外多角度拍摄玻瓶表面图像，通过图像预处理手段对气泡图像进行特征增强。接下来结合人工标注和机器学习训练，完成基于机器学习的气泡精确分割模型的构建。在此基础上，完成对待测玻瓶的亚像素级的玻瓶气泡精确分割。具有分割精度高、分割准确率高及执行高效的优势，可为玻瓶气泡的离线或在线检测提供一种有效手段。
附图说明
[0020]图1为本专利技术的一种亚像素玻瓶气泡精确分割方法的流程图；
[0021]图2为本专利技术的涉及的一种亚像素玻瓶气泡精确分割方法的打光方式示意图；1－远心镜头，2－远心光源，3－旋转抓夹，4－直线模组；
[0022]图3为本专利技术的涉及的一种亚像素玻瓶气泡精确分割方法的模型网络示意图；
[0023]图4为本专利技术的涉及的一种亚像素玻瓶气泡精确分割方法的气泡标注结果。
具体实施方式
[0024]如图1所示，本专利技术所述的一种亚像素玻瓶气泡精确风格分割方法，首先对玻瓶的气泡图像进行采集，对采集的图像进行预处理和人标注，建立图像分割模型，用经过预处理和人工标注后的玻瓶气泡图像对模型进行训练；以同样的图像采集、图像预处理方式处理待检测的玻瓶气泡图像，将待检测的玻瓶气泡图像投入图像分割模型中进行图像分割。各步骤的具体处理方式如下所示。
[0025]一、采集玻瓶气泡图像：如图2所示，旋转抓夹3将玻瓶固定在直线模组4上，设置双远心镜头2配合远心光源1，从玻瓶内外多角度拍摄玻瓶表面图像，使得入射光线和出射光线的光心在不同的位置，抵消玻瓶瓶壁玻璃反光的干扰，采集的玻瓶气泡图像更准确。
[0026]二、对采集的玻瓶图像进行预处理和人工标注：图像采集后，通过预处理使气泡的图像特征增强，用反卷积或转置卷积将气泡图像上采样，提高气泡图像的分辨率；通过学习低分辨率和高分辨率图像之间的映射关系恢复出高分辨率中气泡图像的边界，使气泡的图像特征增强。
[0027]三、基于yolov5x建立玻瓶气泡分割模型，用经过预处理后的玻瓶气泡图像对气泡分割模型进行训练；
[0028]空洞卷积是一种具有空洞(或称为膨胀率)的卷积操作。通常的卷积操作在输入图像的每个像素位置都会应用一个卷积核，而空洞卷积则在卷积核的采样过程中引入了额外的间隔，从而扩大了感受野。空洞空间金字塔池化是在空洞卷积的基础上进行的一种池化操作。传统的池化操作通常使用固定大小的窗口对输入图像进行采样，而空洞空间金字塔池化则引入了不同的膨胀率来获取多尺度的特征信息。
[0029]使用标注后的图像样本训练气泡精确分割，如图3所示，首先对本实例中输入的
640x480的图片使用Gconv类型转换包，将常用数据类型转换为神经网络易处理的数据类型。设置卷积核为3x3，膨胀率为2，重复使用五层可分离空洞卷积(DDConv
‑
3)和ADD加法器组成金字塔结构，最后使用Concatenate串级连接器将每层得到的特征图进行池化操作，最终得到多个不同尺度、亚像素的池化特征。接下来，引入进行了池化的原图，将分析得到的亚像素上下文特征与原图尺寸的特征进行融合，获取了从原尺寸到小尺寸、更宽谱的全尺寸上下文特征。最后全尺寸亚像素特征与原图进行融合，实现对图片亚像素级别的超分辨，增强分辨率。将分辨率增强后的图片输入到yolov5x模型中实现亚像素分割，获得如图4所示的玻瓶气泡分割结果。
[0030]四、在模型训练完成后，针对待测玻瓶，通同样的方式进行玻瓶图像采集和预处理后，将其应用基于双三次样条插值与几何主动轮廓模型的精分割方案，获取更高精度的亚像素级气泡轮廓从而实现亚像素级的气泡精确分割。
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种亚像素玻瓶气泡精确分割方法，其特征在于，包括：采集玻瓶气泡图像；对采集的玻瓶气泡图像进行预处理，提高图像分辨率；基于yolov5x模型建立玻瓶气泡分割模型，用经过预处理后的玻瓶气泡图像对气泡分割模型进行训练；对待检测玻瓶气泡图像进行检测。2.根据权利要求1所述的一种亚像素玻瓶气泡精确分割方法，其特征在于，在采集玻瓶气泡图像时，设置双远心镜头配合远心光源对玻瓶打光。3.根据权利要求2所述的一种亚像素玻瓶气泡精确分割方法，其特征在于，对采集的玻瓶气泡图像进行预处理具体包括：使用反卷积将玻瓶气泡图像上采样至更高的分辨率，再通过学习低分辨率图像和高分辨率图像之间的映射关系从低分辨率的图像中恢复出高分辨率图像中的气泡边界，并对其进行人工标注。4.根据权利要求3所述的一种亚像素玻瓶气泡精确分割方法，其特征在于，基...

【专利技术属性】
技术研发人员：彭自铭，赵东，郑佳，刘从军，苏建，卢彦坪，周光云，雷学俊，雷波，
申请(专利权)人：宜宾五粮液股份有限公司，
类型：发明
国别省市：