【技术实现步骤摘要】
本专利技术涉及缺陷检测领域，具体是基于yolov5s的烟支缺陷检测方法。
技术介绍
1、中国烟草产业产量一直位居世界第一，2020年，中国烟草行业利税总额达到了1.28万亿，上缴财政总额达到了1.2万亿，可以说，烟草是中国的支柱产业之一。卷烟是烟草公司生产的最主要产品，在卷烟自动化生产过程中，难免会产生一些烟支外观缺陷；
2、在现有技术中，以前的生产流水线上，目前的自动生产流水线上烟支的生产速度达到了200支/秒，仅靠人工去分辨缺陷已经不太现实，使无法实现对烟支外观进行全面监测的，无法精准快速地识别缺陷烟；因此，提供基于yolov5s的烟支缺陷检测方法。
技术实现思路
1、为了解决上述技术问题，本专利技术提供基于yolov5s的烟支缺陷检测方法；
2、本专利技术的目的可以通过以下技术方案实现：基于yolov5s的烟支缺陷检测方法，所述方法包括以下步骤：
3、步骤s1：采集烟支外观的烟支图像，并对烟支图像进行分割并标注，获取烟支分图像；
4、步骤s2：对烟支分图像进行预处理，获取烟支特征图，进而获取烟支特征图对应的烟支数据集，根据烟支数据集获取对应的预测框；
5、步骤s3：对预测框进行训练，获取中心坐标，根据中心坐标对预测框进行精准度纠正，进而获取精准预测框，对精准预测框进行处理，获取烟支缺陷率；
6、步骤s4：根据烟支缺陷率，获取烟支缺陷等级；
7、步骤s5：将烟支缺陷等级进行数据结合，获取烟支缺陷
8、进一步的，所述烟支分图像获取的过程包括：
9、通过工业相机采集烟支外观的烟支图像，进而获取烟支图像的长和宽，以烟支图像的左下角顶点为原点建立直角坐标系，所述烟支图像的长用于表示为直角坐标系的y轴；所述烟支图像的宽用于表示为直角坐标系的x轴；
10、在直角坐标系的x轴设置标准数值，根据标准数值对烟支图像进行垂直分割，获取若干份烟支分图像，对烟支分图像进行位置标注，获取对应的位置信息。
11、进一步的，所述烟支特征图的获取过程包括：
12、基于yolov5s模型的图像输入要求，将烟支分图像进行自适应图像缩放，自适应增添最少的黑边，获取烟支特征图；
13、同理根据烟支特征图的长和宽基于左下角为原点建立直角坐标系，获取烟支特征图的左上角坐标和右下角坐标。
14、进一步的，所述预测框的获取过程包括：
15、所述烟支数据集包括缺陷类型和位置坐标；
16、所述缺陷类型包括缺支、空头以及反支；
17、所述位置坐标用于表示为缺陷烟支的位置坐标；
18、将烟支数据集基于labelimg工具进行标注，生成对应的xml文件；进而将包含烟支数据集的烟支特征图生成预测框；
19、所述预测框用于表示为每张烟支特征图中烟棒和滤嘴的缺陷的基本信息；
20、所述基本信息包括长、宽以及位置信息。
21、进一步的，所述对预测框进行训练的过程包括：
22、获取预测框的中心坐标，即具体公式为：
23、
24、其中，(left，top)为预测框的左上角坐标，(right，bottom)为右下角坐标，为(xcenter，ycenter)为预测框的中心点坐标；
25、预测框上任意一点绕中心坐标逆时针旋转任意角度后，获取最新坐标位置；
26、即具体公式为：
27、
28、其中，(x0，y0)为预测框上某一点旋转前的坐标，θ为旋转的角度，(x1，y1)为预测框上某一点旋转后的最新坐标位置；
29、同理，根据预测框的中心坐标具体公式，获取所述缺陷横坐标的中心坐标和所述缺陷纵坐标的中心坐标。
30、进一步的，所述精准预测框的获取过程包括：
31、根据预测框的中心点，基于focal_eiou损失函数，对预测框所包含的烟支数据集进行精准度纠正；
32、即具体公式为：
33、leiou＝liou+ldis+laps (1)；
34、
35、其中，b、bgt分别代表预测框和真实框的中心点，ρ代表两个中心点之间的欧氏距离，c代表能够同时包含预测框和真实框的最小闭包区域的对角线距离，cw和ch是覆盖两个锚点框的最小外接框的宽度和高度；
36、lfocal_eiou＝iou*u*leiou (3)
37、其中，iou＝|b∩bgt|/|b∪bgt|，bgt代表真实框，b代表预测框，μ为控制异常值抑制程度的参数；
38、需要进一步说明的是，再具体实施过程中，该损失函数为lfocal_eiou根据公式可知：iou越高的损失越大，相当于加权作用，给好的回归目标一个更大的损失，有助于提高回归精度；
39、根据公式(1)(2)(3)对预测框进行精准度纠正，并精准预测框；
40、进一步的，所述烟支缺陷率的获取过程包括：
41、从xml文件提取精准预测框中缺陷类型的多个基本特征值，所述多个基本特征值包括缺陷类别、缺陷面积、缺陷横坐标的中心坐标和缺陷纵坐标的中心坐标，并分别进行标记为b1、b2、b3和b4；
42、采用熵权法确定每个基本特征值对应的权重值，并对应标记为w1、w2、w3和w4；
43、根据权重值获取烟支缺陷率，用于表示为每个缺陷的情况；
44、即具体公式为：
45、
46、进一步的，所述烟支缺陷等级的获取过程包括：
47、设置烟支缺陷率阈值范围，与烟支缺陷率进行比较，进而获取烟支缺陷等级；
48、若烟支缺陷率小于烟支缺陷率阈值范围最小值，则生成一级烟支缺陷；
49、若烟支缺陷率存在于烟支缺陷率阈值，则生成二级烟支缺陷；
50、若烟支缺陷率大于烟支缺陷率阈值范围最大值，则生成三级烟支缺陷。
51、进一步的，将烟支缺陷等级、基本特征值以及对应的位置信息进行数据结合，获取烟支缺陷数据集，根据烟支缺陷数据集对缺陷的烟支进行处理。
52、与现有技术相比，本专利技术的有益效果是：本专利技术通过采集烟支外观的烟支图像，并对烟支图像进行分割并标注，获取烟支分图像；对烟支分图像进行预处理，获取烟支特征图，进而获取烟支特征图对应的烟支数据集，根据烟支数据集获取对应的预测框；对预测框进行训练，获取中心坐标，根据中心坐标对预测框进行精准度纠正，进而获取精准预测框，对精准预测框进行处理，获取烟支缺陷率；根据烟支缺陷率，获取烟支缺陷等级；将烟支缺陷等级进行数据结合，获取烟支缺陷数据集，根据烟支缺陷数据集对缺陷的烟支进行处理，本专利技术提高了识别缺陷烟的精准度和速度。
本文档来自技高网...【技术保护点】
1.基于YOLOv5s的烟支缺陷检测方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的基于YOLOv5s的烟支缺陷检测方法，其特征在于，所述烟支分图像获取的过程包括：
3.根据权利要求2所述的基于YOLOv5s的烟支缺陷检测方法，其特征在于，所述烟支特征图的获取过程包括：
4.根据权利要求3所述的基于YOLOv5s的烟支缺陷检测方法，其特征在于，所述预测框的获取过程包括：
5.根据权利要求4所述的基于YOLOv5s的烟支缺陷检测方法，其特征在于，所述对预测框进行训练的过程包括：
6.根据权利要求5所述的基于YOLOv5s的烟支缺陷检测方法，其特征在于，所述精准预测框的获取过程包括：
7.根据权利要求6所述的基于YOLOv5s的烟支缺陷检测方法，其特征在于，所述烟支缺陷率的获取过程包括：
8.根据权利要求7所述的基于YOLOv5s的烟支缺陷检测方法，其特征在于，所述烟支缺陷等级的获取过程包括：
9.根据权利要求8所述的基于YOLOv5s的烟支缺陷检测方法，其特征在于，将烟
...【技术特征摘要】
1.基于yolov5s的烟支缺陷检测方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的基于yolov5s的烟支缺陷检测方法，其特征在于，所述烟支分图像获取的过程包括：
3.根据权利要求2所述的基于yolov5s的烟支缺陷检测方法，其特征在于，所述烟支特征图的获取过程包括：
4.根据权利要求3所述的基于yolov5s的烟支缺陷检测方法，其特征在于，所述预测框的获取过程包括：
5.根据权利要求4所述的基于yolov5s的烟支缺陷检测方法，其特征在于，所述对预测框进行训练的过程包括：
...【专利技术属性】
技术研发人员：窦永琦，孙熊伟，卫平公，吴佳伟，
申请(专利权)人：安徽工业技术创新研究院六安院，
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。