【技术实现步骤摘要】
本专利技术属于图像处理，具体涉及一种基于机器视觉感知的电子烟缺陷检测方法及装置。
技术介绍
1、随着科技的进步和消费者需求的日益增长，电子烟市场在过去几年中呈现出爆炸性的增长趋势，电子烟作为一种新型的电子产品，其外观、功能和安全性等方面都受到消费者的高度关注，因此，电子烟生产过程中的质量控制和缺陷检测成为了至关重要的一环。
2、传统的人工目检方法在过去一直是电子烟缺陷检测的主要手段，然而，随着生产规模的不断扩大和消费者对产品质量要求的提高，人工目检方法已经逐渐显露出其局限性，首先，人工目检受到工人视力、疲劳程度、工作经验等多种因素的影响，难以保证检验的稳定性和一致性，其次，人工目检效率低下，无法满足大批量生产的需求，此外，人工目检难以达到高精度的检验标准，尤其是在一些微小缺陷的检测上，往往会出现漏检或误检的情况。
3、为了克服传统人工目检方法的局限性，现有技术开始采用机器视觉技术来对电子烟缺陷进行检测，机器视觉技术通过模拟人类视觉系统的工作原理，利用计算机和图像处理技术对图像进行采集、处理和分析，从而实现对电子烟外观的识别、定位和故障检测等功能。然而，当使用机器视觉技术进行电子烟的缺陷检测时，虽然对于外观简单的电子烟表现出色，但在面对外观复杂的电子烟时，其缺陷检测的准确性却受到了挑战，尤其对于设计复杂、具有多样特征和纹理的电子烟，现有的机器视觉系统难以精确地识别和评估潜在的缺陷，导致了检测的不精准。
技术实现思路
1、本专利技术的目的就在于解决在面对外观复杂
2、在本专利技术实施的第一方面，首先提出一种基于机器视觉感知的电子烟缺陷检测方法，所述方法包括:
3、对目标图像进行多特征提取得到多种特征集，针对所述多种特征集中的每一特征都进行显著性图生成，对所有显著性图进行融合得到目标显著图；所述目标图像为拍摄的电子烟设备图像；
4、根据所述目标显著图确定所述目标图像中的异常区域，并将所述异常区域从所述目标图像中分割得到异常图像；
5、将所述异常图像带入骨干网络得到多级特征图，针对多级特征图，对每一等级特征图都进行混合注意力处理得到多个混合注意力特征图，对所有混合注意力特征图进行融合得到目标注意力特征图；
6、将所述目标注意力特征图作为预设异常感知模型的输入得到目标异常感知图；
7、将多级特征图和所述目标异常感知图带入预设缺陷检测模型得到目标缺陷参数，将所述目标缺陷参数与预设数据库中的参数进行比对得到缺陷类型；所述预设数据库用于保存不同缺陷类型对应的缺陷参数。
8、可选的，对目标图像进行多特征提取得到多种特征集，针对所述多种特征集中的每一特征都进行显著性图生成包括：
9、将所述目标图像从rgb转换到hsv颜色空间后，通过颜色直方图计算所述目标图像的每一像素对应的颜色显著性得分，保留所述目标图像中颜色显著性得分大于第一预设值的像素得到颜色显著性图；
10、通过滤波器对所述目标图像进行纹理特征提取得到纹理响应图集，根据每一纹理响应图对应的计算统计量确定所述目标图像中每一像素对应的纹理显著性得分，保留所述目标图像中纹理显著性得分大于第二预设值的像素得到纹理显著性图；
11、通过边缘检测算法计算所述目标图像得到边缘图，计算所述边缘图中每一像素点的边缘强度确定所述目标图像中每一像素对应的边缘显著性得分，保留所述目标图像中边缘显著性得分大于第三预设值的像素得到边缘显著性图。
12、可选的，根据所述目标显著图确定所述目标图像中的异常区域，并将所述异常区域从所述目标图像中分割得到异常图像包括：
13、通过超像素分割算法对所述目标图像进行分割得到超像素块集；
14、对每个超像素块计算显著性值的平均值，若该超像素块的平均值大于预设显著性值，则将该超像素块从所述目标图像中分离出来，将所有分离出来的超像素块映射到所述目标图像，得到只包含被分离的超像素块的异常图像。
15、可选的，对每一等级特征图都进行混合注意力处理得到多个混合注意力特征图，对所有混合注意力特征图进行融合得到目标注意力特征图包括：
16、对任一等级特征图，计算该等级特征图中的通道的重要性权重和位置的重要性权重，根据重要性权重和重要性权重对该等级特征图进行重塑得到重塑特征图；
17、通过1×1卷积核对所述重塑特征图进行卷积得到目标特征图，对所有目标特征图进行相加的得到目标注意力特征图。
18、可选的，将多级特征图和所述目标异常感知图带入预设缺陷检测模型得到目标缺陷参数包括：
19、针对每一特征图，分别与所述目标异常感知图进行外积计算得到多个外积矩阵；
20、对所有外积矩阵进行平均池化处理得到特征向量集，针对所述特征向量集，对所有特征向量进行加权求和得到目标特征向量；
21、将所述目标特征向量输入到全连接层，通过线性激活函数对所述目标特征进行处理得到目标缺陷参数。
22、在本专利技术实施的第二方面，提出一种基于机器视觉感知的电子烟缺陷检测装置，包括：
23、目标显著图确定模块，用于对目标图像进行多特征提取得到多种特征集，针对所述多种特征集中的每一特征都进行显著性图生成，对所有显著性图进行融合得到目标显著图；所述目标图像为拍摄的电子烟设备图像；
24、异常图像确定模块，用于根据所述目标显著图确定所述目标图像中的异常区域，并将所述异常区域从所述目标图像中分割得到异常图像；
25、目标注意力特征图确定模块，用于将所述异常图像带入骨干网络得到多级特征图，针对多级特征图，对每一等级特征图都进行混合注意力处理得到多个混合注意力特征图，对所有混合注意力特征图进行融合得到目标注意力特征图；
26、目标异常感知图确定模块，用于将所述目标注意力特征图作为预设异常感知模型的输入得到目标异常感知图；
27、缺陷类型确定模块，用于将多级特征图和所述目标异常感知图带入预设缺陷检测模型得到目标缺陷参数，将所述目标缺陷参数与预设数据库中的参数进行比对得到缺陷类型；所述预设数据库用于保存不同缺陷类型对应的缺陷参数。
28、可选的，所述目标显著图确定模块包括：
29、颜色显著性图确定模块，用于将所述目标图像从rgb转换到hsv颜色空间后，通过颜色直方图计算所述目标图像的每一像素对应的颜色显著性得分，保留所述目标图像中颜色显著性得分大于第一预设值的像素得到第一显著性图；
30、纹理显著性图确定模块，用于通过滤波器对所述目标图像进行纹理特征提取得到纹理响应图集，根据每一纹理响应图对应的计算统计量确定所述目标图像中每一像素对应的纹理显著性得分，保留所述目标图像中纹理显著性得分大于第二预设值的像素得到纹理显著性图；
31、本文档来自技高网...
【技术保护点】
1.一种基于机器视觉感知的电子烟缺陷检测方法，其特征在于，所述方法包括:
2.根据权利要求1所述的一种基于机器视觉感知的电子烟缺陷检测方法，其特征在于，对目标图像进行多特征提取得到多种特征集，针对所述多种特征集中的每一特征都进行显著性图生成包括：
3.根据权利要求1所述的一种基于机器视觉感知的电子烟缺陷检测方法，其特征在于，根据所述目标显著图确定所述目标图像中的异常区域，并将所述异常区域从所述目标图像中分割得到异常图像包括：
4.根据权利要求1所述的一种基于机器视觉感知的电子烟缺陷检测方法，其特征在于，对每一等级特征图都进行混合注意力处理得到多个混合注意力特征图，对所有混合注意力特征图进行融合得到目标注意力特征图包括：
5.根据权利要求1所述的一种基于机器视觉感知的电子烟缺陷检测方法，其特征在于，将多级特征图和所述目标异常感知图带入预设缺陷检测模型得到目标缺陷参数包括：
6.一种基于机器视觉感知的电子烟缺陷检测装置，其特征在于，所述装置包括:
7.根据权利要求6所述的一种基于机器视觉感知的电子烟缺陷检测装置，
8.根据权利要求6所述的一种基于机器视觉感知的电子烟缺陷检测装置，其特征在于，所述异常图像确定模块包括：
9.根据权利要求6所述的一种基于机器视觉感知的电子烟缺陷检测装置，其特征在于，所述目标注意力特征图确定模块包括：
10.根据权利要求6所述的一种基于机器视觉感知的电子烟缺陷检测装置，其特征在于，所述缺陷类型确定模块包括：
...【技术特征摘要】
1.一种基于机器视觉感知的电子烟缺陷检测方法，其特征在于，所述方法包括:
2.根据权利要求1所述的一种基于机器视觉感知的电子烟缺陷检测方法，其特征在于，对目标图像进行多特征提取得到多种特征集，针对所述多种特征集中的每一特征都进行显著性图生成包括：
3.根据权利要求1所述的一种基于机器视觉感知的电子烟缺陷检测方法，其特征在于，根据所述目标显著图确定所述目标图像中的异常区域，并将所述异常区域从所述目标图像中分割得到异常图像包括：
4.根据权利要求1所述的一种基于机器视觉感知的电子烟缺陷检测方法，其特征在于，对每一等级特征图都进行混合注意力处理得到多个混合注意力特征图，对所有混合注意力特征图进行融合得到目标注意力特征图包括：
5.根据权利要求1所述的...
【专利技术属性】
技术研发人员：吴金金，勾宗波，李光丽，
申请(专利权)人：深圳市卓美瑞科技有限公司，
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。