【技术实现步骤摘要】
本申请涉及数据处理，具体而言，涉及一种玻璃缺陷检测方法及装置。
技术介绍
1、玻璃瓶作为一种常见的包装容器，在各种工业领域和生活中广泛应用。然而，由于生产过程中的各种因素，如材料不均匀性、生产工艺等，玻璃瓶常常会出现一些缺陷，如黑点、裂纹、油灰、气泡和合缝线缺陷。这些缺陷不仅影响了玻璃瓶的美观性，还可能降低其强度和密封性能，从而影响产品质量和安全。现有的技术中，通常通过人工目视的方式检查玻璃瑕疵，然而在实践中发现，现有方法存在效率低、主观性强、易出错等问题。
技术实现思路
1、本申请实施例的目的在于提供一种玻璃缺陷检测方法及装置，能够自动进行玻璃缺陷检测，不需要人工参与，有利于提高检测效率。
2、本申请第一方面提供了一种玻璃缺陷检测方法，包括：
3、获取玻璃缺陷图像样本集和缺陷检测配置参数；
4、基于所述缺陷检测配置参数和所述玻璃缺陷图像样本集构建训练数据集和验证数据集；
5、基于所述训练数据集和所述缺陷检测配置参数计算确定模型大小参数；
6、根据所述模型大小参数构建深度卷积网络模型；
7、对所述深度卷积网络模型的网络结构进行调整，得到待训练模型；
8、通过所述训练数据集和所述验证数据集对所述待训练模型进行训练，得到训练好的玻璃缺陷检测模型；
9、获取待检测玻璃图像；
10、通过所述玻璃缺陷检测模型对所述待检测玻璃图像进行缺陷预测，得到缺陷预测结果；
11、根据所
12、输出所述缺陷预测结果、所述黑点缺陷区域以及所述合缝线缺陷区域。
13、进一步地，所述获取玻璃缺陷图像样本集和缺陷检测配置参数，包括：
14、获取原始玻璃缺陷图像和缺陷检测配置参数；其中，所述缺陷检测配置参数至少包括最小检测缺陷尺寸、图像分辨率以及图片总数量；
15、对所述原始玻璃缺陷图像进行标注处理，得到标注图像样本；
16、基于所述标注图像样本构建玻璃缺陷图像样本集。
17、进一步地，所述基于所述缺陷检测配置参数和所述玻璃缺陷图像样本集构建训练数据集和验证数据集，包括：
18、获取训练数据比例取值范围；
19、根据所述最小检测缺陷尺寸计算图片训练尺寸；
20、根据所述图片训练尺寸对所述玻璃缺陷图像样本集的图像大小进行调整处理，得到处理图像样本集；
21、基于所述缺陷检测配置参数，构建损失函数；
22、根据所述训练数据比例取值范围和所述损失函数，计算训练数据比例；
23、根据所述训练数据比例对所述处理图像样本集进行划分处理，得到训练数据集和验证数据集。
24、进一步地，所述基于所述训练数据集和所述缺陷检测配置参数计算确定模型大小参数，包括：
25、确定所述训练数据集的训练数据量；
26、根据所述训练数据量、所述最小检测缺陷尺寸和所述图片训练尺寸，计算模型大小分值；
27、根据所述模型大小分值确定模型大小参数；其中，所述模型大小参数至少包括卷积核个数和卷积核尺寸。
28、进一步地，所述根据所述缺陷预测结果进行黑点缺陷检测，得到黑点缺陷区域，包括：
29、根据所述缺陷预测结果确定潜在缺陷区域；
30、获取每个所述潜在缺陷区域的缺陷区域数据；其中，所述缺陷区域数据至少包括缺陷区域像素面积、缺陷区域平均像素灰度值以及缺陷区域置信度分数；
31、根据所述缺陷区域数据计算每个所述潜在缺陷区域对应的黑点分数值；
32、根据所述黑点分数值和预设的黑点分数阈值从所述潜在缺陷区域中确定黑点缺陷区域。
33、进一步地，所述根据所述缺陷预测结果进行合缝线缺陷检测，得到合缝线缺陷区域，包括：
34、获取每个所述潜在缺陷区域中合缝线的合缝线数据；其中，所述合缝线数据至少包括已被标注的合缝线坐标、图片宽高、图片分辨率以及相机焦距；
35、根据所述合缝线数据计算每个所述潜在缺陷区域对应的合缝线宽度；
36、根据所述合缝线宽度和预设的合缝线宽度阈值从所述潜在缺陷区域中确定合缝线缺陷区域。
37、本申请第二方面提供了一种玻璃缺陷检测装置，所述玻璃缺陷检测装置包括：
38、第一获取单元，用于获取玻璃缺陷图像样本集和缺陷检测配置参数；
39、数据集构建单元，用于基于所述缺陷检测配置参数和所述玻璃缺陷图像样本集构建训练数据集和验证数据集；
40、计算单元，用于基于所述训练数据集和所述缺陷检测配置参数计算确定模型大小参数；
41、模型构建单元，用于根据所述模型大小参数构建深度卷积网络模型；
42、模型调整单元，用于对所述深度卷积网络模型的网络结构进行调整，得到待训练模型；
43、模型训练单元，用于通过所述训练数据集和所述验证数据集对所述待训练模型进行训练，得到训练好的玻璃缺陷检测模型；
44、第二获取单元，用于获取待检测玻璃图像；
45、缺陷预测单元，用于通过所述玻璃缺陷检测模型对所述待检测玻璃图像进行缺陷预测，得到缺陷预测结果；
46、黑点检测单元，用于根据所述缺陷预测结果进行黑点缺陷检测，得到黑点缺陷区域；
47、合缝线检测单元，用于根据所述缺陷预测结果进行合缝线缺陷检测，得到合缝线缺陷区域；
48、输出单元，用于输出所述缺陷预测结果、所述黑点缺陷区域以及所述合缝线缺陷区域。
49、进一步地，所述第一获取单元包括：
50、第一获取子单元，用于获取原始玻璃缺陷图像和缺陷检测配置参数；其中，所述缺陷检测配置参数至少包括最小检测缺陷尺寸、图像分辨率以及图片总数量；
51、标注子单元，用于对所述原始玻璃缺陷图像进行标注处理，得到标注图像样本；
52、第一构建子单元，用于基于所述标注图像样本构建玻璃缺陷图像样本集。
53、进一步地，所述数据集构建单元包括：
54、第二获取子单元，用于获取训练数据比例取值范围；
55、第一计算子单元，用于根据所述最小检测缺陷尺寸计算图片训练尺寸；
56、调整子单元，用于根据所述图片训练尺寸对所述玻璃缺陷图像样本集的图像大小进行调整处理，得到处理图像样本集；
57、第二构建子单元，用于基于所述缺陷检测配置参数，构建损失函数；
58、第二计算子单元，用于根据所述训练数据比例取值范围和所述损失函数，计算训练数据比例；
59、划分子单元，用于根据所述训练数据比例对所述处理图像样本集进行划分处理，得到训练数据集和验证数据集。
60、进一步地，所述计算单元包括：...
【技术保护点】
1.一种玻璃缺陷检测方法，其特征在于，包括：
2.根据权利要求1所述的玻璃缺陷检测方法，其特征在于，所述获取玻璃缺陷图像样本集和缺陷检测配置参数，包括：
3.根据权利要求2所述的玻璃缺陷检测方法，其特征在于，所述基于所述缺陷检测配置参数和所述玻璃缺陷图像样本集构建训练数据集和验证数据集，包括：
4.根据权利要求2所述的玻璃缺陷检测方法，其特征在于，所述基于所述训练数据集和所述缺陷检测配置参数计算确定模型大小参数，包括：
5.根据权利要求1所述的玻璃缺陷检测方法，其特征在于，所述根据所述缺陷预测结果进行黑点缺陷检测，得到黑点缺陷区域，包括：
6.根据权利要求5所述的玻璃缺陷检测方法，其特征在于，所述根据所述缺陷预测结果进行合缝线缺陷检测，得到合缝线缺陷区域，包括：
7.一种玻璃缺陷检测装置，其特征在于，所述玻璃缺陷检测装置包括：
8.根据权利要求7所述的玻璃缺陷检测装置，其特征在于，所述第一获取单元包括：
9.一种电子设备，其特征在于，所述电子设备包括存储器以及处理器，所述存储器用于存储
10.一种可读存储介质，其特征在于，所述可读存储介质中存储有计算机程序指令，所述计算机程序指令被一处理器读取并运行时，执行权利要求1至6任一项所述的玻璃缺陷检测方法。
...【技术特征摘要】
1.一种玻璃缺陷检测方法，其特征在于，包括：
2.根据权利要求1所述的玻璃缺陷检测方法，其特征在于，所述获取玻璃缺陷图像样本集和缺陷检测配置参数，包括：
3.根据权利要求2所述的玻璃缺陷检测方法，其特征在于，所述基于所述缺陷检测配置参数和所述玻璃缺陷图像样本集构建训练数据集和验证数据集，包括：
4.根据权利要求2所述的玻璃缺陷检测方法，其特征在于，所述基于所述训练数据集和所述缺陷检测配置参数计算确定模型大小参数，包括：
5.根据权利要求1所述的玻璃缺陷检测方法，其特征在于，所述根据所述缺陷预测结果进行黑点缺陷检测，得到黑点缺陷区域，包括：
6.根据权利要求5所述的玻璃缺陷检...
【专利技术属性】
技术研发人员：何山，夏会，郭长国，何晓晔，朱鸿基，
申请(专利权)人：渝州大数据实验室，
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。