[发明专利]一种识别产品缺陷的方法及装置有效
申请号: | 202010624487.6 | 申请日: | 2020-06-30 |
公开(公告)号: | CN111783886B | 公开(公告)日: | 2023-01-20 |
发明(设计)人: | 汤寅航;赵迪 | 申请(专利权)人: | 创新奇智(青岛)科技有限公司 |
主分类号: | G06V10/764 | 分类号: | G06V10/764;G06V10/80;G01N21/88 |
代理公司: | 北京超凡宏宇专利代理事务所(特殊普通合伙) 11463 | 代理人: | 李飞 |
地址: | 266200 山东省青岛市*** | 国省代码: | 山东;37 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 识别 产品 缺陷 方法 装置 | ||
本申请实施例提供一种识别产品缺陷的方法及装置,所述方法包括:向第一级分类器输入待识别的蛋筒图像;获取初步分类结果,其中,所述初步分类结果包括粗分类结果以及与所述粗分类结果对应的瑕疵区域,所述粗分类结果包括边缘破损或者底部破损;向第二级分类器输入所述粗分类结果和所述瑕疵区域;获取所述瑕疵区域内的瑕疵分类结果。本申请实施例通过对蛋筒不同区域产生瑕疵的具体分析,构建了级联分类器,可有效提升蛋筒瑕疵判别准确率。
技术领域
本申请涉及蛋筒产品缺陷识别领域,具体涉及一种识别产品缺陷的方法及装置。
背景技术
在实际工业生产中,同一类别的产品往往出现多种不同种类的瑕疵,而对瑕疵类别准确的认定有利于工厂进行后续的统计,从而进一步对产线流程作出针对性的改造升级,减少不良品的数量。因此,对瑕疵种类的精确划分具有重要意义。
现有的技术对不同瑕疵往往直接采用基本的分类模型进行类别判定,这种方法忽视了不同瑕疵从属于同一类产品这一关联性,不能有效利用瑕疵之间的关联性和差异,从而使得分类准确率提升受限。此外,针对不同瑕疵的有鉴别性区域的定位往往需要对其进行标注,而这种精细化的标注增加了标注的成本。
发明内容
本申请实施例的目的在于提供一种识别产品缺陷的方法及装置,通过对蛋筒不同区域产生瑕疵的具体分析,构建了级联分类器,可有效提升蛋筒瑕疵判别准确率。此外,本申请实施例在第一级分类器引入基于自监督机制的细粒度分类方法,该方法有效结合蛋筒瑕疵和蛋筒整体的从属关系,通过自监督定位对分类最有效的信息区域,能够最大程度的避免对有鉴别性区域标注的困难。
第一方面,本申请实施例提供一种识别产品缺陷的方法,所述方法包括:向第一级分类器输入待识别的蛋筒图像;获取初步分类结果,其中,所述初步分类结果包括粗分类结果以及与所述粗分类结果对应的瑕疵区域,其中,所述粗分类结果包括边缘破损或者底部破损;向第二级分类器输入所述粗分类结果和所述瑕疵区域;获取所述瑕疵区域内的瑕疵分类结果。
本申请实施例将一张蛋筒图像输入第一级分类器,可实现对蛋筒图像的粗分类以及有效信息区域的定位,将两部分信息同时输入到二级分类器,根据二级分类器对不同区域的分类方法实现类别的划分,最后输出蛋筒图像的类别,采用级联两个分类器从而提升分类准确率。
在一些实施例中,所述向第二级分类器输入所述粗分类结果和所述瑕疵区域之前,所述方法还包括确认所述初步分类结果属于不可接收缺陷的分类结果时直接输出所述不可接收缺陷的分类结果,其中,所述不可接收缺陷分类结果包括:碎蛋筒、双蛋筒或者蛋筒缺失。
本申请实施例根据实际产线对某些瑕疵的破损程度可接受程度不一,对于某些不可接收的缺陷分类比如对于碎蛋筒、双蛋筒、蛋筒缺失等瑕疵,一旦出现,就是不可接受的,因此这些类别的可直接通过第一级分类器输出分类结果,无需送入第二级分类器,节省了数据处理的量。
在一些实施例中,所述第一级分类器采用自监督机制获取所述初步分类结果。
本申请实施例采用一种基于自监督机制的细粒度分类方法,该方法能够有效定位对分类结果最有效的区域,节省了数据标注的工作量。
在一些实施例中,所述的粗分类结果包括边缘破损,所述瑕疵区域为边缘破损区域;所述获取所述瑕疵区域内的瑕疵分类结果,包括:根据所述边缘破损区域中边缘破损的长度获取所述边缘破损区域中的破损属于轻微可接受破损还是严重不可接收破损。
本申请实施例采用二级分类器是去判定边缘破损的瑕疵是否可接受,具体地可以结合边缘破损的尺寸来判断具有边缘瑕疵的产品是否可接受。例如,将边缘破损图像输入第二级分类器,该网络结构可采用mobilenet等轻量级网络,这是一个二分类网络,即根据破损尺寸判定边缘破损为轻微破损还是严重破损;这里的规则判定作为分类网络结果的一个补充验证,即将两部分结果进行融合判定最终的类别。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于创新奇智(青岛)科技有限公司,未经创新奇智(青岛)科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202010624487.6/2.html,转载请声明来源钻瓜专利网。