[发明专利]基于深度分割网络的包覆药形状缺陷检测算法

权利要求书

1.基于深度分割网络的包覆药形状缺陷检测算法，其特征在于，包括以下步骤：

步骤1，每张图像按照亮度增强、对称翻转、增加噪声图像增广的预处理方式实现图像数据集扩充，并完成数据标注任务，得到分割训练数据集；

步骤2，根据包覆药实际尺寸信息和步骤1采集到的图像数据信息，通过棋盘格方法完成相机的标定，确定包覆药实际尺寸与像素尺寸之间的关系；

步骤3，搭建深度分割神经网络，并利用步骤1生成的分割训练数据集训练该神经网络，得到训练好的网络参数；

步骤4，将步骤1的分割训练数据集和实际生产线生成的分割应用数据集输入到步骤3训练好的深度分割神经网络中，得到包覆药的分割信息；

步骤5，利用Open CV库函数对步骤4生成的包覆药分割信息进行处理，得到包覆药周长、面积、矩形比形状信息及包覆药的边界矩形，并基于包覆药形状信息完成包覆药的初分类；同时根据包覆药边界矩形对输入图像进行裁剪，裁剪后的图像作为分类神经网络的输入，其中，将步骤4中的分割训练数据集裁剪后的图像数据作为分类训练数据集，分割应用数据集裁剪后的图像数据作为分类应用数据集；

步骤6，搭建分类神经网络，并利用步骤5生成的分类训练数据集训练该分类神经网络，得到训练好的网络参数；

步骤7，将步骤5得到的分类应用数据集输入步骤6训练好的神经网络当中，并联合步骤5得到的初分类结果完成包覆药的再分类，同时做出决策：若包覆药为过长包覆药、过短包覆药、斜角包覆药及粘连包覆药，则包覆药检测结果为缺陷包覆药；若包覆药为正常包覆药，则包覆药检测结果为正常包覆药；

步骤8，中央控制器将步骤7得到的检测结果作为输出信号，控制机械装置动作，实现缺陷包覆药的智能离群。

2.根据权利要求1所述的方法，其特征在于步骤5包括：

步骤5-1，利用Open CV库函数对步骤4得到的包覆药分割信息进行处理，得到包覆药周长、面积、矩形形状信息及包覆药的边界矩形，并基于包覆药形状信息完成包覆药的初分类：若周长c大于阈值T_c1，则包覆药为过长包覆药或粘连包覆药；若周长c小于阈值T_c2，则包覆药为过短包覆药；若面积r_s大于阈值T_s1，则包覆药为粘连包覆药或过长包覆药：若矩形比r大于阈值T_r，则包覆药为斜角包覆药：

其中，r_s为包覆药分割面积，r_e为包覆药外接矩形面积；

步骤5-2，根据步骤5-1得到的包覆药边界矩形对原始图像进行裁剪，裁剪后的图像作为分类神经网络的输入，其中，将步骤4中的分割训练数据集裁剪后的图像数据作为分类训练数据集，分割应用数据集裁剪后的图像数据作为分类应用数据集。

3.根据权利要求1所述的方法，其特征在于步骤8包括：

步骤8-1，智能分类装置包括防爆相机、中央处理器、气动装置①、气动装置②、合格箱、废料箱和送料装置；防爆相机实时采集送料装置上的包覆药图像信息，并将图像信息输送至中央处理器；中央处理器利用基于深度分割网络的神经网络对包覆药形状进行缺陷检测，检测结果作为输出信号控制气动装置动作；

步骤8-2，根据步骤8-1得到的控制信号控制气动装置动作：若输出信号为正常信号，则中央控制器控制气动装置①动作，把包覆药送入合格箱中；若输出信号为缺陷信号，则中央控制器控制气动装置②动作，把包覆药送入废料箱中。