[发明专利]酒盖包装缺陷检测方法、装置、设备及存储介质

权利要求书

1.一种酒盖包装缺陷检测方法，其特征在于，所述酒盖包装缺陷检测方法应用于YOLOv5网络模型，所述YOLOv5网络模型包括：输入层、主干层、颈层以及预测层，所述方法包括：

获取待检测酒盖包装的酒瓶图片，对所述待检测酒盖包装的酒瓶图片进行区域标定，得到标定区域，其中所述标定区域为对酒盖上下截图的阈值和左右偏移的范围；

根据所述标定区域截取所述待检测酒盖包装的酒瓶图片中酒盖所在的区块图，得到待检测酒盖包装图片；

将所述待检测酒盖包装图片输入至所述输入层进行预处理，得到特征图；

将所述特征图输入至所述主干层进行类别特征提取，得到特征提取后的特征图；

将所述特征提取后的特征图输入至所述颈层进行上采样和特征融合，得到融合后的特征图；

将所述融合后的特征图输入至所述预测层进行检测，得到检测结果，并根据所述检测结果剔除有缺陷的产品。

2.如权利要求1所述的方法，其特征在于，所述根据所述标定区域截取所述待检测酒盖包装的酒瓶图片中酒盖所在的区块图，得到待检测酒盖包装图片，包括：

根据所述标定区域截取所述待检测酒盖包装的酒瓶图片中酒盖所在的区块图；

对酒盖所在的区块图进行二值化处理，去除所述待检测酒盖包装图片中与酒盖无关的阴影区域，得到二值化图片；

对所述二值化图片进行膨胀操作，得到膨胀图片；

从所述膨胀图片中选取最大轮廓的外边框作为酒盖区域并在酒盖所在的区块图上进行截取，得到待检测酒盖包装图片。

3.如权利要求1所述的方法，其特征在于，所述将所述待检测酒盖包装图片输入至所述输入层进行预处理，得到特征图之前，还包括：

获取酒盖包装缺陷的数据集；

将所述酒盖包装缺陷的数据集根据预设比例分为训练集与验证集；

通过训练集对所述YOLOv5网络模型进行训练。

4.如权利要求3所述的方法，其特征在于，所述通过训练集对所述YOLOv5网络模型进行训练，包括：

将所述训练集输入至所述YOLOv5网络模型中，输出预测框以及标签；

将预测框与真实框进行比对，计算出损失函数；

通过所述损失函数计算调节权重参数；

通过所述调节权重参数调节所述YOLOv5网络模型，以完成对所述YOLOv5网络模型的训练。

5.如权利要求3所述的方法，其特征在于，所述获取酒盖包装缺陷的数据集，包括：

获取预设数量的酒盖包装缺陷照片；

对所述预设数量的酒盖包装缺陷照片根据清晰度进行筛选，得到筛选后的酒盖包装缺陷照片；

对所述筛选后的酒盖包装缺陷照片进行格式转换，得到目标格式的酒盖包装缺陷照片；

根据标签信息通过图像标注插件对所述目标格式的酒盖包装缺陷照片进行标注，得到酒盖包装缺陷的数据集，其中，所述标签信息包括酒盖破损、喷码正常、酒盖断点、酒盖坏边、酒盖打旋以及酒盖变形。

6.如权利要求1所述的方法，其特征在于，所述将所述融合后的特征图输入至所述预测层进行检测，得到检测结果，并根据所述检测结果剔除有缺陷的产品，包括：

将所述融合后的特征图输入至所述预测层，根据所述融合后的特征图中的特征信息选取所述预测层中对应的检测模块，其中，所述预测层中包括不同维度的检测模块，不同检测模块中被检测图片被划分为对应尺寸的网格大小，分别用于检测大、中、小目标；

根据所述对应的检测模块将所述融合后的特征图划分为对应尺寸的网格大小并进行计算，得到所述待检测酒盖包装图片中酒盖包装缺陷的预测框位置；

将所述预测框位置以及对应的标签显示在所述待检测酒盖包装图片中，得到可视化的检测结果。