[发明专利]酒盖包装缺陷检测方法、装置、设备及存储介质

说明书

本发明涉及检测技术领域，公开了一种酒盖包装缺陷检测方法、装置、设备及存储介质，该方法包括：获取待检测酒盖包装的酒瓶图片，对酒瓶图片进行区域标定，得到标定区域；截取酒盖所在的区块图，得到待检测酒盖包装图片；将待检测酒盖包装图片输入至输入层进行预处理，得到特征图；将特征图输入至主干层进行类别特征提取，得到特征提取后的特征图；将特征图输入至颈层进行上采样和特征融合，得到融合后的特征图；将融合后的特征图输入至预测层进行检测，得到检测结果并根据检测结果剔除有缺陷的产品，可通过加载训练得到检测模型进行检测，剔除有缺陷的产品，解决采用人工识别缺陷消耗大量成本的问题，节省人工成本，提高工作效率。

技术领域

本发明涉及检测技术领域，尤其涉及一种酒盖包装缺陷检测方法、装置、设备及存储介质。

背景技术

计算机视觉是一门研究如何使机器看的科学，更进一步的说，就是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图形处理，使电脑处理成为更适合人眼观察或传送给仪器检测的图像。作为一个科学学科，计算机视觉研究相关的理论和技术，试图建立能够从图像或者多维数据中获取'信息'的人工智能系统。这里所指的信息指Shannon定义的，可以用来帮助做一个决定的信息。因为感知可以看作是从感官信号中提取信息，所以计算机视觉也可以看作是研究如何使人工系统从图像或多维数据中感知的科学。

而近年来深度学习在计算机视觉领域的飞速发展，让机器自动检测酒盖包装缺陷成为可能，以前厂家大多采用工人肉眼识别缺陷，这种方式会消耗大量的人力物力成本，已经难以满足智能信息时代的需求。

发明内容

本发明的主要目的在于提供一种酒盖包装缺陷检测方法、装置、设备及存储介质，旨在解决现有技术采用人工识别缺陷消耗大量人力物力成本的技术问题。

为实现上述目的，本发明提供了一种酒盖包装缺陷检测方法，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，所述方法包括以下步骤：

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。

可选地，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。

可选地，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；