酒盖包装缺陷检测方法、装置、设备及存储介质

本发明涉及检测，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：

1、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。

2、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。

技术实现思路

1、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。

2、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：

3、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；

4、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；

5、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；

6、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；

7、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；

8、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。

9、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：

10、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；

11、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；

12、对所述二值化图片进行膨胀操作，得到膨胀图片；

13、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。

14、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：

15、获取酒盖包装缺陷的数据集；

16、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；

17、通过训练集对所述yolov5网络模型进行训练。

18、可选地，所述通过训练集对所述yolov5网络模型进行训练，包括：

19、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；

20、将预测框与真实框进行比对，计算出损失函数；

21、通过所述损失函数计算调节权重参数；

22、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。

23、可选地，所述获取酒盖包装缺陷的数据集，包括：

24、获取预设数量的酒盖包装缺陷照片；

25、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；

26、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；

27、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。

28、可选地，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：

29、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；

30、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；

31、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。

32、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，包括：

33、将所述待检测酒盖包装图片通过随机裁剪、随机缩放以及随机排布后进行拼接以实现马赛克数据增强，得到数据增强后的待检测酒盖包装图片；

34、对所述数据增强后的待检测酒盖包装图片进行自适应锚框计算以及自适应图片缩放处理，得到缩放后的待检测酒盖包装图片；

35、对所述缩放后的待检测酒盖包装图片进行图像角度校正、增大对比度以及减小噪声比重的调整，得到特征图。

36、此外，为实现上述目的，本发明还提出一种酒盖包装缺陷检测装置，所述酒盖包装缺陷检测装置包括：

37、标定模块，用于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；

38、截取模块，用于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；

39、预处理模块，用于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；

40、提取模块，用于将所述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；

41、融合模块，用于将所述特征提取后的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；

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

43、此外，为实现上述目的，本发明还提出一种酒盖包装缺陷检测设备，所述酒盖包装缺陷检测设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的酒盖包装缺陷检测程序，所述酒盖包装缺陷检测程序配置为实现如上文所述的酒盖包装缺陷检测方法的步骤。

44、此外，为实现上述目的，本发明还提出一种存储介质，所述存储介质上存储有酒盖包装缺陷检测程序，所述酒盖包装缺陷检测程序被处理器执行时实现如上文所述的酒盖包装缺陷检测方法的步骤。

45、本发明通过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。