本技术涉及智能检测,且更为具体地,涉及一种灯检机及其方法。
背景技术:
1、在医药机械设备领域中,灯检机是一种利用光学成像、计算机对图像进行比较原理,对已包装药瓶质量进行自动化智能检测的专用设备。计算机分析采集到的图像数据,对成品药瓶的质量进行判断,并对不合格药瓶进行剔除。
2、但是,因药瓶缺陷种类众多,包括但不限于顶部形状缺陷,瓶内异物、可见异物杂质,导致在基于机器视觉进行药瓶不合格检测时,其检测的精准度不高。
3、因此,期待一种优化的灯检机。
技术实现思路
1、为了解决上述技术问题,提出了本技术。本技术的实施例提供了一种灯检机及其方法。其首先获取待检测药瓶的检测图像和参考图像,接着,将所述检测图像和所述参考图像分别通过基于自动编解码器的图像像素增强器得到的增强检测图像和增强参考图像通过双重检测模型以得到检测特征图和参考特征图,然后,计算所述检测特征图和所述参考特征图之间的差分特征图,接着,将所述差分特征图通过通道注意力模块以得到通道增强差分特征图,最后,对所述通道增强差分特征图进行特征值区分度强化后通过分类器以得到用于表示待检测药瓶是否合格的分类结果。通过这样的方式,可以提升检测的精准度。
2、根据本技术的一个方面,提供了一种灯检机,其包括:
3、摄像模块,用于获取待检测药瓶的检测图像;
4、参考图像获取模块,用于获取参考图像,所述参考图像为合格药瓶的检测图像;
5、分辨率增强模块,用于将所述检测图像和所述参考图像分别通过基于自动编解码器的图像像素增强器以得到增强检测图像和增强参考图像;
6、孪生检测模块,用于将所述增强检测图像和所述增强参考图像通过包含第一图像编码器和第二图像编码器的双重检测模型以得到检测特征图和参考特征图,其中,所述第一图像编码器和所述第二图像编码器具有相同的网络结构;
7、差分模块,用于计算所述检测特征图和所述参考特征图之间的差分特征图;
8、通道增强模块,用于将所述差分特征图通过通道注意力模块以得到通道增强差分特征图;
9、再增强模块,用于对所述通道增强差分特征图进行特征值区分度强化以得到再增强差分特征图;
10、检测结果生成模块,用于将所述再增强差分特征图通过分类器以得到分类结果,所述分类结果用于表示待检测药瓶是否合格。
11、在上述的灯检机中,所述分辨率增强模块,包括:
12、检测编码单元,用于通过所述基于自动编解码器的图像像素增强器的编码器使用卷积层对所述检测图像进行显式空间编码以得到图像特征;
13、检测解码单元,用于通过所述基于自动编解码器的图像像素增强器的解码器使用反卷积层对所述图像特征进行反卷积处理以得到所述增强检测图像。
14、在上述的灯检机中,所述第一图像编码器和所述第二图像编码器为金字塔网络。
15、在上述的灯检机中,所述差分模块,用于:
16、使用以下公式计算所述检测特征图和所述参考特征图之间的所述差分特征图;
17、其中,所述公式为:
18、。
19、其中,表示所述差分特征图,表示所述检测特征图,表示所述参考特征图,表示按位置减法。
20、在上述的灯检机中,所述通道增强模块,用于:
21、将所述差分特征图输入所述并行权重分配模块的通道注意力模块的多层卷积层以得到差分卷积特征图;
22、计算所述差分卷积特征图的沿通道维度的各个特征矩阵的全局均值以得到通道特征向量;
23、将所述通道特征向量输入所述sigmoid激活函数以得到通道注意力权重向量;
24、以所述通道注意力权重向量中各个位置的特征值作为权重分别对所述差分卷积特征图的沿通道维度的各个特征矩阵进行加权以得到所述通道增强差分特征图。
25、在上述的灯检机中,所述再增强模块,用于:
26、以如下公式对所述通道增强差分特征图进行特征值区分度强化以得到所述再增强差分特征图;
27、其中,所述公式为:
28、。
29、其中,是所述再增强差分特征图,是所述通道增强差分特征图,和是预定超参数,和表示特征图的按位置加法和减法,除法表示特征图的每个位置除以相应值,且表示通过单个卷积层的卷积操作。
30、在上述的灯检机中,所述检测结果生成模块,包括:
31、展开单元,用于将所述再增强差分特征图按照行向量或列向量展开为分类特征向量;
32、全连接编码单元,用于使用所述分类器的多个全连接层对所述分类特征向量进行全连接编码以得到编码分类特征向量;
33、分类单元,用于将所述编码分类特征向量通过所述分类器的softmax分类函数以得到所述分类结果。
34、根据本技术的另一个方面,提供了一种灯检机的检测方法,其包括:
35、获取待检测药瓶的检测图像;
36、获取参考图像,所述参考图像为合格药瓶的检测图像;
37、将所述检测图像和所述参考图像分别通过基于自动编解码器的图像像素增强器以得到增强检测图像和增强参考图像;
38、将所述增强检测图像和所述增强参考图像通过包含第一图像编码器和第二图像编码器的双重检测模型以得到检测特征图和参考特征图,其中,所述第一图像编码器和所述第二图像编码器具有相同的网络结构;
39、计算所述检测特征图和所述参考特征图之间的差分特征图;
40、将所述差分特征图通过通道注意力模块以得到通道增强差分特征图;
41、对所述通道增强差分特征图进行特征值区分度强化以得到再增强差分特征图;
42、将所述再增强差分特征图通过分类器以得到分类结果,所述分类结果用于表示待检测药瓶是否合格。
43、在上述的灯检机的检测方法中,将所述检测图像和所述参考图像分别通过基于自动编解码器的图像像素增强器以得到增强检测图像和增强参考图像,包括:
44、通过所述基于自动编解码器的图像像素增强器的编码器使用卷积层对所述检测图像进行显式空间编码以得到图像特征;
45、通过所述基于自动编解码器的图像像素增强器的解码器使用反卷积层对所述图像特征进行反卷积处理以得到所述增强检测图像。
46、在上述的灯检机的检测方法中,所述第一图像编码器和所述第二图像编码器为金字塔网络。
47、与现有技术相比,本技术提供的灯检机及其方法,其首先获取待检测药瓶的检测图像和参考图像,接着,将所述检测图像和所述参考图像分别通过基于自动编解码器的图像像素增强器得到的增强检测图像和增强参考图像通过双重检测模型以得到检测特征图和参考特征图,然后,计算所述检测特征图和所述参考特征图之间的差分特征图,接着,将所述差分特征图通过通道注意力模块以得到通道增强差分特征图,最后,对所述通道增强差分特征图进行特征值区分度强化后通过分类器以得到用于表示待检测药瓶是否合格的分类结果。通过这样的方式,可以提升检测的精准度。