本发明主要涉及图像识别,尤其是涉及一种亚像素玻瓶气泡精确分割方法。
背景技术:
1、玻瓶检测是酒类、医药等行业领域十分关注的技术问题。玻瓶成型工艺过程中,由于多种原因可能造成玻瓶瓶身内存在残留气泡,不仅影响玻瓶外观,也可能影响玻瓶质量。因此,针对玻瓶气泡检测,是相关行业的主要检测项目之一。传统针对玻瓶气泡检测,往往采用人工视觉检测的方式,通过人眼对玻瓶进行多角度、变换不同照明方式,进行气泡筛查。这种方式不仅效率较低,同时受到检测人员主观因素影响,有可能造成误检或漏检。
2、yolov5x是一种深度学习目标检测模型,常用于对图片中的物体进行分类并且标出物体的所在位置,在工业计算机视觉领域用于相关物体的识别以及定位。
技术实现思路
1、本发明所要解决的技术问题:
2、提供一种亚像素玻瓶气泡精确分割方法,解决传统玻瓶检测主要依靠人工视觉检测,检测精度和效率不高,容易造成误检和漏检的问题。
3、本发明解决上述技术问题所采用的技术方案:
4、一种亚像素玻瓶气泡精确分割方法,包括以下步骤:
5、采集玻瓶气泡图像;
6、对采集的玻瓶气泡图像进行预处理,提高图像分辨率;
7、基于yolov5x建立玻瓶气泡分割模型,用经过预处理后的玻瓶气泡图像对气泡分割模型进行训练;
8、对待检测玻瓶气泡图像进行检测。
9、进一步的,在采集玻瓶气泡图像时,设置双远心镜头配合远心光源对玻瓶打光。
10、进一步的,对采集的玻瓶气泡图像进行预处理具体包括:使用反卷积将玻瓶气泡图像上采样至更高的分辨率,再通过学习低分辨率图像和高分辨率图像之间的映射关系从低分辨率的图像中恢复出高分辨率图像中的气泡边界,并对其进行人工标注。
11、进一步的,基于yolov5x检测模型建立玻瓶气泡分割模型具体包括:在yolov5x检测模型中加入空洞卷积和空洞空间金字塔池化。
12、进一步的,基于yolov5x建立玻瓶气泡分割模型具体包括:在yolov5x中加入空洞卷积,进行空洞空间金字塔池化捕捉不同尺度的玻瓶气泡图像特征。
13、进一步的,用进行人工标注后的玻瓶气泡图像训练yolov5x玻瓶气泡分割模型:
14、对玻瓶气泡图像进行数据类型转换;对转换后的图片数据进行空洞卷积获取多层关联的的玻瓶气泡特征图像;基于可分离空洞卷积和add加法器组成池化金字塔,用concatenate串级连接器将每层得到的玻瓶气泡特征图进行池化,得到多个不同尺度的玻瓶气泡特征,将池化后的玻瓶气泡特征与池化原图进行融合获取全尺寸的玻瓶气泡特征图像;最后将全尺寸的玻瓶气泡图像特征与人工标注的玻瓶气泡图像进行融合;将融合后的图像输入yolov5x模型中进行气泡分割。
15、本发明的有益效果:
16、本发明提供一种亚像素玻瓶气泡精确分割方法,首先对样品玻瓶进行照明方式优化,在固定打光条件下从玻瓶内外多角度拍摄玻瓶表面图像,通过图像预处理手段对气泡图像进行特征增强。接下来结合人工标注和机器学习训练,完成基于机器学习的气泡精确分割模型的构建。在此基础上,完成对待测玻瓶的亚像素级的玻瓶气泡精确分割。具有分割精度高、分割准确率高及执行高效的优势,可为玻瓶气泡的离线或在线检测提供一种有效手段。
1.一种亚像素玻瓶气泡精确分割方法,其特征在于,包括:
2.根据权利要求1所述的一种亚像素玻瓶气泡精确分割方法,其特征在于,在采集玻瓶气泡图像时,设置双远心镜头配合远心光源对玻瓶打光。
3.根据权利要求2所述的一种亚像素玻瓶气泡精确分割方法,其特征在于,对采集的玻瓶气泡图像进行预处理具体包括:使用反卷积将玻瓶气泡图像上采样至更高的分辨率,再通过学习低分辨率图像和高分辨率图像之间的映射关系从低分辨率的图像中恢复出高分辨率图像中的气泡边界,并对其进行人工标注。
4.根据权利要求3所述的一种亚像素玻瓶气泡精确分割方法,其特征在于,基于yolov5x模型建立玻瓶气泡分割模型具体包括:在yolov5x模型中加入空洞卷积,进行空洞空间金字塔池化捕捉不同尺度的玻瓶气泡图像特征。
5.根据权利要求4所述的一种亚像素玻瓶气泡精确分割方法,其特征在于,用进行人工标注后的玻瓶气泡图像训练yolov5x玻瓶气泡分割模型: