CN113781460A - 烟包外观缺陷在线检测方法、装置、电子设备和存储介质 - Google Patents
烟包外观缺陷在线检测方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN113781460A CN113781460A CN202111089325.8A CN202111089325A CN113781460A CN 113781460 A CN113781460 A CN 113781460A CN 202111089325 A CN202111089325 A CN 202111089325A CN 113781460 A CN113781460 A CN 113781460A
- Authority
- CN
- China
- Prior art keywords
- sample image
- feedback information
- cigarette packet
- local
- image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30242—Counting objects in image
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Biochemistry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Signal Processing (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Quality & Reliability (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本申请的实施例提供了烟包外观缺陷在线检测方法、装置、电子设备和存储介质。方法包括从本地生产线或从云端获取样本图像和反馈信息,样本图像为在烟包外观缺陷检测过程中错误识别的烟包的图像,反馈信息为与样本图像实际对应的检测结果;根据样本图像和反馈信息训练缺陷识别模型;将样本图像和反馈信息上传至云端。以此方式,可以用被错误识别的样本图像和对应该样本图像对应的反馈信息对缺陷识别模型进一步训练,并且将样本图像和反馈信息上传至云端,本地生产线也可以从云端获取其他生产线上传的样本图像和反馈信息来训练缺陷识别模型,实现多条生产线的信息共享,便于统一全生产线模型训练的精度。
Description
技术领域
本申请的实施例涉及烟支生产领域,并且更具体地,涉及烟包外观缺陷在线检测方法、装置、电子设备和存储介质。
背景技术
制烟生产时,烟支在包装机中进行包装后,形成烟包,烟包通过传送带传送至下一工序,在烟包包装或传送过程中,若由于异常挤压或包装机故障等原因导致烟包形变,则会产生次品烟包,影响产品质量。
目前通过对烟包外观检测的方式,检出具有外观缺陷的烟包,但传统烟包外观质量检测均采用单设备部署模式,基于单点方式“烟囱式”部署,在多生产线、多设备质量检测情况下无法实现统一管理,导致每条生产线的模型训练结果出现差异,检测精度无法统一。
发明内容
根据本申请的实施例,提供了一种烟包外观缺陷在线检测方案。
在本申请的第一方面,提供了一种烟包外观缺陷在线检测方法。该方法包括:
从本地生产线或从云端获取样本图像和反馈信息,所述样本图像为在烟包外观缺陷检测过程中错误识别的烟包的图像,所述反馈信息为与所述样本图像实际对应的检测结果;
根据所述样本图像和反馈信息训练缺陷识别模型;
将所述样本图像和所述反馈信息上传至云端。
在一种可能的实现方式中,在所述将所述样本图像和所述反馈信息上传至云端之前,还包括:
标记从本地生产线获取的样本图像为本地样本图像,标记从本地获取的反馈信息为本地反馈信息,在从云端获取样本图像和反馈信息时,不获取本地样本图像和本地反馈信息。
在一种可能的实现方式中,从本地生产线获取样本图像和反馈信息包括:
获取一待定样本图像,将所述待定样本图像储存至待匹配区;
从人机交互单元获取检测结果信息,并与所述待定样本图像匹配,以确定所述样本图像和与所述样本图像对应的反馈信息。
在一种可能的实现方式中,获取生产线上待测烟包的烟包图像;
根据所述烟包图像和所述缺陷检测模型生成检测结果,所述检测结果包括合格产品和不合格产品。
在一种可能的实现方式中,在所述根据所述烟包图像和所述缺陷检测模型生成检测结果之后,还包括:
剔除所述不合格产品;
对所述合格产品和所述不合格产品分别计数;
将所述计数信息发送至显示区域和云端。
在一种可能的实现方式中,在所述对所述合格产品和所述不合格产品分别计数之后,还包括:
每隔预设时间计算在预设时间段内的产品合格率,在所述产品合格率低于阈值时,发出报警信息。
本申请公开的一种烟包外观缺陷在线检测装置,在烟包外观缺陷检测过程中出现错误识别的情况时,可以用被错误识别的样本图像和对应该样本图像对应的反馈信息对缺陷识别模型进一步训练,并且将样本图像和反馈信息上传至云端,以供其他生产线从云端获取样本图像和反馈信息来训练缺陷识别模型,同样地,本地生产线也可以从云端获取其他生产线上传的样本图像和反馈信息来训练缺陷识别模型,实现了多条生产线的信息共享,便于统一全生产线模型训练的精度。
在本申请的第二方面,提供了一种烟包外观缺陷在线检测装置。该装置包括:
获取模块,用于从本地生产线或从云端获取样本图像和反馈信息,所述样本图像为在烟包外观缺陷检测过程中错误识别的烟包的图像,所述反馈信息为所述样本图像实际对应的检测结果;
训练模块,用于根据所述样本图像和反馈信息训练缺陷识别模型;
5G通讯模块,用于将所述样本图像和所述反馈信息上传至云端。
在一种可能的实现方式中,还包括:
标记模块,用于标记从本地生产线获取的样本图像为本地样本图像,标记从本地获取的反馈信息为本地反馈信息。
在本申请的第三方面,提供了一种电子设备。该电子设备包括:存储器和处理器,所述存储器上存储有计算机程序,所述处理器执行所述程序时实现如以上所述的方法。
在本申请的第四方面,提供了一种存储介质,其上存储有计算机程序,所述程序被处理器执行时实现如根据本申请的第一方面的方法。
应当理解,发明内容部分中所描述的内容并非旨在限定本申请的实施例的关键或重要特征,亦非用于限制本申请的范围。本申请的其它特征将通过以下的描述变得容易理解。
附图说明
结合附图并参考以下详细说明,本申请各实施例的上述和其他特征、优点及方面将变得更加明显。在附图中,相同或相似的附图标记表示相同或相似的元素,其中:
图1示出了根据本申请的实施例的烟包外观缺陷在线检测方法检测模式下的流程图;
图2示出了根据本申请的实施例的烟包外观缺陷在线检测方法训练模式下的流程图;
图3示出了根据本申请的实施例的烟包外观缺陷在线检测装置的方框图;
图4示出了适于用来实现本申请实施例的终端设备或服务器的结构示意图。
附图标记说明:301、获取模块;302、训练模块;303、通讯模块;401、CPU;402、ROM;403、RAM;404、总线;405、I/O接口;406、输入部分;407、输出部分;408、储存部分;409、通信部分;410、驱动器;411、可拆卸介质。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的全部其他实施例,都属于本申请保护的范围。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论,但在适当情况下,所述技术、方法和设备应当被视为说明书的一部分。
烟包外观缺陷检测是保障烟包质量的有效手段,目前的烟包外观缺陷检测一般具有多条生产线,每条生产线均具有传送带和图像识别装置,图像识别装置能够对传送带上的烟包进行识别和检测,但是这种单点方式“烟囱式”部署,在多生产线、多设备质量检测情况下无法统一管理,导致每条生产线的模型训练结果出现差异,每条生产线的检测精度无法统一,并且检测数据难以应用于全生产线产品质量分析。
本申请中,在烟包外观缺陷检测的过程中,若发现错误识别的情况,则获取错误识别的烟包的样本图像和对应该样本图像的反馈信息,根据样本图像和反馈信息对缺陷识别模型进一步训练,并将样本图像和与样本图像对应的反馈信息上传至云端,并且,样本图像和反馈信息具有两个获取途径,其一是从本地生产线获取,其二是从云端获取。在任一生产线出现错误识别的情况时,被错误识别的烟包的样本图像和反馈信息既可以应用于对本地缺陷识别模型的训练,也可以上传至云端,作为其他生产线的缺陷识别模型的训练,实现全生产线的信息共享,便于全生产线统一模型训练的精度。
本申请公开一种烟包外观缺陷在线检测方法,烟包外观缺陷在线检测方法能够应用于具有多条烟包外观缺陷检测的生产线的场景,每一生产线配置有处理器,烟包外观缺陷在线检测方法由处理器执行。
每一生产线均具有两种工作模式,具体包括训练模式和检测模式,在检测模式下,如图一所示,具体方法步骤如下:
步骤S110、获取生产线上待测烟包的烟包图像。
步骤S120、根据烟包图像和缺陷检测模型生成检测结果,所述检测结果包括合格产品和不合格产品。
其中,获取烟包图像的方式可以是通过设置在生产线上的CCD工业高速相机拍照获取,根据烟包图像和预设的缺陷识别模型,对烟包外观进行检测,并且生成检测结果,检测结果包括合格产品和不合格产品,每条生产线均具有剔除机构,剔除机构可以是设置在生产线上的气动剔除嘴,在检测完毕后,剔除机构能够在传送带上将不合格产品从合格产品中剔除。
在本申请实施例中,对烟包外观进行检测后,可以分别对合格产品和不合格产品的数量计数,并将计数信息发送至显示区域,以供工作人员获取该生产线的产品检测信息。
为了更加直观地体现一段时间段内产品的成品状况,可以每隔预设时间计算预设时间段内的产品合格率,产品合格率为合格产品数量与预设时间段内总检测产品数量的比值。
在一个具体的示例中,可以是每隔一小时计算一次产品合格率,可以是从开始检测一批烟包开始计时,每隔一小时计算一次产品合格率,预设时间段可以是从开始检测一批烟包开始计时,以0-1小时为一个时间段,以1小时-2小时为一个时间段,以此类推。在计算每个时间段内的产品合格率时,选取该时间段内检测产品的数量信息。例如,在1小时-2小时的时间段内,共同检测1000个烟包,其中合格产品990个,不合格产品10个,则1小时-2小时的时间段的产品合格率为99%。
产品合格率主要用于考量一段时间内的产品质量,在产品合格率低于预设值时发出报警信息,以提示工作人员目前检测的烟包不合格产品较多,便于工作人员及时发现问题。
在训练模式下,如图二所示,具体方法步骤如下:
步骤 S210、从本地生产线或从云端获取样本图像和反馈信息,所述样本图像为在烟包外观缺陷检测过程中错误识别的烟包的图像,所述反馈信息为与所述样本图像实际对应的检测结果。
步骤 S220、根据所述样本图像和反馈信息训练缺陷识别模型。
步骤 S230、将所述样本图像和所述反馈信息上传至云端。
其中,获取样本图像和与样本图像对应的反馈信息的方式有两种途径,包括从本地生产线获取和从云端获取。
在本地生产线检测烟包的过程中,工作人员会对经过分拣的烟包做进一步检查,在发现有错误识别的情况时,可以将错误识别的烟包作为素材进一步训练缺陷识别模型。错误识别的情况有两种,一种是将合格产品识别为不合格产品,另一种是将不合格产品识别为合格产品。
以将合格产品识别为不合格产品为例,工作人员在合格产品中发现具有外观缺陷的烟包后,可以将烟包放置在传送带上,由相机识别烟包图像,在获取烟包图像后,将烟包图像定义为待定样本图像并储存至待匹配区,然后从人机交互单元获取检测结果信息,检测结果信息由工作人员人工判断后输入至人机交互单元,在将检测结果信息与待定样本图像匹配后,确定样本图像和对应该样本图像的反馈信息,将样本图像和反馈信息输入至缺陷识别模型,以对缺陷识别模型训练,在完成对缺陷识别模型的训练后,将样本图像和与该样本图像对应的反馈信息上传至云端,与其他生产线的服务器共享。
需要说明的是,在本申请实施例中,本地处理器与云端之间采用5G通讯技术进行信息传输,5G通讯技术具有高效、低时延性的特点,应用于本申请中能够提高本地处理器与云端之间的信息传递效率,提高全生产线信息更新的及时性。
在本申请实施例中,本地服务器定期从云端获取由其他生产线上传的样本图像和反馈信息,以训练本地缺陷识别模型。并且本地服务器在将样本图像和反馈信息上传至云端之前,将从本地生产线样本图像标记为本地样本图像,将从本地生产线获取的反馈信息标记为本地反馈信息,本地处理器在从云端获取样本图像和反馈信息时,不获取本地样本图像和本地反馈信息。
需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本申请并不受所描述的动作顺序的限制,因为依据本申请,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于可选实施例,所涉及的动作和模块并不一定是本申请所必须的。
以上是关于方法实施例的介绍,以下通过装置实施例,对本申请所述方案进行进一步说明。
图3示出了根据本申请的实施例的烟包外观缺陷在线检测装置的方框图。如图3所示,装置包括:
获取模块301,用于从本地生产线或从云端获取样本图像和反馈信息,所述样本图像为在烟包外观缺陷检测过程中错误识别的烟包的图像,所述反馈信息为与所述样本图像实际对应的检测结果;
训练模块302,用于根据所述样本图像和反馈信息训练缺陷识别模型;
5G通讯模块303,用于将所述样本图像和所述反馈信息上传至云端。
在一种可能的实现方式中,还包括:
标记模块,用于标记从本地生产线获取的样本图像为本地样本图像,标记从本地获取的反馈信息为本地反馈信息,在从云端获取样本图像和反馈信息时,不获取本地样本图像和本地反馈信息。
在一种可能的实现方式中,所述获取模块301还用于:
获取一待定样本图像,将所述待定样本图像储存至待匹配区;
从人机交互单元获取检测结果信息,并与所述待定样本图像匹配,以确定所述样本图像和与所述样本图像对应的反馈信息。
在一种可能的实现方式中,所述获取模块301还用于获取生产线上待测烟包的烟包图像;
还包括检测模块,所述检测模块用于根据所述烟包图像和所述缺陷检测模型生成检测结果,所述检测结果包括合格产品和不合格产品。
在一种可能的实现方式中,还包括:
剔除模块,用于剔除所述不合格产品;
计数模块,用于对所述合格产品和所述不合格产品分别计数;
所述通讯模块还用于将所述计数信息发送至显示区域和云端。
在一种可能的实现方式中,还包括:
计算模块,用于每隔预设时间计算在预设时间段内的产品合格率;
报警模块,用于在所述产品合格率低于阈值时,发出报警信息。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,所述描述的模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
图4示出了适于用来实现本申请实施例的电子设备的结构示意图。
如图4所示,电子设备包括中央处理单元(CPU)401,其可以根据存储在只读存储器(ROM)402中的程序或者从存储部分408加载到随机访问存储器(RAM)404中的程序而执行各种适当的动作和处理。在RAM 403中,还存储有系统400操作所需的各种程序和数据。CPU401、ROM 402以及RAM 403通过总线404彼此相连。输入/输出(I/O)接口405也连接至总线404。
以下部件连接至I/O接口405:包括键盘、鼠标等的输入部分406;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分407;包括硬盘等的存储部分408;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分409。通信部分409经由诸如因特网的网络执行通信处理。驱动器410也根据需要连接至I/O接口405。可拆卸介质411,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器410上,以便于从其上读出的计算机程序根据需要被安装入存储部分408。
特别地,根据本申请的实施例,上文参考流程图图1描述的过程可以被实现为计算机软件程序。例如,本申请的实施例包括一种计算机程序产品,其包括承载在机器可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分409从网络上被下载和安装,和/或从可拆卸介质411被安装。在该计算机程序被中央处理单元(CPU)401执行时,执行本申请的系统中限定的上述功能。
需要说明的是,本申请所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,前述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元或模块可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元或模块也可以设置在处理器中,例如,可以描述为:一种处理器包括获取模块、训练模块和通讯模块。其中,这些单元或模块的名称在某种情况下并不构成对该单元或模块本身的限定,例如,训练模块还可以被描述为“根据所述样本图像和反馈信息训练缺陷识别模型的模块”。
作为另一方面,本申请还提供了一种计算机可读存储介质,该计算机可读存储介质可以是上述实施例中描述的电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中的。上述计算机可读存储介质存储有一个或者多个程序,当上述前述程序被一个或者一个以上的处理器用来执行描述于本申请的烟包外观缺陷在线检测方法。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本申请中所涉及的申请范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离前述申请构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中申请的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (10)
1.一种烟包外观缺陷在线检测方法,其特征在于,包括:
从本地生产线或从云端获取样本图像和反馈信息,所述样本图像为在烟包外观缺陷检测过程中错误识别的烟包的图像,所述反馈信息为与所述样本图像实际对应的检测结果;
根据所述样本图像和反馈信息训练缺陷识别模型;
将所述样本图像和所述反馈信息上传至云端。
2.根据权利要求1所述的烟包外观缺陷在线检测方法,其特征在于,在所述将所述样本图像和所述反馈信息上传至云端之前,还包括:
标记从本地生产线获取的样本图像为本地样本图像,标记从本地获取的反馈信息为本地反馈信息,在从云端获取样本图像和反馈信息时,不获取本地样本图像和本地反馈信息。
3.根据权利要求1所述的烟包外观缺陷在线检测方法,其特征在于,从本地生产线获取样本图像和反馈信息包括:
获取一待定样本图像,将所述待定样本图像储存至待匹配区;
从人机交互单元获取检测结果信息,并与所述待定样本图像匹配,以确定所述样本图像和与所述样本图像对应的反馈信息。
4.根据权利要求1所述的烟包外观缺陷在线检测方法,其特征在于,还包括:
获取生产线上待测烟包的烟包图像;
根据所述烟包图像和所述缺陷检测模型生成检测结果,所述检测结果包括合格产品和不合格产品。
5.根据权利要求4所述的烟包外观缺陷在线检测方法,其特征在于,在所述根据所述烟包图像和所述缺陷检测模型生成检测结果之后,还包括:
剔除所述不合格产品;
对所述合格产品和所述不合格产品分别计数;
将所述计数信息发送至显示区域和云端。
6.根据权利要求5所述的烟包外观缺陷在线检测方法,其特征在于,在所述对所述合格产品和所述不合格产品分别计数之后,还包括:
每隔预设时间计算在预设时间段内的产品合格率,在所述产品合格率低于阈值时,发出报警信息。
7.一种烟包外观缺陷在线检测装置,其特征在于,包括:
获取模块(301),用于从本地生产线或从云端获取样本图像和反馈信息,所述样本图像为在烟包外观缺陷检测过程中错误识别的烟包的图像,所述反馈信息为所述样本图像实际对应的检测结果;
训练模块(302),用于根据所述样本图像和反馈信息训练缺陷识别模型;
5G通讯模块(303),用于将所述样本图像和所述反馈信息上传至云端。
8.根据权利要求7所述的烟包外观缺陷在线检测装置,其特征在于,还包括:
标记模块,用于标记从本地生产线获取的样本图像为本地样本图像,标记从本地获取的反馈信息为本地反馈信息。
9.一种电子设备,包括存储器和处理器,所述存储器上存储有计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1~7中任一项所述的方法。
10.一种存储介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现如权利要求1~7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111089325.8A CN113781460A (zh) | 2021-09-16 | 2021-09-16 | 烟包外观缺陷在线检测方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111089325.8A CN113781460A (zh) | 2021-09-16 | 2021-09-16 | 烟包外观缺陷在线检测方法、装置、电子设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113781460A true CN113781460A (zh) | 2021-12-10 |
Family
ID=78851648
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111089325.8A Pending CN113781460A (zh) | 2021-09-16 | 2021-09-16 | 烟包外观缺陷在线检测方法、装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113781460A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115817939A (zh) * | 2022-09-16 | 2023-03-21 | 锋聚睿(苏州)科技有限公司 | 包装设备的控制方法、装置、计算机设备及存储介质 |
CN116500048A (zh) * | 2023-06-28 | 2023-07-28 | 四川联畅信通科技有限公司 | 一种线缆卡具缺陷检测方法、装置、设备及介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111402220A (zh) * | 2020-03-11 | 2020-07-10 | 北京百度网讯科技有限公司 | 用于获取信息的方法及装置 |
CN111784663A (zh) * | 2020-06-30 | 2020-10-16 | 北京百度网讯科技有限公司 | 零部件的检测方法、装置、电子设备及存储介质 |
CN112163873A (zh) * | 2020-10-29 | 2021-01-01 | 杭州谐云科技有限公司 | 一种基于边缘计算的产品质检系统及质检方法 |
-
2021
- 2021-09-16 CN CN202111089325.8A patent/CN113781460A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111402220A (zh) * | 2020-03-11 | 2020-07-10 | 北京百度网讯科技有限公司 | 用于获取信息的方法及装置 |
CN111784663A (zh) * | 2020-06-30 | 2020-10-16 | 北京百度网讯科技有限公司 | 零部件的检测方法、装置、电子设备及存储介质 |
CN112163873A (zh) * | 2020-10-29 | 2021-01-01 | 杭州谐云科技有限公司 | 一种基于边缘计算的产品质检系统及质检方法 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115817939A (zh) * | 2022-09-16 | 2023-03-21 | 锋聚睿(苏州)科技有限公司 | 包装设备的控制方法、装置、计算机设备及存储介质 |
CN115817939B (zh) * | 2022-09-16 | 2023-11-17 | 锋聚睿(苏州)科技有限公司 | 包装设备的控制方法、装置、计算机设备及存储介质 |
CN116500048A (zh) * | 2023-06-28 | 2023-07-28 | 四川联畅信通科技有限公司 | 一种线缆卡具缺陷检测方法、装置、设备及介质 |
CN116500048B (zh) * | 2023-06-28 | 2023-09-15 | 四川联畅信通科技有限公司 | 一种线缆卡具缺陷检测方法、装置、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113781460A (zh) | 烟包外观缺陷在线检测方法、装置、电子设备和存储介质 | |
EP2492767B1 (en) | Inspection system, management server, inspection apparatus and method for managing inspection data | |
CN111392402B (zh) | 一种自动化抓取方法、装置、设备和存储介质 | |
CN109089055A (zh) | 一种生产视频片段获取方法及系统 | |
CN113592343A (zh) | 二次系统的故障诊断方法、装置、设备和存储介质 | |
CN114419038A (zh) | 轮毂表面缺陷的识别方法及装置、存储介质、电子设备 | |
CN114429256A (zh) | 数据监测方法、装置、电子设备及存储介质 | |
US20230196756A1 (en) | Method for detecting defects and electronic device | |
CN109684309A (zh) | 一种数据质量评测方法及装置、计算机设备和存储介质 | |
CN116309471A (zh) | 一种质量缺陷预警方法、装置、电子设备以及介质 | |
CN112246681B (zh) | 一种检测数据处理方法、装置及产品检测设备 | |
CN114218430A (zh) | 远程协作设备运维系统、方法及装置 | |
WO2022002081A1 (en) | Method, device, and computer-readable storage medium for production traceability | |
CN115861161A (zh) | 机器学习系统、学习数据收集方法以及存储介质 | |
CN115248776A (zh) | 适用于软件测试的覆盖率统计方法、装置及存储介质 | |
CN114137635A (zh) | 安检机检测效率的测试方法、装置、设备以及存储介质 | |
CN112327800A (zh) | 车辆检测方法、装置及诊断设备 | |
US20240193460A1 (en) | Data processing method and data processing apparatus | |
CN110764944B (zh) | 一种异常检测方法及装置 | |
CN115791205A (zh) | 一种车辆检测方法、装置、设备及存储介质 | |
CN114239632B (zh) | 一种线棒材标签的识别方法、系统、电子设备及介质 | |
CN115438137A (zh) | 地图质检方法、装置、设备和存储介质 | |
CN111258894B (zh) | 软件风险的评价方法、装置、存储介质及电子设备 | |
CN115497196A (zh) | 飞机故障的检测方法、装置、设备和计算机可读存储介质 | |
CN117611529A (zh) | 一种移动计算机外壳检测方法、装置、设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20211210 |
|
RJ01 | Rejection of invention patent application after publication |