CN117670881B - 基于目标分割的橡胶手套生产质量检测方法及系统 - Google Patents
基于目标分割的橡胶手套生产质量检测方法及系统 Download PDFInfo
- Publication number
- CN117670881B CN117670881B CN202410132323.XA CN202410132323A CN117670881B CN 117670881 B CN117670881 B CN 117670881B CN 202410132323 A CN202410132323 A CN 202410132323A CN 117670881 B CN117670881 B CN 117670881B
- Authority
- CN
- China
- Prior art keywords
- image
- target
- production
- preset
- rubber glove
- 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.)
- Active
Links
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 179
- 238000001514 detection method Methods 0.000 title claims abstract description 66
- 230000011218 segmentation Effects 0.000 title claims abstract description 55
- 238000000034 method Methods 0.000 claims abstract description 39
- 238000012216 screening Methods 0.000 claims abstract description 39
- 238000004458 analytical method Methods 0.000 claims abstract description 30
- 238000012545 processing Methods 0.000 claims description 17
- 230000010339 dilation Effects 0.000 claims description 9
- 238000011176 pooling Methods 0.000 claims description 8
- 238000007689 inspection Methods 0.000 claims description 7
- 238000012549 training Methods 0.000 claims description 7
- 238000007781 pre-processing Methods 0.000 claims description 6
- 238000013528 artificial neural network Methods 0.000 claims description 5
- 238000000638 solvent extraction Methods 0.000 claims description 3
- 238000004891 communication Methods 0.000 claims description 2
- 230000006870 function Effects 0.000 description 12
- 230000008569 process Effects 0.000 description 5
- 238000003860 storage Methods 0.000 description 5
- 238000011156 evaluation Methods 0.000 description 3
- 238000001303 quality assessment method Methods 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000013441 quality evaluation Methods 0.000 description 2
- 239000002994 raw material Substances 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Image Processing (AREA)
Abstract
本申请提供了基于目标分割的橡胶手套生产质量检测方法及系统,涉及质量检测技术领域,所述方法包括:先获取第一生产图像序列,再获取第一目标初始图像基于预设分阶筛选规则得到最优图像,通过主干网络模块得到第一目标图像,结合头部网络模块得到第一分割路径,通过对第一目标图像分割获取第一橡胶手套图像,最后,进行瑕疵检测获取第一瑕疵信息对橡胶手套进行生产质量分析。本申请主要解决了传统的质量检测需要人工检测,效率低下,出错率较高,导致产品出现偏差、破损等问题,严重影响了产品的美观度甚至导致产品功能失效的问题。通过对生产线上的橡胶手套图像进行目标分割,提高了检测的准确性和效率,有助于提升生产效率和产品质量。
Description
技术领域
本申请涉及质量检测技术领域,具体涉及基于目标分割的橡胶手套生产质量检测方法及系统。
背景技术
基于目标分割的橡胶手套生产质量检测方法是一种在工业生产中应用的技术,主要用于自动分析和评估橡胶手套生产的质量。随着工业自动化的快速发展,生产线上对于质量检测的需求越来越大。传统的质量检测方法往往需要人工进行,这不仅效率低下,而且容易出错。在橡胶手套的生产过程中,质量控制是非常重要的一环。如果生产出的橡胶手套存在质量问题,如尺寸偏差、破损、颜色不均等,不仅会影响产品的美观度,更可能导致产品的功能失效。因此,开发一种高效、准确的质量检测方法对于提升产品质量和客户满意度至关重要。
但本申请发明人在实现本申请实施例中发明技术方案的过程中,发现上述技术至少存在如下技术问题:
传统的质量检测需要人工检测,效率低下,出错率较高,导致产品出现偏差、破损等问题,严重影响了产品的美观度甚至导致产品功能失效的问题。
发明内容
本申请主要解决了传统的质量检测需要人工检测,效率低下,出错率较高,导致产品出现偏差、破损等问题,严重影响了产品的美观度甚至导致产品功能失效的问题。
鉴于上述问题,本申请提供了基于目标分割的橡胶手套生产质量检测方法及系统,第一方面,本申请提供了基于目标分割的橡胶手套生产质量检测方法,所述方法包括:获取第一生产图像序列,所述第一生产图像序列是指分布式工业镜头中位于第一生产点位的第一镜头动态采集到的生产橡胶手套的图像序列;获取第一目标初始图像,所述第一目标初始图像为基于预设分阶筛选规则分析所述第一生产图像序列中的多个生产图像并筛选得到的最优图像;通过主干网络模块对所述第一目标初始图像进行增强预处理得到第一目标图像;结合头部网络模块中的预设锚框信息对所述第一目标图像进行检测分割,得到第一分割路径;根据所述第一分割路径对所述第一目标图像进行分割,得到所述第一生产点位下的第一橡胶手套图像;根据对所述第一橡胶手套图像进行瑕疵检测得到的第一瑕疵信息对所述第一生产点位下的橡胶手套进行生产质量分析。
第二方面,本申请提供了基于目标分割的橡胶手套生产质量检测系统,所述系统包括:第一生产图像序列获取单元,所述第一生产图像序列获取单元用于获取第一生产图像序列,所述第一生产图像序列是指分布式工业镜头中位于第一生产点位的第一镜头动态采集到的生产橡胶手套的图像序列;第一目标初始图像获取单元,所述第一目标初始图像获取单元用于获取第一目标初始图像,所述第一目标初始图像为基于预设分阶筛选规则分析所述第一生产图像序列中的多个生产图像并筛选得到的最优图像;图像增强处理单元,所述图像增强处理单元用于通过主干网络单元对所述第一目标初始图像进行增强预处理得到第一目标图像;第一分割路径获取单元,所述第一分割路径获取单元用于结合头部网络单元中的预设锚框信息对所述第一目标图像进行检测分割,得到第一分割路径;第一橡胶手套图像获取单元,所述第一橡胶手套图像获取单元用于根据所述第一分割路径对所述第一目标图像进行分割,得到所述第一生产点位下的第一橡胶手套图像;生产质量分析单元,所述生产质量分析单元用于根据对所述第一橡胶手套图像进行瑕疵检测得到的第一瑕疵信息对所述第一生产点位下的橡胶手套进行生产质量分析。
本申请中提供的一个或多个技术方案,至少具有如下技术效果或优点:
本申请提供了基于目标分割的橡胶手套生产质量检测方法及系统,涉及质量检测技术领域,所述方法包括:先获取第一生产图像序列,再获取第一目标初始图像基于预设分阶筛选规则得到最优图像,通过主干网络模块得到第一目标图像,结合头部网络模块得到第一分割路径,通过对第一目标图像分割获取第一橡胶手套图像,最后,进行瑕疵检测获取第一瑕疵信息对橡胶手套进行生产质量分析。
本申请主要解决了传统的质量检测需要人工检测,效率低下,出错率较高,导致产品出现偏差、破损等问题,严重影响了产品的美观度甚至导致产品功能失效的问题。通过对生产线上的橡胶手套图像进行目标分割,提高了检测的准确性和效率,有助于提升生产效率和产品质量。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其他目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
为了更清楚地说明本申请或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是示例性的,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为本申请实施例提供了基于目标分割的橡胶手套生产质量检测方法流程示意图;
图2为本申请实施例提供了基于目标分割的橡胶手套生产质量检测方法中,获取第一阶目标图像的方法流程示意图;
图3为本申请实施例提供了基于目标分割的橡胶手套生产质量检测方法中,生成第一分割路径的方法流程示意图;
图4为本申请实施例提供了基于目标分割的橡胶手套生产质量检测系统的结构示意图。
附图标记说明:第一生产图像序列获取单元10,第一目标初始图像获取单元20,图像增强处理单元30,第一分割路径获取单元40,第一橡胶手套图像获取单元50,生产质量分析单元60。
具体实施方式
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、完整的描述,显然,所描述的实施例仅仅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做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
本申请主要解决了传统的质量检测需要人工检测,效率低下,出错率较高,导致产品出现偏差、破损等问题,严重影响了产品的美观度甚至导致产品功能失效的问题。通过对生产线上的橡胶手套图像进行目标分割,提高了检测的准确性和效率,有助于提升生产效率和产品质量。
为了更好地理解上述技术方案,下面将结合说明书附图以及具体的实施方式对上述方案进行详细介绍。
实施例1
如图1所示基于目标分割的橡胶手套生产质量检测方法,用于基于目标分割的橡胶手套生产质量检测系统,所述系统与分布式工业镜头通信连接,所述方法包括:
获取第一生产图像序列,所述第一生产图像序列是指所述分布式工业镜头中位于第一生产点位的第一镜头动态采集到的生产橡胶手套的图像序列;
具体而言,要获取第一生产图像序列,确定分布式工业镜头的位置:确保所述第一生产点位的第一镜头已经正确安装并能够动态采集生产橡胶手套的图像。然后启动第一镜头并采集图像序列:开启第一镜头,并让其动态地采集生产橡胶手套的图像序列。这个图像序列可以包括多个帧,每个帧都代表生产线上橡胶手套的不同视角和/或不同生产阶段。采集完成存储第一生产图像序列:将第一镜头动态采集到的生产橡胶手套的图像序列存储到适当的存储设备中。这个存储设备可以是本地计算机、服务器或云端存储系统。
获取第一目标初始图像,所述第一目标初始图像为基于预设分阶筛选规则分析所述第一生产图像序列中的多个生产图像并筛选得到的最优图像;
具体而言,要获取第一目标初始图像,先分析第一生产图像序列:使用预设的分阶筛选规则,对第一生产图像序列中的多个生产图像进行分析和筛选。这些筛选规则可以是根据图像的质量、清晰度、完整性或其他相关特征来制定的。然后筛选最优图像:根据预设的筛选规则,从第一生产图像序列中选择最优的图像。最优图像是具有最高质量、最清晰或最完整的图像。然后存储第一目标初始图像:将筛选得到的第一目标初始图像存储到适当的存储设备中,以便后续处理和分析。
通过主干网络模块对所述第一目标初始图像进行增强预处理得到第一目标图像;
具体而言,通过主干网络模块对第一目标初始图像进行增强预处理得到第一目标图像,先导入主干网络模块:选择并导入一个适当的主干网络模块,这个模块具有图像增强的功能,例如常用的卷积神经网络(CNN)。加载第一目标初始图像:将第一目标初始图像加载到网络中,作为输入的数据。再进行增强预处理:利用主干网络模块的图像增强功能,对第一目标初始图像进行一系列的处理,以提高其质量和清晰度。这些处理可能包括锐化、去噪、对比度增强、亮度调整等。获取第一目标图像:经过增强预处理后,从主干网络模块中获取第一目标图像。这个图像应该比第一目标初始图像具有更高的质量和清晰度。
结合头部网络模块中的预设锚框信息对所述第一目标图像进行检测分割,得到第一分割路径;
具体而言,要结合头部网络模块中的预设锚框信息对第一目标图像进行检测分割,得到第一分割路径,加载预设锚框信息:从头部网络模块中加载预设的锚框信息。这些锚框信息通常是在训练阶段预先定义好的,用于指导模型进行目标检测和分割,例如锚框的尺寸和形状,包含了不同尺寸和形状的锚框,以适应不同大小和类型的目标对象。锚框的中心点位置:每个锚框都有一个中心点位置,表示锚框在图像中的坐标。这个中心点位置可以用于将锚框与目标图像进行匹配和比对。锚框的长宽比:预设锚框信息中可能包含了不同长宽比的锚框,以适应目标对象的不同形状。长宽比可以描述锚框的宽高比例,有助于更好地匹配目标对象的形状。锚框的方向:预设锚框信息可能还包含了锚框的方向信息,以适应目标对象的旋转角度。这个方向信息可以用于描述锚框在图像平面上的旋转角度,以更好地匹配目标对象的姿态。然后输入第一目标图像:将第一目标图像作为输入数据传递到头部网络模块中。进行检测分割:利用头部网络模块中的模型和算法,对第一目标图像进行目标检测和分割操作。这些操作可能包括区域提议、分类、定位等步骤,以确定图像中感兴趣的目标区域。获取第一分割路径:经过检测分割后,从头部网络模块中获取第一分割路径。这个分割路径通常多个人工智能算法生成的预测边界,用于将目标从图像中分割出来。
根据所述第一分割路径对所述第一目标图像进行分割,得到所述第一生产点位下的第一橡胶手套图像;
具体而言,根据第一分割路径对第一目标图像进行分割,得到第一生产点位下的第一橡胶手套图像,获取第一分割路径:这个路径表示了将目标从图像中分割出来的预测边界。得到第一分割路径之后对第一目标图像进行分割:利用图像处理技术,根据第一分割路径将第一目标图像分割成多个区域。分割后的区域应该包括第一生产点位下的第一橡胶手套图像以及其他可能存在的干扰或背景区域。然后从中提取第一橡胶手套图像:从分割后的图像中提取出第一生产点位下的第一橡胶手套图像。这个图像应该只包含橡胶手套的部分,而不包含其他干扰或背景。为后续进行质量分析提供了基础图像。
根据对所述第一橡胶手套图像进行瑕疵检测得到的第一瑕疵信息对所述第一生产点位下的橡胶手套进行生产质量分析。
具体而言,根据对第一橡胶手套图像进行瑕疵检测得到的第一瑕疵信息对第一生产点位下的橡胶手套进行生产质量分析,先获取第一瑕疵信息:对第一橡胶手套图像进行瑕疵检测,得到第一瑕疵信息。这些瑕疵信息可能包括瑕疵的类型、位置、大小等。然后根据瑕疵信息进行生产质量分析:根据第一瑕疵信息,对第一生产点位下的橡胶手套进行生产质量分析。这可能包括评估瑕疵对橡胶手套功能的影响、判断是否需要调整生产工艺等。做出质量评估:根据瑕疵信息和其他因素(如生产工艺、原材料等),对第一生产点位下的橡胶手套进行质量评估。评估结果可以是一个分数、一个等级或者一个具体的描述。反馈和调整:根据质量评估结果,将信息反馈到生产线上,并对生产过程进行必要的调整。这可能包括调整原材料、优化生产工艺、更换设备等。重复检测和评估:在整个生产过程中重复进行图像采集、瑕疵检测、质量评估等步骤,以确保每个生产点位下的橡胶手套都达到预期的质量标准。提高了检测的准确性和效率,有助于提升生产效率和产品质量。
进一步而言,本申请方法,所述获取第一目标初始图像,包括:
所述预设分阶筛选规则包括预设分阶规则和预设筛选规则;
提取所述多个生产图像中的第一生产图像;
根据所述预设分阶规则,以所述第一镜头的第一镜头幅宽的第一预设幅宽比为基准,得到第二生产图像,所述第二生产图像包含于所述多个生产图像;
基于所述第一生产图像与所述第二生产图像,得到第一阶图像序列;
根据所述预设筛选规则,对所述第一阶图像序列进行对比,得到第一阶目标图像;
基于所述第一阶目标图像组建所述第一目标初始图像集,其中,所述第一目标初始图像集包括所述第一目标初始图像。
具体而言,根据预设的分阶筛选规则,从多个生产图像中提取出第一生产图像。然后,以第一镜头的第一镜头幅宽的第一预设幅宽比为基准,得到第二生产图像。接下来,基于第一生产图像与第二生产图像得到第一阶图像序列。根据预设的筛选规则,对第一阶图像序列进行对比,得到第一阶目标图像。最后,基于第一阶目标图像组建第一目标初始图像集,该图像集包括第一目标初始图像。这个流程有助于筛选出高质量的橡胶手套生产图像,并为其后续处理和分析做好准备。先提取多个生产图像:从生产线或存储设备中提取多个生产图像,这些图像可能是连续的或者是特定时间间隔内采集的。然后选择第一生产图像:从提取的多个生产图像中选择一个作为第一生产图像。这个选择是例如选择质量最好、最清晰或特定时间点的图像。根据预设分阶规则得到第二生产图像:以第一镜头的第一镜头幅宽的第一预设幅宽比为基准,根据预设的分阶规则,对第一生产图像进行处理和分析,得到第二生产图像。这个第二生产图像也是包含在提取的多个生产图像中的。基于第一生产图像和第二生产图像得到第一阶图像序列:将第一生产图像和第二生产图像进行比较和分析,得到一个第一阶图像序列。这个序列是一个时间序列或一系列的图像帧。根据预设筛选规则得到第一阶目标图像:根据预设的筛选规则,对第一阶图像序列进行对比和分析,得到第一阶目标图像。这个目标图像是一个更清晰、更完整或更符合预设规则的图像。基于第一阶目标图像组建第一目标初始图像集:将第一阶目标图像以及其他可能相关的图像组成一个第一目标初始图像集。这个图像集可以用于后续的目标检测、质量评估或其他处理任务。
进一步而言,如图2所示,本申请方法,所述得到第一阶目标图像,包括:
根据所述预设筛选规则,提取所述第一阶图像序列中的第一图像;
对所述第一图像进行分块处理,得到第一图像块集,所述第一图像块集包括n个图像块;
调用预设特征函数对所述n个图像块中的第一图像块进行离散余弦变换,得到第一图像块特征值;
基于所述第一图像块特征值得到所述第一图像的第一特征值;
对比所述第一特征值得到特征值最大的图像作为所述第一阶目标图像。
具体而言,可以根据预设筛选规则提取第一阶图像序列中的第一图像:从第一阶图像序列中根据预设的筛选规则选择出第一图像。这个筛选规则可以基于图像的质量、清晰度、完整性来选择。对第一图像进行分块处理,得到第一图像块集:将第一图像划分成多个图像块,形成第一图像块集。每个图像块可能是一个固定大小或自适应大小的区域。调用预设特征函数对第一图像块进行离散余弦变换,得到第一图像块特征值:使用预设的特征函数对第一图像块进行离散余弦变换,从而得到每个图像块的特征值。这个特征值可能是一个数值或一个特征向量,用于表示该图像块的内容和特征。基于第一图像块特征值得到第一图像的第一特征值:根据每个图像块的特征值,计算出第一图像的第一特征值。这个特征值可能是一个加权平均值、最大值或最小值,用于表示整个图像的特征。对比第一特征值得到特征值最大的图像作为第一阶目标图像:在所有图像块特征值的基础上,选择具有最大特征值的图像作为第一阶目标图像。这个目标图像是最符合预设规则或最优的图像,用于后续的处理和分析。
进一步而言,本申请方法,所述预设特征函数的表达式如下:
;
其中,是指所述第一图像的所述第一特征值,/>是指所述第一图像的第一离散余弦直流系数,/>是指所述第一图像的第一离散余弦交流系数,是指所述第一图像的第/>个子块,a是指所述第一离散余弦直流系数对所述第一特征值的反馈调节因子,b是指所述第一离散余弦交流系数对所述第一特征值的反馈调节因子。
具体而言,该函数接受第一图像的第一特征值、第一离散余弦直流系数、第一离散余弦交流系数、第一图像的第k个块,以及第一离散余弦直流系数和第一离散余弦交流系数对第一特征值的反馈调节因子a和b作为输入。函数可能首先计算第一离散余弦直流系数和第一离散余弦交流系数,然后使用这些系数以及其他输入参数进行特定的计算,以产生新的特征值。其中,a和b是反馈调节因子,可用于调整离散余弦直流系数和离散余弦交流系数对特征值的贡献程度。
进一步而言,本申请方法,所述主干网络模块包括卷积层、膨胀卷积层和池化层,所述通过主干网络模块对所述第一目标初始图像进行增强预处理得到第一目标图像,包括:
所述膨胀卷积层包括N个膨胀卷积层,N为大于1的整数;
通过所述N个膨胀卷积层中的第一膨胀卷积层对所述卷积层得到的第一目标初始图像特征进行处理,得到第一目标初始图像膨胀特征,其中,所述第一膨胀卷积层对应第一膨胀率,所述第一目标初始图像特征为所述卷积层提取到的所述第一目标初始图像的特征;
所述池化层对所述第一目标初始图像膨胀特征进行分析并确定所述第一目标图像。
具体而言,使用膨胀卷积层和池化层对卷积层提取到的目标初始图像特征进行处理和分析,膨胀卷积层:这个层包括N个膨胀卷积层,N是一个大于1的整数。这些层通过特定的膨胀卷积运算对输入的目标初始图像特征进行处理,以增强目标特征的表达能力。第一膨胀卷积层:这个层负责对卷积层得到的第一目标初始图像特征进行处理,得到第一目标初始图像膨胀特征。第一膨胀卷积层对应的膨胀率是第一膨胀率,而第一目标初始图像特征是由卷积层提取到的第一目标初始图像的特征。池化层:这个层负责对第一目标初始图像膨胀特征进行分析,并确定第一目标图像。这个过程可能涉及降采样、特征选择或其他形式的特征聚合,以减小特征维度并提取出最重要的特征表示。整个过程的目标是通过对目标初始图像特征进行膨胀卷积运算和池化分析,提升目标特征的表达能力和鲁棒性,并最终确定出最能代表目标图像的第一目标图像。
进一步而言,如图3所示,本申请方法,所述得到第一分割路径,包括:
提取所述预设锚框信息中的第一预设锚框;
基于所述第一预设锚框与所述第一目标图像的第一对比信息得到候选锚框列表;
将所述候选锚框列表中排名为预设阈值内的候选锚框记作第一目标正锚框;
分析所述第一目标正锚框的坐标位置得到第一目标定位信息;
基于所述第一目标定位信息生成所述第一分割路径。
具体而言,先提取预设锚框信息:从给定的预设锚框信息中提取出第一预设锚框。这些锚框信息通常是在训练阶段预先定义好的,用于指导模型进行目标检测和分割,例如锚框的尺寸和形状,包含了不同尺寸和形状的锚框,以适应不同大小和类型的目标对象。锚框的中心点位置:每个锚框都有一个中心点位置,表示锚框在图像中的坐标。这个中心点位置可以用于将锚框与目标图像进行匹配和比对。锚框的长宽比:预设锚框信息中可能包含了不同长宽比的锚框,以适应目标对象的不同形状。长宽比可以描述锚框的宽高比例,有助于更好地匹配目标对象的形状。锚框的方向:预设锚框信息可能还包含了锚框的方向信息,以适应目标对象的旋转角度。这个方向信息可以用于描述锚框在图像平面上的旋转角度,以更好地匹配目标对象的姿态。基于第一预设锚框与第一目标图像的第一对比信息得到候选锚框列表:将第一预设锚框与第一目标图像进行对比,根据对比结果生成候选锚框列表。这些候选锚框可能是与第一预设锚框匹配的目标区域或位置。将候选锚框列表中排名为预设阈值内的候选锚框记作第一目标正锚框:根据排名或评分机制,将候选锚框列表中排名在预设阈值内的候选锚框标记为第一目标正锚框。这个步骤是对候选锚框的筛选和评估。分析第一目标正锚框的坐标位置得到第一目标定位信息:对第一目标正锚框的坐标位置进行分析,以获取关于目标对象在图像中的位置和姿态等第一目标定位信息。基于第一目标定位信息生成第一分割路径:利用第一目标定位信息,根据特定的分割策略生成第一分割路径。这个分割路径可能用于指导后续的目标提取、分割或识别等任务。
进一步而言,本申请方法,所述根据对所述第一橡胶手套图像进行瑕疵检测得到的第一瑕疵信息对所述第一生产点位下的橡胶手套进行生产质量分析,包括:
对所述第一橡胶手套图像进行多维度特征采集,得到第一手套特征;
基于神经网络原理利用历史橡胶手套质检记录训练智能瑕疵检测模型,并由所述智能瑕疵检测模型对所述第一手套特征进行分析,得到第一手套瑕疵检测结果;
根据所述第一手套瑕疵检测结果中的所述第一瑕疵信息对所述第一生产点位下的橡胶手套进行生产质量分析。
具体而言,对第一橡胶手套图像进行多维度特征采集,得到第一手套特征:这是对橡胶手套图像的多个维度进行特征提取和采集,例如纹理、颜色、形状等。这些特征可能反映了手套的外观和质量,被用于后续的瑕疵检测和分析。基于神经网络原理利用历史橡胶手套质检记录训练智能瑕疵检测模型:这里采用了神经网络原理来构建一个智能瑕疵检测模型。该模型通过学习历史橡胶手套质检记录中的数据,从中提取出各种瑕疵的特征和模式。这个训练过程可以提高模型对瑕疵的识别准确性和效率。由所述智能瑕疵检测模型对所述第一手套特征进行分析,得到第一手套瑕疵检测结果:将采集到的第一手套特征输入到智能瑕疵检测模型中,模型会对其进行自动分析和识别,检测出可能存在的瑕疵。这个步骤可能包括对手套图像进行分类、定位或测量等操作。根据所述第一手套瑕疵检测结果中的所述第一瑕疵信息对所述第一生产点位下的橡胶手套进行生产质量分析:根据瑕疵检测结果中提供的第一瑕疵信息,可以对第一生产点位下的橡胶手套进行生产质量分析。这个步骤是对生产过程进行监控、调整或优化,以确保生产出的橡胶手套达到预期的质量标准。
实施例2
基于与前述实施例基于目标分割的橡胶手套生产质量检测方法相同的发明构思,如图4所示,本申请提供了基于目标分割的橡胶手套生产质量检测系统,所述系统包括:
第一生产图像序列获取单元10,所述第一生产图像序列获取单元10用于获取第一生产图像序列,所述第一生产图像序列是指分布式工业镜头中位于第一生产点位的第一镜头动态采集到的生产橡胶手套的图像序列;
第一目标初始图像获取单元20,所述第一目标初始图像获取单元20用于获取第一目标初始图像,所述第一目标初始图像为基于预设分阶筛选规则分析所述第一生产图像序列中的多个生产图像并筛选得到的最优图像;
图像增强处理单元30,所述图像增强处理单元30用于通过主干网络模块对所述第一目标初始图像进行增强预处理得到第一目标图像;
第一分割路径获取单元40,所述第一分割路径获取单元40用于结合头部网络模块中的预设锚框信息对所述第一目标图像进行检测分割,得到第一分割路径;
第一橡胶手套图像获取单元50,所述第一橡胶手套图像获取单元50用于根据所述第一分割路径对所述第一目标图像进行分割,得到所述第一生产点位下的第一橡胶手套图像;
生产质量分析单元60,所述生产质量分析单元60用于根据对所述第一橡胶手套图像进行瑕疵检测得到的第一瑕疵信息对所述第一生产点位下的橡胶手套进行生产质量分析。
进一步地,该系统还包括:
第一目标初始图像组建单元,所述预设分阶筛选规则包括预设分阶规则和预设筛选规则;提取所述多个生产图像中的第一生产图像;根据所述预设分阶规则,以所述第一镜头的第一镜头幅宽的第一预设幅宽比为基准,得到第二生产图像,所述第二生产图像包含于所述多个生产图像;基于所述第一生产图像与所述第二生产图像,得到第一阶图像序列;根据所述预设筛选规则,对所述第一阶图像序列进行对比,得到第一阶目标图像;基于所述第一阶目标图像组建所述第一目标初始图像集,其中,所述第一目标初始图像集包括所述第一目标初始图像。
进一步地,该系统还包括:
第一阶目标图像获取单元,用于根据所述预设筛选规则,提取所述第一阶图像序列中的第一图像;对所述第一图像进行分块处理,得到第一图像块集,所述第一图像块集包括n个图像块;调用预设特征函数对所述n个图像块中的第一图像块进行离散余弦变换,得到第一图像块特征值;基于所述第一图像块特征值得到所述第一图像的第一特征值;对比所述第一特征值得到特征值最大的图像作为所述第一阶目标图像。
进一步地,该系统还包括:
第一目标图像确定单元,所述膨胀卷积层包括N个膨胀卷积层,N为大于1的整数;通过所述N个膨胀卷积层中的第一膨胀卷积层对所述卷积层得到的第一目标初始图像特征进行处理,得到第一目标初始图像膨胀特征,其中,所述第一膨胀卷积层对应第一膨胀率,所述第一目标初始图像特征为所述卷积层提取到的所述第一目标初始图像的特征;所述池化层对所述第一目标初始图像膨胀特征进行分析并确定所述第一目标图像。
进一步地,该系统还包括:
第一分割路径生成单元,用于提取所述预设锚框信息中的第一预设锚框;基于所述第一预设锚框与所述第一目标图像的第一对比信息得到候选锚框列表;将所述候选锚框列表中排名为预设阈值内的候选锚框记作第一目标正锚框;分析所述第一目标正锚框的坐标位置得到第一目标定位信息;基于所述第一目标定位信息生成所述第一分割路径。
进一步地,该系统还包括:
生产质量分析单元,用于对所述第一橡胶手套图像进行多维度特征采集,得到第一手套特征;基于神经网络原理利用历史橡胶手套质检记录训练智能瑕疵检测模型,并由所述智能瑕疵检测模型对所述第一手套特征进行分析,得到第一手套瑕疵检测结果;根据所述第一手套瑕疵检测结果中的所述第一瑕疵信息对所述第一生产点位下的橡胶手套进行生产质量分析。
说明书通过前述基于目标分割的橡胶手套生产质量检测方法的详细描述,本领域技术人员可以清楚地知识本实施例中基于目标分割的橡胶手套生产质量检测系统,对于实施例公开的系统而言,由于其与实施例公开装置相对应,所以描述得比较简单,相关之处参见方法部分说明即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其他实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (7)
1.基于目标分割的橡胶手套生产质量检测方法,其特征在于,所述方法应用于基于目标分割的橡胶手套生产质量检测系统,所述系统与分布式工业镜头通信连接,所述方法包括:
获取第一生产图像序列,所述第一生产图像序列是指所述分布式工业镜头中位于第一生产点位的第一镜头动态采集到的生产橡胶手套的图像序列;
获取第一目标初始图像,所述第一目标初始图像为基于预设分阶筛选规则分析所述第一生产图像序列中的多个生产图像并筛选得到的最优图像;
通过主干网络模块对所述第一目标初始图像进行增强预处理得到第一目标图像;
结合头部网络模块中的预设锚框信息对所述第一目标图像进行检测分割,得到第一分割路径;
根据所述第一分割路径对所述第一目标图像进行分割,得到所述第一生产点位下的第一橡胶手套图像;
根据对所述第一橡胶手套图像进行瑕疵检测得到的第一瑕疵信息对所述第一生产点位下的橡胶手套进行生产质量分析;
其中,所述得到第一分割路径,包括:
提取所述预设锚框信息中的第一预设锚框;
基于所述第一预设锚框与所述第一目标图像的第一对比信息得到候选锚框列表;
将所述候选锚框列表中排名为预设阈值内的候选锚框记作第一目标正锚框;
分析所述第一目标正锚框的坐标位置得到第一目标定位信息;
基于所述第一目标定位信息生成所述第一分割路径。
2.根据权利要求1所述方法,其特征在于,所述获取第一目标初始图像,包括:
所述预设分阶筛选规则包括预设分阶规则和预设筛选规则;
提取所述多个生产图像中的第一生产图像;
根据所述预设分阶规则,以所述第一镜头的第一镜头幅宽的第一预设幅宽比为基准,得到第二生产图像,所述第二生产图像包含于所述多个生产图像;
基于所述第一生产图像与所述第二生产图像,得到第一阶图像序列;
根据所述预设筛选规则,对所述第一阶图像序列进行对比,得到第一阶目标图像;
基于所述第一阶目标图像组建所述第一目标初始图像集,其中,所述第一目标初始图像集包括所述第一目标初始图像。
3.根据权利要求2所述方法,其特征在于,所述得到第一阶目标图像,包括:
根据所述预设筛选规则,提取所述第一阶图像序列中的第一图像;
对所述第一图像进行分块处理,得到第一图像块集,所述第一图像块集包括n个图像块;
调用预设特征函数对所述n个图像块中的第一图像块进行离散余弦变换,得到第一图像块特征值;
基于所述第一图像块特征值得到所述第一图像的第一特征值;
对比所述第一特征值得到特征值最大的图像作为所述第一阶目标图像。
4.根据权利要求3所述方法,其特征在于,所述预设特征函数的表达式如下:
;
其中,是指所述第一图像的所述第一特征值,/>是指所述第一图像的第一离散余弦直流系数,/>是指所述第一图像的第一离散余弦交流系数,/>是指所述第一图像的第/>个子块,a是指所述第一离散余弦直流系数对所述第一特征值的反馈调节因子,b是指所述第一离散余弦交流系数对所述第一特征值的反馈调节因子。
5.根据权利要求1所述方法,其特征在于,所述主干网络模块包括卷积层、膨胀卷积层和池化层,所述通过主干网络模块对所述第一目标初始图像进行增强预处理得到第一目标图像,包括:
所述膨胀卷积层包括N个膨胀卷积层,N为大于1的整数;
通过所述N个膨胀卷积层中的第一膨胀卷积层对所述卷积层得到的第一目标初始图像特征进行处理,得到第一目标初始图像膨胀特征,其中,所述第一膨胀卷积层对应第一膨胀率,所述第一目标初始图像特征为所述卷积层提取到的所述第一目标初始图像的特征;
所述池化层对所述第一目标初始图像膨胀特征进行分析并确定所述第一目标图像。
6.根据权利要求1所述方法,其特征在于,所述根据对所述第一橡胶手套图像进行瑕疵检测得到的第一瑕疵信息对所述第一生产点位下的橡胶手套进行生产质量分析,包括:
对所述第一橡胶手套图像进行多维度特征采集,得到第一手套特征;
基于神经网络原理利用历史橡胶手套质检记录训练智能瑕疵检测模型,并由所述智能瑕疵检测模型对所述第一手套特征进行分析,得到第一手套瑕疵检测结果;
根据所述第一手套瑕疵检测结果中的所述第一瑕疵信息对所述第一生产点位下的橡胶手套进行生产质量分析。
7.基于目标分割的橡胶手套生产质量检测系统,其特征在于,所述系统包括:
第一生产图像序列获取单元,所述第一生产图像序列获取单元用于获取第一生产图像序列,所述第一生产图像序列是指分布式工业镜头中位于第一生产点位的第一镜头动态采集到的生产橡胶手套的图像序列;
第一目标初始图像获取单元,所述第一目标初始图像获取单元用于获取第一目标初始图像,所述第一目标初始图像为基于预设分阶筛选规则分析所述第一生产图像序列中的多个生产图像并筛选得到的最优图像;
图像增强处理单元,所述图像增强处理单元用于通过主干网络模块对所述第一目标初始图像进行增强预处理得到第一目标图像;
第一分割路径获取单元,所述第一分割路径获取单元用于结合头部网络模块中的预设锚框信息对所述第一目标图像进行检测分割,得到第一分割路径;
第一橡胶手套图像获取单元,所述第一橡胶手套图像获取单元用于根据所述第一分割路径对所述第一目标图像进行分割,得到所述第一生产点位下的第一橡胶手套图像;
生产质量分析单元,所述生产质量分析单元用于根据对所述第一橡胶手套图像进行瑕疵检测得到的第一瑕疵信息对所述第一生产点位下的橡胶手套进行生产质量分析;
所述系统还包括:
第一分割路径生成单元,用于提取所述预设锚框信息中的第一预设锚框;基于所述第一预设锚框与所述第一目标图像的第一对比信息得到候选锚框列表;将所述候选锚框列表中排名为预设阈值内的候选锚框记作第一目标正锚框;分析所述第一目标正锚框的坐标位置得到第一目标定位信息;基于所述第一目标定位信息生成所述第一分割路径。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410132323.XA CN117670881B (zh) | 2024-01-31 | 2024-01-31 | 基于目标分割的橡胶手套生产质量检测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410132323.XA CN117670881B (zh) | 2024-01-31 | 2024-01-31 | 基于目标分割的橡胶手套生产质量检测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117670881A CN117670881A (zh) | 2024-03-08 |
CN117670881B true CN117670881B (zh) | 2024-05-24 |
Family
ID=90075337
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410132323.XA Active CN117670881B (zh) | 2024-01-31 | 2024-01-31 | 基于目标分割的橡胶手套生产质量检测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117670881B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113538331A (zh) * | 2021-05-13 | 2021-10-22 | 中国地质大学(武汉) | 金属表面损伤目标检测识别方法、装置、设备及存储介质 |
CN115499670A (zh) * | 2022-11-17 | 2022-12-20 | 广东电网有限责任公司中山供电局 | 一种基于边缘计算的视频图像压缩处理设备 |
CN117372332A (zh) * | 2023-09-07 | 2024-01-09 | 杭州知衣科技有限公司 | 一种基于改进YOLOv7模型的织物瑕疵检测方法 |
-
2024
- 2024-01-31 CN CN202410132323.XA patent/CN117670881B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113538331A (zh) * | 2021-05-13 | 2021-10-22 | 中国地质大学(武汉) | 金属表面损伤目标检测识别方法、装置、设备及存储介质 |
CN115499670A (zh) * | 2022-11-17 | 2022-12-20 | 广东电网有限责任公司中山供电局 | 一种基于边缘计算的视频图像压缩处理设备 |
CN117372332A (zh) * | 2023-09-07 | 2024-01-09 | 杭州知衣科技有限公司 | 一种基于改进YOLOv7模型的织物瑕疵检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN117670881A (zh) | 2024-03-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9002072B2 (en) | System for detection of non-uniformities in web-based materials | |
CN107230203B (zh) | 基于人眼视觉注意机制的铸件缺陷识别方法 | |
CN113592845A (zh) | 一种电池涂布的缺陷检测方法及装置、存储介质 | |
JP4376145B2 (ja) | 画像分類学習処理システム及び画像識別処理システム | |
CN108230340B (zh) | 一种基于mmtd的slic超像素提取权值确定方法及超像素提取方法 | |
CN113724231A (zh) | 一种基于语义分割和目标检测融合模型的工业缺陷检测方法 | |
CN110334594A (zh) | 一种基于批再规范化处理的yolo算法的目标检测方法 | |
CN113221956B (zh) | 基于改进的多尺度深度模型的目标识别方法及装置 | |
CN117372433B (zh) | 厚度参数的控制方法、装置、设备及存储介质 | |
Liang et al. | Automatic defect detection of texture surface with an efficient texture removal network | |
Pramunendar et al. | A Robust Image Enhancement Techniques for Underwater Fish Classification in Marine Environment. | |
CN111222546B (zh) | 一种多尺度融合的食品图像分类模型训练及图像分类方法 | |
CN108520539B (zh) | 一种基于稀疏学习可变模型的图像目标检测方法 | |
CN107609565B (zh) | 一种基于图像全局特征主成分线性回归的室内视觉定位方法 | |
CN117670881B (zh) | 基于目标分割的橡胶手套生产质量检测方法及系统 | |
CN117392450A (zh) | 一种基于进化多尺度特征学习的钢铁材料质量解析方法 | |
CN112669300A (zh) | 瑕疵检测方法及装置、计算机设备和存储介质 | |
Niskanen et al. | Real-time aspects of SOM-based visual surface inspection | |
CN115830302A (zh) | 一种多尺度特征提取融合配电网设备定位识别方法 | |
Martin et al. | A learning approach for adaptive image segmentation | |
CN114972261A (zh) | 一种板带钢表面质量缺陷的识别方法 | |
Gizatullin et al. | Method for Constructing Texture Features based on an Image Weight Model | |
CN117975175B (zh) | 一种基于机器视觉的塑料管道外观缺陷检测方法 | |
CN117474916B (zh) | 一种图像检测方法、电子设备及存储介质 | |
Diaz et al. | A genetic algorithm to segment range image by edge detection |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |