详情

原文传递异物模型训练方法、空管异物检测方法、装置及存储介质

专利名称：	异物模型训练方法、空管异物检测方法、装置及存储介质
摘要：	本发明涉及图像处理技术领域，提供了一种异物模型训练方法、空管异物检测方法、装置及存储介质，包括模型搭建，基于PyTorch框架和ShuffleNet轻量级神经网络，建立训练数据集、验证数据集和测试数据集；模型训练，基于采集的数据进行模型迭代训练，训练完成生成模型文件。借此，本发明的异物深度学习模型采用深度学习技术搭建并训练；同时本发明还利用深度学习模型进行在线空管异物的实时检测，对比现有的机器视觉算法，检测准确性高，鲁棒性强。本发明还提供了基于检测方法的异物检测装置，具有广泛的使用空间；同时提供了一种计算机可读存储介质执行模型搭建及训练或在线异物检测。
专利类型：	发明专利
国家地区组织代码：	安徽;34
申请人：	中国电子科技集团公司第四十一研究所
发明人：	刘敏;张义伟;徐洋;沈宝诚;孙多洋
专利状态：	有效
申请日期：	2022-10-31T00:00:00+0800
发布日期：	2023-01-03T00:00:00+0800
申请号：	CN202211341409.0
公开号：	CN115561258A
代理机构：	青岛智地领创专利代理有限公司
代理人：	韩孟霞
分类号：	G01N21/95;G01N21/01;G06N3/04;G06N3/08;G06V10/42;G06V10/764;G06V10/774;G;G01;G06;G01N;G06N;G06V;G01N21;G06N3;G06V10;G01N21/95;G01N21/01;G06N3/04;G06N3/08;G06V10/42;G06V10/764;G06V10/774
申请人地址：	233010 安徽省蚌埠市华光大道726号
主权项：	1.一种异物模型训练方法，其特征在于，包括模型搭建，基于PyTorch框架和ShuffleNet轻量级神经网络，建立训练数据集、验证数据集和测试数据集；模型训练，基于采集的数据进行模型迭代训练，包括：S1遍历数据集、S2梯度清零、S3计算输出值、S4计算误差、S5反向传播以及S6修正模型； S7判断遍历数据集是否完成；判断为否，则重复S1-S6；判断为是，执行S8； S8判断迭代是否完成；判断为是，存储最优模型；判断为否，重复S1-S7； S9训练完成生成模型文件。 2.如权利要求1所述的异物模型训练方法，其特征在于，所述模型训练采集的数据包括正样本，即无缺陷的空管图像；负样本，即夹杂有某种异物的空管图像，且各类异物图像按预定的比例采集；正样本及负样本按预定比例构成数据集。 3.如权利要求2所述的异物模型训练方法，其特征在于，所述异物种类包括毛发、灰尘颗粒、纸屑、霉斑，各种异物按预定的比例，构成负样本。 4.如权利要求2所述的异物模型训练方法，其特征在于，对采集的正样本及负样本数据进行预处理，包括：数据分类，将负样本按各种异物进行分类；数据增强，采用随机变换处理，利用采集到的正样本及负样本，扩充训练数据。 5.一种空管异物检测方法，其特征在于，包括：接收到灌装设备的触发信号后，实时采集待检空管的图像信息；读入如权利要求1-4任意一项所述的异物模型训练方法生成的文件，处理采集的图像信息，判别空管异物是否存在；当空管异物存在，判断异物的类别并向灌装设备控制系统发送报警、剔除信号。 6.一种空管异物检测装置，其特征在于，包括：图像采集模块，接收到灌装设备的触发信号后，实时采集待检空管的图像信息；图像处理模块，读入异物模型训练方法生成的文件，处理采集的图像信息，判别空管异物是否存在；当空管异物存在，判断异物的类别并向灌装设备控制系统发送报警、剔除信号。 7.一种计算机可读存储介质，其特征在于，所述介质用于存储至少一段计算机程序，所述至少一段计算机程序用于执行如权利要求1-4任意一项所述的异物模型的搭建及训练，或者，所述至少一段计算机程序用于执行如权利要求5所述的空管异物检测方法。