[发明专利]一种基于深度学习的产品封装质量检测系统

说明书

本发明实施例公开了一种基于深度学习的产品封装质量检测系统，包括：深度学习目标检测训练用数据集生成模块、深度学习目标检测算法训练模块、深度学习目标检测模块和人机交互模块，深度学习目标检测训练用数据集生成模块导入用于深度学习目标检测算法模块训练的各种故障类型图像，并生成算法模块训练所需的格式化数据集，深度学习目标检测算法训练模块以格式化数据集为输入，进行迁移学习后输出深度学习目标检测算法，深度学习目标检测模块输入现场采集的原始数据图像，输出带标注框的分析图像，所述人机交互模块实现操作人员输入待分析的原始数据图像，根据输出的结果对产品封装情况进行处理。本发明解决了现有产品封装质量无法监控的问题。

技术领域

本发明实施例涉及产品质量检测领域，具体涉及一种基于深度学习的产品封装质量检测系统。

背景技术

包装行业中，自动化机器在封装非固定形态(如粉末状)产品时，容易发生料包漏装、夹料、通包等缺陷故障，现有的检测方法除了人工视觉抽检外，还有使用机器视觉检测。人工抽检效率低下，机器视觉检测虽是自动化检测，但传统的机器视觉在算法层面仍无法很好的处理很多类型的缺陷。

被封装产品为非刚性，本身没有固定形状，在封装过程中由于下料速度、封口区域以及封装带静电、摩擦力等影响，会呈现出不规则形状。传统机器视觉中的机器学习算法，无论是模板比对、缺陷检测、图像分割或边缘检测，都没有足够的泛化能力来识别全部封装缺陷。被检测物品无法严格定位标注，由于封装料带呈现柔性特质，在制造过程中会出现水平偏移抖动，传统机器难以通过定位标注来锁定目标。同一台包装制造机器会生产不同品牌规格的产品，其包装规格存在差异，不同的边缘压痕、不同的表面印刷、厚度不一的材质均会导致使用传统机器视觉算法检测不能准确识别缺陷包装，针对不同型号的包装需要现场更换相对应的视觉识别算法，严重影响生产效率。

发明内容

为此，本发明实施例提供一种基于深度学习的产品封装质量检测系统，以解决现有产品封装质量无法监控的问题。

为了实现上述目的，本发明的实施方式提供如下技术方案：

在本发明的实施方式中，提供了一种基于深度学习的产品封装质量检测系统，包括：深度学习目标检测算法模块预训练单元和生产检测单元，所述深度学习目标检测算法模块预训练单元包括：深度学习目标检测训练用数据集生成模块和深度学习目标检测算法训练模块，所述生产检测单元包括：深度学习目标检测模块和人机交互模块，所述深度学习目标检测训练用数据集生成模块导入用于深度学习目标检测算法模块训练的各种故障类型图像，并生成算法模块训练所需的格式化数据集，所述深度学习目标检测算法训练模块以格式化数据集为输入，进行迁移学习后输出深度学习目标检测算法，所述深度学习目标检测模块输入现场采集的原始数据图像，通过深度学习目标检测算法计算输出带标注框的分析图像，所述人机交互模块实现操作人员输入待分析的原始数据图像，并根据分析输出的结果对产品封装情况进行处理。

优选地，所述深度学习目标检测训练用数据集生成模块导入用于深度学习目标检测算法模块训练的各种故障类型图像，并对每张图中的数故障类型区域进行标注，最终生成算法模块训练所需的格式化数据集，格式挂数据集作为深度学习目标检测算法训练模块的输入。

优选地，所述深度学习目标检测训练用数据集生成模块工作流程为：

收集多种类型的已知故障封装图片，每个类型选取500-1000张，每个类型图片的60％放入训练目录，20％放入校验目录，20％放入预测推理目录；

利用深度学习目标检测训练用数据集生成模块对每一张图片上的缺陷区域进行打框标注，并自动生成对应的xml文件；

利用深度学习目标检测训练用数据集生成模块将xml文件生成VOC或TF Records数据集格式。