[发明专利]酒瓶表面缺陷检测方法、电子装置及存储介质

说明书

本发明公开了一种酒瓶表面缺陷检测方法，并公开了具有酒瓶表面缺陷检测方法的电子装置和计算机可读存储介质，酒瓶表面缺陷检测方法包括：基于所获取到的酒瓶表面图片得到训练数据集；构建卷积神经网络并基于训练数据集训练卷积神经网络，得到深度学习神经网络；将待检测的酒瓶表面图片输入到深度学习神经网络，以获得待检测的酒瓶表面图片对应的表面缺陷信息；本发明实施例能够对瓶装酒瓶进行表面缺陷的质检，从而大大提高企业的生产效率，减少生产成本，并且具有针对大量检测数据的学习能力和图像特征提取能力，无需人为设计复杂的特征提取算法，从而降低智能检测难度。

技术领域

本发明涉及酒瓶表面缺陷检测技术领域，特别涉及一种酒瓶表面缺陷检测方法、电子装置及存储介质。

背景技术

在瓶装酒瓶的工业生产过程中会受到原材料质量、酒瓶图纸设计方案、加工工艺(灌装)以及机床设备质量、生产环境等因素的影响，最终形成的瓶装酒中可能存在各类表面缺陷而影响到整体的产品质量，当今消费者对工业产品的要求在不断提高，消费者的消费欲望并不再局限于产品的质量好坏，还对产品的外观、视觉效果也有着额外的需求，故针对酿酒行业而言，瓶装酒瓶表面缺陷的质检工作将显得尤为重要，提高瓶装酒瓶表面缺陷的质检能力能在一定程度上影响瓶装酒的销售前景。

传统的人工目检工件表面缺陷或者人工抽样检测工件表面缺陷所造成的产品漏检率和错判率可能极高，针对产品的检测质量效果也因人而异并且缺乏效率，导致工件产品无法大批量生产，不但降低企业的生产效率，还增加企业的生产成本。

基于传统机器视觉的检测方法主要依赖于模板匹配，同时对结构复杂、缺陷种类多，特征差别大的工件表面缺陷图像难以提取合适的特征向量，导致最终的检测效果不佳。

发明内容

本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明提出一种酒瓶表面缺陷检测方法，能够对瓶装酒瓶进行表面缺陷的质检，从而大大提高企业的生产效率，减少生产成本，并且具有针对大量检测数据的学习能力和图像特征提取能力，无需人为设计复杂的特征提取算法，从而降低智能检测难度。

本发明还提出一种具有上述酒瓶表面缺陷检测方法的电子装置。

本发明还提出一种具有上述酒瓶表面缺陷检测方法的计算机可读存储介质。

根据本发明的第一方面实施例的酒瓶表面缺陷检测方法，包括：

基于所获取到的酒瓶表面图片得到训练数据集；

构建卷积神经网络并基于所述训练数据集训练所述卷积神经网络，得到深度学习神经网络；

将待检测的酒瓶表面图片输入到所述深度学习神经网络，以获得待检测的所述酒瓶表面图片对应的表面缺陷信息。

根据本发明实施例的酒瓶表面缺陷检测方法，至少具有如下有益效果：将训练数据集中的酒瓶表面图片输入对卷积神经网络，从而对其进行训练，得到具有良好检测性能的深度学习神经网络，然后将待检测的酒瓶表面图片输入深度学习神经网络，得到表面缺陷信息，表面缺陷信息能够表示当前酒瓶表面图片中的表面缺陷，因此能够快速、准确地检测到酒瓶表面的缺陷，大大提高企业的生产效率，减少生产成本，并且卷积神经网络能够降低智能检测难度。

根据本发明的一些实施例，所述基于所获取到的酒瓶表面图片得到训练数据集之后，还包括以下步骤：

对所述酒瓶表面图片进行Y轴镜像翻转；

对所述酒瓶表面图片进行增强颜色；

对所述酒瓶表面图片进行增强对比度。

根据本发明的一些实施例，所述构建卷积神经网络并基于所述训练数据集训练所述卷积神经网络，得到深度学习神经网络，包括以下步骤：

基于Faster R-CNN网络和Cascade R-CNN网络构建卷积神经网络；