[发明专利]一种检测丝锭的方法、装置及丝锭分拣系统

说明书

本发明提供一种检测丝锭的方法、装置及丝锭分拣系统，该方法包括：获取待检测的丝锭图像，输入到采用基于深度可分离卷积和点卷积改进的YOLO网络的目标检测模型，进行缺陷区域和/或干扰物区域的检测；确定检测到缺陷区域和/或干扰物区域时，提取缺陷区域和/或干扰物区域的指定参考数据；根据指定参考数据及预设的对应缺陷样本区域的标准参考数据，确定丝锭图像中的丝锭是否为缺陷品；确定为缺陷品时，将缺陷品分拣至缺陷品区域，并输出显示缺陷品的缺陷信息，缺陷信息包括缺陷区域的位置信息。本发明提供的检测丝锭的方法、装置及丝锭分拣系统，解决了现有检测丝锭表面缺陷的方法存在的漏检和误检问题，以及检测成本高、检测效率低的问题。

技术领域

本发明涉及丝锭检测技术领域，特别涉及一种检测丝锭的方法、装置及丝锭分拣系统。

背景技术

在工业原丝的生产过程中，丝锭的生产质量直接影响生产方生产效率和生产效益。目前在丝锭的生产过程中，通常需要大量的人力和物力对丝锭表面的品质进行检查，以此来提高丝锭产品的生产质量。

丝锭表面的油污缺陷是丝锭表面众多缺陷中的一种，大多是机械油污和搬运过程中人为造成的脏污。丝锭表面造成的油污直接影响丝锭的外观和原丝退绕后的染色，进而直接影响原丝的生产质量。目前为了避免油污缺陷造成的损失，大多采用人工肉眼质检的方式检测油污缺陷。但是，人工挑选油污缺陷产品的方法不仅费时、费力，而且分辨率有限的人眼可能会产生油污缺陷的漏检和误检导致产品质量的下降和生产成本的增加。

因此，目前检测丝锭表面缺陷的方法存在漏检和误检的情况，并且存在检测成本高、检测效率低的问题。

发明内容

本发明提供了一种检测丝锭的方法、装置及丝锭分拣系统，用以解决现有检测丝锭表面缺陷的方法存在的漏检和误检问题，以及检测成本高、检测效率低的问题。

根据本发明实施例的第一方面，提供一种检测丝锭的方法，该方法包括：

获取待检测的丝锭图像，输入到采用基于深度可分离卷积和点卷积改进的YOLO网络的目标检测模型，进行缺陷区域和/或干扰物区域的检测；

确定检测到缺陷区域和/或干扰物区域时，提取所述缺陷区域和/或干扰物区域的指定参考数据；

根据所述指定参考数据及预设的对应缺陷样本区域的标准参考数据，确定所述丝锭图像中的丝锭是否为缺陷品；

确定为缺陷品时，将所述缺陷品分拣至对应的缺陷品区域，并输出显示所述缺陷品的缺陷信息，所述缺陷信息包括所述缺陷区域的位置信息。

可选地，还包括：

获取多个训练样本，各训练样本包括已标注无缺陷区域的丝锭图像、已标注不同缺陷区域和/或干扰物区域的丝锭图像；

将所述训练样本中的丝锭图像输入到采用基于深度可分离卷积和点卷积改进的YOLO网络的网络模型，以输出已标注的缺陷区域和/或干扰物区域为目标进行模型训练，调整所述网络模型的模型参数，得到所述目标检测模型。

可选地，所述YOLO网络的网络类型为YOLO V3-Tiny，所述YOLO网络包括至少一个卷积层、批量归一化BN层及激活层，所述卷积层采用可分离卷积与点卷积组合的卷积运算。

可选地，将丝锭图像输入到采用基于深度可分离卷积和点卷积改进的YOLO网络的目标检测模型，包括：

利用自适应阈值分割算法对所述丝锭图像进行预处理，确定所述丝锭图像中丝锭的外接矩形框；

将预处理后的丝锭图像输入到所述目标检测模型。

可选地，所述根据所述指定参考数据及预设的对应缺陷样本区域的标准参考数据，确定所述丝锭图像中的丝锭是否为缺陷品，包括：