[发明专利]烟丝异物识别方法及设备

说明书

本申请涉及一种烟丝异物识别方法及设备，包括：获取图像采集装置采集的烟丝图像，对烟丝图像进行预处理，使烟丝图像更容易被识别。根据预处理后的烟丝图像，基于预先训练的烟丝异物识别模型，得到对烟丝图像的识别结果；识别结果至少包括：烟丝图像中是否存在异物，异物类别和异物坐标位置。本申请中可以有效利用大量图片数据先训练烟丝异物识别模型，烟丝异物识别模型具备极高的检测精度与泛化能力，可以准确的检测烟丝图像中是否存在异物，异物类别和异物坐标位置。

技术领域

本申请涉及图像识别技术领域，尤其涉及一种烟丝异物识别方法及设备。

背景技术

烟丝生产过程中，可能会混杂纸屑、塑料等异物以及梗签、叶片、湿团等异物，对于这些异物，现有技术中并无有效的在线监测方法，一般采用滤波、阈值分割一类的算法，这些算法过于依赖人工调试算法参数，对于特定的场景可以达到不错的效果，但是无法利用大量的图片数据，没有比较好的泛化能力，环境或者烟丝稍有变化就可能出现很大扰动，导致算法无法正常工作。

发明内容

为至少在一定程度上克服相关技术中无法有效识别烟丝生产过程中混入的异物的问题，本申请提供一种烟丝异物识别方法及设备。

本申请的方案如下：

根据本申请实施例的第一方面，提供一种烟丝异物识别方法，包括：

获取图像采集装置采集的烟丝图像；

对所述烟丝图像进行预处理；

根据预处理后的烟丝图像，基于预先训练的烟丝异物识别模型，得到对所述烟丝图像的识别结果；所述识别结果至少包括：所述烟丝图像中是否存在异物，异物类别和异物坐标位置。

优选的，在本申请一种可实现的方式中，还包括：

获取掺杂有异物的烟丝图像作为样本数据，训练所述烟丝异物识别模型。

优选的，在本申请一种可实现的方式中，所述训练所述烟丝异物识别模型，具体包括：

基于标注工具对所述样本数据进行标注；

采用深度神经网络目标检测框架建立所述烟丝异物识别模型；

将标注后的所述样本数据输入到所述烟丝异物识别模型；

基于所述烟丝异物识别模型对标注后的所述样本数据进行特征提取；

基于所述烟丝异物识别模型将提取后的特征进行特征融合，输出多个不同尺度的特征图；

对所述多个不同尺度的特征图，经过预测模块得到多个不同尺度的预测结果；所述预测结果至少包括：所述样本数据中是否存在异物，异物类别和异物坐标位置。

优选的，在本申请一种可实现的方式中，所述基于标注工具对所述样本数据进行标注，具体包括：

使用最小外包矩形框标识所述样本数据中的异物；

以所述样本数据为基准建立坐标系，获取异物的中心点在所述坐标系中的坐标；

获取所述异物的最小外包矩形框的长度、宽度；

标识所述异物的种类。

优选的，在本申请一种可实现的方式中，所述将标注后的所述样本数据输入到所述烟丝异物识别模型前，所述方法还包括：

基于图像遮挡、多图组合方式对标注后的所述样本数据进行图像增强。

优选的，在本申请一种可实现的方式中，所述将标注后的所述样本数据输入到所述烟丝异物识别模型前，所述方法还包括：

对标注后的所述样本数据进行网格划分。