[发明专利]一种烟支外观缺陷检测方法及系统

权利要求书

1.一种烟支外观缺陷检测方法，其特征在于，包括：

获取烟支外观图像数据集；所述烟支外观图像数据集包括不同类型的烟支外观图像；烟支外观图像的类型包括：正常、斑点、褶皱、错牙以及无滤嘴；

利用所述烟支外观图像数据集中的训练集训练改进后的YOLOv5s网络，确定烟支外观缺陷检测模型；所述改进后的YOLOv5s网络中的骨干网络层引入通道注意力机制；所述改进后的YOLOv5s网络的激活函数为Swish函数；所述改进后的YOLOv5s网络的损失函数为DIoU函数；所述烟支外观缺陷检测模型以烟支外观图像为输入，以烟支外观图像的类型为输出；

利用所述烟支外观图像数据集中的验证集验证所述烟支外观缺陷检测模型；

利用验证后的所述烟支外观缺陷检测模型对所述烟支外观图像数据集中的测试集进行测试。

2.根据权利要求1所述的一种烟支外观缺陷检测方法，其特征在于，所述获取烟支外观图像数据集，具体包括：

利用烟支生产流水线上的拍摄设备采集烟支外观图像；

采用LabelImg工具对烟支外观图像进行类型以及缺陷位置的标注。

3.根据权利要求1所述的一种烟支外观缺陷检测方法，其特征在于，所述获取烟支外观图像数据集，之后还包括：

对所述烟支外观图像数据集进行数据增强；所述数据增强包括：随机中心旋转、新样本合成、高斯噪声添加以及Mosaic数据增强。

4.根据权利要求1所述的一种烟支外观缺陷检测方法，其特征在于，所述利用所述烟支外观图像数据集中的训练集训练改进后的YOLOv5s网络，确定烟支外观缺陷检测模型，之前还包括：

将所述烟支外观图像数据集划分为训练集、测试集以及验证集；训练集、测试集以及验证集的比例为6:2:2。

5.根据权利要求1所述的一种烟支外观缺陷检测方法，其特征在于，所述利用所述烟支外观图像数据集中的训练集训练改进后的YOLOv5s网络，确定烟支外观缺陷检测模型，具体包括：

利用引入通道注意力机制的骨干网络层进行特征提取，并对提取的特征进行特征融合，输出特征图；

将先验框分配在所述特征图上生成训练集候选框，并进行调整，采用DIoU函数计算改进后的YOLOv5s网络的整体损失，对改进后的YOLOv5s网络参数进行更新。

6.一种烟支外观缺陷检测系统，其特征在于，包括：

烟支外观图像数据集获取模块，用于获取烟支外观图像数据集；所述烟支外观图像数据集包括不同类型的烟支外观图像；烟支外观图像的类型包括：正常、斑点、褶皱、错牙以及无滤嘴；

烟支外观缺陷检测模型确定模块，用于利用所述烟支外观图像数据集中的训练集训练改进后的YOLOv5s网络，确定烟支外观缺陷检测模型；所述改进后的YOLOv5s网络中的骨干网络层引入通道注意力机制；所述改进后的YOLOv5s网络的激活函数为Swish函数；所述改进后的YOLOv5s网络的损失函数为DIoU函数；所述烟支外观缺陷检测模型以烟支外观图像为输入，以烟支外观图像的类型为输出；

烟支外观缺陷检测模型验证模块，用于利用所述烟支外观图像数据集中的验证集验证所述烟支外观缺陷检测模型；

烟支外观缺陷检测模型测试模块，用于利用验证后的所述烟支外观缺陷检测模型对所述烟支外观图像数据集中的测试集进行测试。

7.根据权利要求6所述的一种烟支外观缺陷检测系统，其特征在于，所述烟支外观图像数据集获取模块具体包括：

烟支外观图像采集单元，用于利用烟支生产流水线上的拍摄设备采集烟支外观图像；

烟支外观图像标注单元，用于采用LabelImg工具对烟支外观图像进行类型以及缺陷位置的标注。

8.根据权利要求6所述的一种烟支外观缺陷检测系统，其特征在于，还包括：

数据增强模块，用于对所述烟支外观图像数据集进行数据增强；所述数据增强包括：随机中心旋转、新样本合成、高斯噪声添加以及Mosaic数据增强。