[发明专利]烟丝杂物检测方法、装置、计算机设备和存储介质在审
申请号: | 202210309978.0 | 申请日: | 2022-03-28 |
公开(公告)号: | CN114708213A | 公开(公告)日: | 2022-07-05 |
发明(设计)人: | 林敬炬;李晓刚;廖俊辉;陈桂平;郭天文;郭剑华;蓝占明;江楠;吴永辉;林慧;刘倩;刘雄辉 | 申请(专利权)人: | 龙岩烟草工业有限责任公司 |
主分类号: | G06T7/00 | 分类号: | G06T7/00;G06T5/50;G06N3/08;G06N3/04;G06V10/40 |
代理公司: | 华进联合专利商标代理有限公司 44224 | 代理人: | 聂榕 |
地址: | 364000 福建*** | 国省代码: | 福建;35 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 烟丝 杂物 检测 方法 装置 计算机 设备 存储 介质 | ||
本申请涉及一种烟丝杂物检测方法、装置、计算机设备、存储介质和计算机程序产品。所述方法包括:获取生产过程中实时监测的烟丝图像;将烟丝图像输入预先训练得到的烟丝杂物检测模型,对烟丝图像进行杂物检测,得到烟丝图像的杂物检测结果,其中,烟丝杂物检测模型包括特征提取层,特征提取层的至少一个目标中间层插入至少一个SE结构,通过SE结构对特征提取层的结果进行加权处理,得到强化特征图,根据强化特征图得到烟丝图像的杂物检测结果;根据烟丝图像的杂物检测结果生成预警信息,并将预警信息返回至监管前端,对烟丝图像中的杂物进行预警。采用本方法可以使整个烟丝杂物检测过程的准确率以及检测效率都得到大幅度提升。
技术领域
本申请涉及烟丝生产管理技术领域,特别是涉及一种烟丝杂物检测方法、装置、计算机设备、存储介质和计算机程序产品。
背景技术
烟支的品质与口感都与其烟丝的质量息息相关,而在烟丝生产运输过程中,不可避免的会混入碎纸、包装碎屑等杂物,对烟丝的内在质量造成极其严重的影响。因此对生产过程中的烟丝进行杂物检测并除杂是保证烟支质量的必要手段。
在现有生产过程中,烟丝的除杂还是停留于人工检测阶段,人工检测受到主观因素的影响,且由于人长时间盯着烟丝看,容易产生疲劳,当烟丝杂物较为细小时,经常会造成漏检、误检的现象,使得整个烟丝杂物检测过程准确率和检测效率均有待提高。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提高烟丝杂物检测的准确率与检测效率的烟丝杂物检测方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
第一方面,本申请提供了一种烟丝杂物检测方法,所述方法包括:
获取生产过程中实时监测的烟丝图像;
将所述烟丝图像输入预先训练得到的烟丝杂物检测模型,对所述烟丝图像进行杂物检测,得到所述烟丝图像的杂物检测结果,其中,所述烟丝杂物检测模型包括特征提取层,所述特征提取层的至少一个目标中间层插入至少一个SE结构,通过所述SE结构对所述特征提取层的结果进行加权处理,得到强化特征图,根据所述强化特征图得到所述烟丝图像的杂物检测结果;
根据所述烟丝图像的杂物检测结果生成预警信息,并将所述预警信息返回至监管前端,对所述烟丝图像中的杂物进行预警。
在其中一个实施例中,所述目标中间层包括第一目标中间层与第二目标中间层,所述第二目标中间层所处的层数大于所述第一目标中间层所处的层数,所述第一目标中间层中之后插入第一SE结构,所述第二目标中间层之后插入第二SE结构;
所述将所述烟丝图像输入预先训练得到的烟丝杂物检测模型,对所述烟丝图像进行杂物检测,得到所述烟丝图像的杂物检测结果,包括:
将所述烟丝图像输入预先训练得到的烟丝杂物检测模型,所述烟丝杂物检测模型的特征提取层对所述烟丝图像进行特征提取处理;将所述第一目标中间层前的多层特征提取层提取的第一尺寸特征图,输入到所述第一SE结构中,所述第一SE结构对所述第一尺寸特征图进行加权处理,得到第一强化特征图;
将所述第一强化特征图输入至所述第一SE结构后的特征提取层,得到第二尺寸特征图,将所述第二尺寸特征图输入至所述第二SE结构中,得到第二强化特征图;
将所述第二强化特征图输入至所述第二SE结构之后的特征提取层,得到第三尺寸特征图。
根据第一尺寸特征图、第二尺寸特征图以及第三尺寸特征图,得到所述烟丝图像的杂物检测结果。
在其中一个实施例中,所述SE结构包括了全局平均池化层、全连接网络层和激发层;
所述通过所述SE结构对所述特征提取层的结果进行加权处理,得到强化特征图,包括:
将所述特征提取层输出的特征图输入至全局平均池化层中进行压缩操作,得到全局感受野特征图;
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于龙岩烟草工业有限责任公司,未经龙岩烟草工业有限责任公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202210309978.0/2.html,转载请声明来源钻瓜专利网。