[发明专利]一种识别自动卡口编码一体机上雷管数量的方法及装置

说明书

本发明公开了一种识别自动卡口编码一体机上雷管数量的方法及装置，本发明方法包含训练阶段和检测阶段，训练阶段又包括雷管盒子关键点检测模型以及所述雷管检测模型的训练，检测阶段包括雷管盒子图像集采集、雷管盒子关键点检测、雷管区域提取、雷管数量检测、雷管数量异常图像数统计、雷管盒子异常判断等步骤。本发明利用安装于自动卡口编码一体机上的摄像头实时获取雷管盒子的图像，使用CNN卷积神经网络，对雷管盒子关键点进行检测，再使用仿射变换对雷管区域图像进行提取，解决了雷管区域提取困难的问题，提升了检测精度。

技术领域

本发明涉及自动卡口编码一体机上雷管数量识别技术领域，具体涉及一种识别自动卡口编码一体机上雷管数量的方法及装置。

背景技术

自动卡口编码一体机上的流水线上的雷管盒子中雷管数量检测是非常重要的一个环节，必须保证组成产品所需雷管数量满足要求。在实际的雷管盒子生产中，雷管易存在漏装、错装和误装现象，影响产品的出厂合格率，对企业造成严重的经济损失。

在雷管的生产过程中，每个雷管盒子里指定要放置固定数量的雷管，现阶段通常采用人工核对的方式来检测雷管数量，成本较高，并且人工检测时，长时间的工作会导致人眼出现视觉疲劳，增加零部件被漏检和误检的风险。目前，随着人工智能和工业自动化的发展，计算机视觉技术越来越广泛应用于生产线产品质量检测领域。

为了提升雷管数量检测精度，多采用基于图像识别的方法对雷管数量进行识别，但由于雷管盒子雷管所在的区域关键点特征不明显，不易于检测，为图像识别带来了一定的困难。

发明内容

本发明方法的目的是提供一种基于神经网络和仿射变换的雷管数量检测，使用CNN卷积神经网络，对雷管盒子关键点进行检测，使用仿射变换对雷管区域图像进行提取，解决了雷管区域提取困难的问题，采用卷积神经网络，对雷管数量进行检测，提升了检测精度。

第一方面，本发明提供一种识别自动卡口编码一体机上雷管数量的方法，具体包括以下步骤：

S1、雷管盒子关键点检测模型的训练；

S2、雷管检测模型的训练；

S3、雷管盒子图像集采集；

S4、雷管盒子关键点检测：所述雷管盒子关键点包括雷管线区域角点及雷管区域角点，将所述雷管盒子图像集中任意一张图像输入雷管盒子关键点检测模型中，获取所述雷管盒子的至少三个关键点坐标，所述关键点不在同一直线上；

S5、雷管区域图像提取，获得雷管区域图像集；

S6、雷管数量获取：将所述雷管区域图像集输入雷管检测模型中，获取所述雷管区域图像集中每一张图像的雷管数量；

S7、雷管数量异常图像数统计：设定雷管数量异常阈值，统计所述雷管区域图像集中雷管数量不等于所述异常阈值的图像个数，得到所述雷管数量异常图像数；

S8、雷管盒子异常判断：设定雷管数量异常图像数阈值，根据所述雷管数量异常图像数与雷管数量异常图像数阈值的关系对雷管盒子的雷管数量异常进行判断：

当雷管数量异常图像数≥雷管数量异常图像数阈值，则输出雷管盒子异常；

当雷管数量异常图像数＜雷管数量异常图像数阈值，则输出雷管盒子正常。

进一步地，在所述S3、雷管盒子图像集采集之前还包括雷管盒子到位判断：通过摄像头采集自动卡口编码一体机雷管停顿区域内的判断图像，根据所述判断图像中雷管线颜色信息判断雷管盒子是否已到位，当判断结果为雷管盒子已到位则进行所述雷管盒子图像集采集。

进一步地，所述步骤S1具体包括：

S11、雷管盒子关键点检测模型训练样本的采集及预处理；