[发明专利]一种片烟包解包残余杂物的视觉检测方法

权利要求书

1.一种片烟包解包残余杂物的视觉检测方法，其特征在于，所述方法包括：

在线获取片烟包表面图像；

将获取的片烟包表面图像输入预先训练的CenterNet网络，检测片烟包表面是否存在残留物，若无残留，则解包成功。

2.根据权利要求1所述的片烟包解包残余杂物的视觉检测方法，其特征在于，所述CenterNet网络训练方法包括：

离线获取片烟包表面图像，对片烟包图像进行分析处理，构建离线片烟包表面数据集；

通过片烟包表面数据集训练CenterNet网络。

3.根据权利要求2所述的片烟包解包残余杂物的视觉检测方法，其特征在于，所述对片烟包图像进行分析处理包括：

对图像中纸板、编织袋除塑料薄膜之外的数据进行图像增强；

对有杂物残留的数据进行增强。

4.根据权利要求2所述的片烟包解包残余杂物的视觉检测方法，其特征在于，所述构建离线片烟包表面数据集的方法包括：

通过机械手解包完成，采用工业相机拍摄整个片烟包图像；

判断每张图像片烟包上表面是否含有残余杂物，并给出解包成功片烟包表面干净类别或解包失败片烟包表面残余杂物的类别；

分析解包成功、解包不成功数据集分布，分析解包片烟包表面含有残余杂物的种类塑料薄膜、纸板、编织袋的数据分布。

5.根据权利要求1所述的片烟包解包残余杂物的视觉检测方法，其特征在于，所述CenterNet网络经过主干网络后，产生两个预测分支，分别为一对角点和中心关键点的预测，其中角点和中心点通过focal loss训练网络检测，角点和中心关键点的偏移量通过KLloss训练网络预测；

根据在线检测得到的片烟包表面坐标并判断是否存在残余杂物。

6.根据权利要求1所述的片烟包解包残余杂物的视觉检测方法，其特征在于，所述CenterNet网络采用混合损失函数。

7.根据权利要求6所述的片烟包解包残余杂物的视觉检测方法，其特征在于，所述混合损失函表达式为：

和是focal loss训练网络检测角点和中心点，是角的拉损失，用于最小化属于同一目标角点对的嵌入向量的距离，是角的push损失，用于最大化不同对象的嵌入向量的距离。

8.根据权利要求1所述的片烟包解包残余杂物的视觉检测方法，其特征在于，所述方法还包括：若解包失败，则通过人工干预。