一种基于YOLOv3的酒瓶瑕疵自动检测方法技术

本发明专利技术公开了一种基于YOLOv3的酒瓶瑕疵自动检测方法，该方法利用YOLOv3网络结构去学习到通过人工采集标记的酒瓶瑕疵图片数据中的缺陷特征之后，得到一个可以自动识别生产中的酒瓶上是否含有瑕疵的模型，然后将这个模型加载到一个实时酒瓶识别系统中去，实时拍摄然后实时返回识别的结果，就能解决人工检测带的低效率和精度的问题，帮助提升生产过程的自动化程度，该方法检测速度非常快，可以一秒检测多张图像，满足大批量检测任务的需求，并且克服了之前版本对于小尺寸的目标识别精度不高的缺陷，检测的精度得到显著提高。本发明专利技术还具有操作方便、容易实施的优点。

【技术实现步骤摘要】
一种基于YOLOv3的酒瓶瑕疵自动检测方法
本专利技术涉及深度学习计算机视觉
，尤其涉及一种基于YOLOv3的酒瓶瑕疵自动检测方法。
技术介绍
随着我国生产制造业不断转型自动化生产，由以前的人工占主导逐步转型为以机器占主导的生成流水线，人工智能算法发挥着至关重要的作用。例如，在酒瓶制造厂家在酒瓶的生产过程中，以前主要由人工来完成酒瓶的质量检测，由于酒瓶的制造数量庞大，造成检测的任务量巨大，并且易出现漏检。而现在采用计算机视觉算法，利用摄像头拍摄酒瓶就能立即判断酒瓶是否含有瑕疵，解放人工，因此，现有技术需要进一步改进和完善。
技术实现思路
本专利技术的目的在于克服现有技术的不足，提供一种基于YOLOv3的酒瓶瑕疵自动检测方法。本专利技术的目的通过下述技术方案实现：一种基于YOLOv3的酒瓶瑕疵自动检测方法，主要包括如下步骤：步骤S1：采集生产现场丰富的瑕疵酒瓶的图片数据，以待模型学习；步骤S2：将图片中的瑕疵进行标注，然后按照VOC数据集的类型进行制作；步骤S3：将所有的数据进行可视化总结本文档来自技高网...

【技术保护点】
1.一种基于YOLOv3的酒瓶瑕疵自动检测方法，其特征在于，包括如下步骤：/n步骤S1：采集生产现场丰富的瑕疵酒瓶的图片数据，以待模型学习；/n步骤S2：将图片中的瑕疵进行标注，然后按照VOC数据集的类型进行制作；/n步骤S3：将所有的数据进行可视化总结数据各类别的分布情况；/n步骤S4：利用YOLOv3网络对数据中的酒瓶瑕疵进行学习，利用深度学习的多层卷积对数据进行拟合，得到收敛后的权重模型；/n步骤S5：利用学习后的权重模型对测试集的瑕疵酒瓶图像进行测试，然后对参数进行调整后重新训练；/n步骤S6：模型测试提升稳定后，通过优化方案对模型进行优化，提高精度；/n步骤S7：获得最终的模型到现场...

【技术特征摘要】
1.一种基于YOLOv3的酒瓶瑕疵自动检测方法，其特征在于，包括如下步骤：
步骤S1：采集生产现场丰富的瑕疵酒瓶的图片数据，以待模型学习；
步骤S2：将图片中的瑕疵进行标注，然后按照VOC数据集的类型进行制作；
步骤S3：将所有的数据进行可视化总结数据各类别的分布情况；
步骤S4：利用YOLOv3网络对数据中的酒瓶瑕疵进行学习，利用深度学习的多层卷积对数据进行拟合，得到收敛后的权重模型；
步骤S5：利用学习后的权重模型对测试集的瑕疵酒瓶图像进行测试，然后对参数进行调整后重新训练；
步骤S6：模型测试提升稳定后，通过优化方案对模型进行优化，提高精度；
步骤S7：获得最终的模型到现场的识别系统上进行调试。


2.根据权利要求1所述的基于YOLOv3的酒瓶瑕疵自动检测方法，其特征在于，所述步骤S1中，利用两个高精度的工业相机分别采集瓶盖和瓶身的图像数据，由于两部分的环境因素和尺寸比例不太一样，所以分开获取；然后，通过opencv(图像处理库)调整图像的大小为416×416。


3.根据权利要求1所述的基于YOLOv3的酒瓶瑕疵自动检测方法，其特征在于，在步骤S2中，根据所有瑕疵类别分为十种瑕疵，分别为瓶盖破损、瓶盖变形、瓶盖坏边、瓶盖打旋、瓶盖断点、标贴歪斜、标贴起皱、标贴气泡、喷码正常、喷码异常；利用目标分割的标记软件LabelImg对瑕疵进行人工标注，将所有图片中的瑕疵进行框选和标记分类，得到图像的标注信息文件，然后按照VOC数据集的格式，对数据和对应标注文件就进行整理，分成训练集、验证机和测试集三部分。


4.根据权利要求1所述的基于YOLOv3的酒瓶瑕疵自动检测方法，其特征在于，在步骤S3中，利用panda库和matplotlib库等进行数据可视化，查看数据的分布情况以及瑕疵特征各种类型的数据量占比，并根据分布对比图数据，可以相对应的调整数据的类别特征数量，保证每个类别的数据量都足够模型进行学习，保证数据的均衡性。


5.根据权利要求1所述的基于YOLOv3的酒瓶瑕疵自动检测方法，其特征在于，在步骤S4中，YOLOv3主干结构，是由Darknet-53网络构成，它借鉴了ResNet的残差结构，有53层的卷积网络，其中包含23个残差块，使用这种结构可以...

【专利技术属性】
技术研发人员：关洁，杨海东，李俊宇，李淑芬，
申请(专利权)人：佛山市南海区广工大数控装备协同创新研究院，佛山市广工大数控装备技术发展有限公司，
类型：发明
国别省市：广东;44