一种基于目标检测算法的配件装包检查方法技术

本发明专利技术公开一种基于目标检测算法的配件装包检查方法，方法包括S1、根据装包检测要求搭建目标检测算法；S2、采集待检测装包的电子图像，并进行预处理；S3、将预处理后的装包图像分别制作成训练集和测试集；S4、将步骤S2制成的训练集放入目标检测算法当中进行训练；S5、将步骤S2制成的测试集放入步骤S4训练好的目标检测算法当中进行泛化测试；S6、根据测试结果来评判目标检测算法是否达到所要求的性能指标，本发明专利技术依托TPS658装包检测项目，对所依托项目的包对象进行学习，能够对流水线上的包进行检测，发现漏装会发出警报，该方法性能稳定可靠且能长时间运行，不仅减轻了检测人员工作量，还实现了对包的高速度、高精度和非接触的检测。的检测。的检测。

【技术实现步骤摘要】
一种基于目标检测算法的配件装包检查方法


[0001]本专利技术涉及流水线检测
，尤其涉及一种基于目标检测算法的配件装包检查方法。

技术介绍

[0002]目前工厂流水线上的装包流程，都是由工人们站在流水线两旁，往箱子中放置物件，但是由于人工装包往往存在一定的疏忽，因此，总是需要检测人员对包进行检测，该人员主要负责在最后检查包中是否装配完备，但这是落后的手段，效率低，成本高，并且由于工作时间增长，工人疲劳并且引起许多的漏检。

技术实现思路

[0003]针对这种情况，本专利技术研制了一套基于目标检测算法的配件装包检查方法，本专利技术主要是依托TPS658装包检测项目，对所依托项目的包对象进行学习，最后能够对流水线上的包进行检测，发现漏装会发出警报。经过实验发现，该方法性能稳定可靠且能长时间运行，不仅减轻了检测人员工作量，还实现了对包的高速度、高精度和非接触的检测。
[0004]本专利技术提出一种基于目标检测算法的配件装包检查方法，具体是针对流水线上待装包的目标进行检测，发现装配中是否有缺漏，如果有缺漏就发出警报，所述方法包括以下步骤：
[0005]S1、根据装包检测要求搭建目标检测算法；
[0006]S2、采集待检测装包的电子图像，并进行预处理；
[0007]S3、将预处理后的装包图像分别制作成训练集和测试集；
[0008]S4、将步骤S2制成的训练集放入所述目标检测算法当中进行训练；
[0009]S5、将步骤S2制成的测试集放入步骤S4训练好的所述目标检测算法当中进行泛化测试；
[0010]S6、根据测试结果来评判目标检测算法是否达到所要求的性能指标，若达标，则投入实际生产的检测工序中；若不达标，返回步骤S2。
[0011]进一步改进在于，所述目标检测算法在结构上为分别搭建输入端结构和Backbone网络、Neck网络、Prediction网络结构。
[0012]进一步改进在于，所述步骤S2的预处理具体包括：
[0013]先后对采集到的垫片图像进行整理、清洗和标注，所述整理处理操作为对图片的尺寸方向进行调整，使得所有待检测装包图像统一成相同的格式；所述清洗处理操作为根据对生产要求对待检测装包图像进行标签定义；所述标注处理操作为使用标注工具，在装包图像标注上与之对应的类型标签，并生成标注文件作为训练正样本，将非装包图像部分归类为训练负样本。
[0014]进一步改进在于，所述输入端结构主要是进行数据增强操作和尺寸重设操作，所述数据增强操作主要是对原始如数据进行随机的旋转、缩放、裁剪；所述尺寸重设操作使用
双线性插值，将输入的图像尺寸重设为640x640大小，且通道数为3。
[0015]进一步改进在于，所述Backbone网络采用Focus和CSP结构；将原始608x608x3的图像输入Focus结构，并进行切片操作使之变成320x320x12的特征图，再经过一次32个卷积核的卷积操作，最终变成320x320x32的特征图；之后特征图进入CSP结构中被拆成两个部分，一部分进行卷积操作，另一部分和上一部分卷积操作的结果进行concate操作；所述CSP结构共设置由3个，即可对图像进行3次CSP处理，并输出三次，第一次进行CSP操作后，得到特征图尺寸80x80x128；对此特征图再进行CSP操作之后，得到特征图尺寸为40x40x256；再将得到的特征图输入到SPP模块中得到第三次的输出，特征图尺寸为20x20x512。
[0016]进一步改进在于，所述Neck网络采用FPN和PAN结构，将所述Backbone网络得到的特征图像进行金字塔特征处理。
[0017]进一步改进在于，所述Predition网络采用GIOU结构，
[0018][0019]上式GIOU_Loss为Bounding box的损失函数，所述损失函数主要是先计算两个框的最小闭包区域面积，再计算出IoU，再计算闭包区域中不属于两个框的区域占闭包区域的比重，最后用IoU减去这个比重得到GIoU。
[0020]进一步改进在于，所述步骤S6还包括：
[0021]所述性能指标是根据目标检测算法对装包图像识别准确度进行统计，分别计算误检率和准确率，如果性能不达标，则不断增加待检测装包图像的数量与种类以提高目标检测算法对装包图像的检测丰富度，同时调节正负样本的比例，增强目标检测算法对负样本的排除能力。
[0022]与现有技术相比，本专利技术的有益效果为：
[0023]1、将深度学习方法的目标检测算法引入包检测中，快速将包中漏装的物件检测并发出警报，实现生产自动化和智能化。
[0024]2、替代低效的人工方法，提高效率并节省成本。
[0025]3、采用当前最新的yolov5结构，要比传统的目标检测算法获得更快的推理速度和更好的检测性能。
附图说明
[0026]附图仅用于示例性说明，不能理解为对本专利的限制；为了更好说明本实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；对于本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。
[0027]图1为本专利技术一实施方式的整体流程示意图。
具体实施方式
[0028]在本专利技术的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以是通过中间媒介间接连接，可以说两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本专利技术
的具体含义。下面结合附图和实施例对本专利技术的技术方案做进一步的说明。
[0029]参照图1，一种基于目标检测算法的配件装包检查方法主要内容是，首先从生产工厂中找到大量的包作为待测对象，并且保证包内的种类包含了所有物件种类；对采集好的包图片数据进行整理，清洗与标注，最后制作成训练集和测试集，根据厂家对包的检测要求，我们定义好包的类型与标记，然后根据需要识别的类型数量，进行目标检测算法的搭建；使用制作好的训练集对目标检测算法进行多次训练，并在最后使用制作好的测试集对训练好的目标检测算法进行泛化测试；通过测试结果计算准确率，召回率等等参数来评价目标检测算法的性能，如果性能没有达到要求，则不断重复之前的操作，直到训练到性能符合要求的目标检测算法；最后将训练完成的目标检测算法投入使用。
[0030]现对其检查方法的步骤进行详细说明，所述方法包括以下步骤：
[0031]S1、根据装包检测要求搭建目标检测算法；
[0032]S2、采集待检测装包的电子图像，并进行预处理；
[0033]S3、将预处理后的装包图像分别制作成训练集和测试集，测试集不能与训练集重合；
[0034]S4、将步骤S2制成的训练集放入所述目标检测算法当中进行训练；
[0035]S5、将步骤S2制成的测试集放入步骤S4训练好的所述目标检测算法本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于目标检测算法的配件装包检查方法，其特征在于，所述方法包括以下步骤：S1、根据装包检测要求搭建目标检测算法；S2、采集待检测装包的电子图像，并进行预处理；S3、将预处理后的装包图像分别制作成训练集和测试集；S4、将步骤S2制成的训练集放入所述目标检测算法当中进行训练；S5、将步骤S2制成的测试集放入步骤S4训练好的所述目标检测算法当中进行泛化测试；S6、根据测试结果来评判目标检测算法是否达到所要求的性能指标，若达标，则投入实际生产的检测工序中；若不达标，返回步骤S2。2.根据权利要求1所述的一种基于目标检测算法的配件装包检查方法，其特征在于，所述目标检测算法在结构上为分别搭建输入端结构和Backbone网络、Neck网络、Prediction网络结构。3.根据权利要求1所述的一种基于目标检测算法的配件装包检查方法，其特征在于，所述步骤S2的预处理具体包括：先后对采集到的垫片图像进行整理、清洗和标注，所述整理处理操作为对图片的尺寸方向进行调整，使得所有待检测装包图像统一成相同的格式；所述清洗处理操作为根据对生产要求对待检测装包图像进行标签定义；所述标注处理操作为使用标注工具，在装包图像标注上与之对应的类型标签，并生成标注文件作为训练正样本，将非装包图像部分归类为训练负样本。4.根据权利要求2所述的一种基于目标检测算法的配件装包检查方法，其特征在于，所述输入端结构主要是进行数据增强操作和尺寸重设操作，所述数据增强操作主要是对原始如数据进行随机的旋转、缩放、裁剪；所述尺寸重设操作使用双线性插值，将输入的图像尺寸重设为640x640大小，且通道数为3。5.根据权利要求2所述的一种基于目标检测算法的配件装包检查方法，其特征在于，所述Backbone网...

【专利技术属性】
技术研发人员：黄坤山，李霁峰，谢克庆，
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，
类型：发明
国别省市：