【技术实现步骤摘要】
一种基于RANSAC与CNN算法检测烟包封签缺陷的方法
[0001]本专利技术属于智能检测
,尤其涉及一种基于RANSAC与CNN算法检测烟包缺陷的方法。
技术介绍
[0002]烟包缺陷包括封签缺陷与烟包质量缺陷。封签是烟包外面透明薄膜包装纸上设计在靠近烟包开口侧的用于安全封锁烟包包装的封签。打开烟包时,只需要沿着烟包封签预留的一个开口抽拉,便可打开封签带,将烟包开口侧的透明薄膜塑封包装打开,使用方便快捷。由于烟包封签通常为透明或者半透明或者着色较浅的条状,检测难度大,且烟包封签要与烟包开口侧保持平行,一旦有倾斜,打开时,塑封包装开口就会有倾斜角度,该类产品不能出厂,只能报废处理,带来极大的经济损失。
[0003]同时,在烟厂实际生产中软包烟的标签会出现其他的一些缺陷,例如封签歪斜、缺失、长短不一,烟包质量缺陷包括破损、印刷模糊、烟盒开胶。但是,目前尚无成熟的检测手段,使得检测耗时长,检测质量不能保障。
技术实现思路
[0004]为了解决上述技术问题,本专利技术提供一种基于随机抽样一致与CNN算 ...
【技术保护点】
【技术特征摘要】
1.一种基于RANSAC与CNN算法检测烟包封签缺陷的方法,其特征在于,包括以下步骤:步骤1:采集多张烟包图像,并对图像进行预处理;步骤2:构建CNN网络模型;步骤3:在图像中标记一个矩形框B1,所述矩形框B1覆盖封签边缘的波动位置;步骤4:使用CNN网络模型预测图像,若图像被预测为缺陷,则直接输出结果;若图像被分类为无缺陷则进行步骤5;步骤5:在矩形框B1内均匀取N条垂直于封签的直线;步骤6:取步骤5中的一条直线,计算该直线上在矩形框Box1内的所有点一阶导数;步骤7:若任一点的导数大于设定值K,则该点加入点集S,K值为自定义数值;步骤8:重复步骤6和7,遍历所有的直线形成点集S;步骤9:从步骤8的点集S中选择n个点作为一个样本,估计出直线L1;步骤10:计算点集S中所有点到直线L1的距离,取到直线L1之间的距离小于t的点形成内点集S
i
,若内点集S
i
个数大于T,则把内点作为样本用估计出一条更精确的直线L2;t为距离阈值,T为点数阈值,都是自定义数值;步骤11:如果内点集S
i
的个数小于点数阈值T,则重复步骤9;步骤12:经过M次迭代,迭代过程重复步骤9、10和11,得到最佳内点集S
i
和最佳直线L2;步骤13:根据迭代后的直线L2得到封签斜率,根据内点集的最大点和最小点,得到封签长度;步骤14:若封签长度与斜率在设定的范围内,则输出无缺陷,反之则输出缺陷;步骤8所述遍历所有的直线形成点集为:S={G1(x1,y1),G2(x2,y3),G3(x3,y3)
……
G
z
(x
z
,y
z
)}其中G
z
(x
z
,y
z
)为点击S中第z像素点坐标;步骤9所述估计出直线L1为:假设直线L1的方程为:y=α+βx随机的从点集S中随机选择n个点作为一个样本,则随机样本点集S
n
为S
n
={G1(x1,y1),G2(x2,y3),G3(x3,y3)
……
G
n
(x
n
,y
n
)}假设随机样本集S
n
估计出的直线L方程为y=α+βx,将样本点集带入计算直线拟合残差平方和f(α,β):其中,x
i
为随机样本集S
n
中第i像素点x坐标,y
i
为随机样本集S
n
中第i像素点y坐标,α、β为直线L方程的中的参数;为直线L方程的中的参数;其中,x
i
为随机样本集S
n
中第i像素点x坐标,y
i
为随机样本集S
n
中第i像素点y坐标,α、β
为直线L方程的中的参数;α=y
均
+βx
均
计算出α与β后,直线方程为y=α+βx;其中x
i
为随机样本集S
n
中第i像素点x坐标,y
i
为随机样本集S
n
中第i像素点y坐标,y
均
为随机样本集S
n
中所有像素点坐标的y平均值,x
均
为随机样本集S
n
中所有像素点坐标的x平均值,α、β为直线L方程的中的参数;步骤10所述计算内点具体为:直线的一般方程为:Ax+By+C=0取内点集S
i
内的任意一点P(x
p
,y
p
),则该...
【专利技术属性】
技术研发人员:陈天丽,柳盼,汪魁,桂圆,林云飞,罗铭凯,吴祥明,梁朝阳,
申请(专利权)人:湖北中烟工业有限责任公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。