一种液体杂质检测方法、设备及介质技术

本申请公开了一种液体杂质检测方法、设备及介质，方法包括：通过标定检测区域，对待检测图像进行裁剪，以得到第一中间图像；通过改进的高斯滤波函数对第一中间图像进行预处理，以得到第二中间图像；对第二中间图像进行多尺度小波变换边缘检测，以提取第二中间图像的特征信息；将特征信息输入至预设的yolov3模型，判断待检测图像中是否含有杂质。通过改进的高斯滤波法，进行液体杂质图像预处理，其能够去除其中的噪声干扰和优化背景，采用多尺度小波变换边缘检测，提取边缘完整、准确且精细，更好地反映出目标的轮廓特征。反映出目标的轮廓特征。反映出目标的轮廓特征。

【技术实现步骤摘要】
一种液体杂质检测方法、设备及介质


[0001]本申请涉及杂质检测领域，具体涉及一种液体杂质检测方法、设备及介质。

技术介绍

[0002]深度学习算法因其复杂的卷积网络，运算量巨大在以前收到算力限制，并未得到很好的发展。近几年计算机算力飞速发展，很多移动端设备也具有专门的神经网络计算模块使得深度学习领域发展迅速。R
‑
CNN首先利用Region Proposal选择候选区域，在使用CNN提取区域特征，最后将输出向量分类，通过边界回归得到精确结果。整个过程可以看作两大步选取兴趣区域再进行识别。R
‑
CNN存在占用磁盘空间较大，信息丢失和具有大量无效计算浪费资源的问题，且实时性较差，在工业检测领域一直难以得到实际应用。YOLO算法是近几年发展迅速的一种基于区域的目标检测算法，该算法将R
‑
CNN中的两大步进行了合并，不使用候选区域，直接将图片分成多个窗口，对每个窗口进行识别和回归。YOLO v3算法的提出，因其良好的实时性和准确性在目标检测领域得到了很多应用。
[0003]现有的液体杂质检测技术中，由于对液体杂质图像中的边缘提取效果较差，无法反映出目标的轮廓特征，导致最终的检测效果并不理想。

技术实现思路

[0004]为了解决上述问题，本申请提出了一种液体杂质检测方法、设备及介质，其中方法包括：
[0005]通过标定检测区域，对待检测图像进行裁剪，以得到第一中间图像；通过改进的高斯滤波函数对所述第一中间图像进行预处理，以得到第二中间图像；对所述第二中间图像进行多尺度小波变换边缘检测，以提取所述第二中间图像的特征信息；将所述特征信息输入至预设的yolov3模型，判断所述待检测图像中是否含有杂质。
[0006]在一个示例中，所述通过改进的高斯滤波函数对所述第一中间图像进行预处理，具体包括：通过如下公式对所述第一中间图像进行预处理：具体包括：通过如下公式对所述第一中间图像进行预处理：其中，W是权重系数；x表示像素位置；m,n为图像的像素索引，具体地，m为需要处理的像素，n为滤波窗口内m的领域像素；I是代表像素的灰度值。
[0007]在一个示例中，所述对所述第二中间图像进行多尺度小波变换边缘检测，以提取所述第二中间图像的特征信息，具体包括：对所述第二中间图像进行二维离散小波变换处理，以得到所述第二中间图像各点分别对应的梯度值；根据所述梯度值，确定所述第二中间图像的边缘点；获取所述边缘点分别对应的图像信息，以得到所述第二中间图像的所述特征信息。
[0008]在一个示例中，所述对所述第二中间图像进行二维离散小波变换处理，以得到所述第二中间图像各点分别对应的梯度值，具体包括：确定预设的小波函数公式如下：其中，θ(x,y)为平滑函数，ψ1(x,y)、ψ2(x,
y)为小波函数；设需要检测的图像为f(x,y)，则由二维离散小波变换可得其二进小波变换如下：如下：其中，j按照预设需求进行选取的尺度因子，代表了不同尺度下的二进小波变换。
[0009]在一个示例中，所述根据所述梯度值，确定所述第二中间图像的边缘点，具体包括：通过如下公式计算所述第二中间图像中各点对应的梯度值的模：梯度方向可通过如下公式确定：选择梯度值的模极大值的点作为所述第二中间图像的边缘点。
[0010]在一个示例中，所述将所述特征信息输入至预设的yolov3模型之前，所述方法还包括：确定预存的初始检测模型，并采集训练数据；通过所述训练数据对所述初始检测模型进行训练，直至所述初始检测模型的失误几率低于预设阈值，以得到所述yolov3模型。
[0011]在一个示例中，所述通过标定检测区域，对待检测图像进行裁剪之前，所述方法还包括：获取所述待检测图像对应的液体类型；根据所述液体类型，确定所述待检测图像中对应的检测区域；所述液体类型至少包括白酒、矿泉水、口服液。
[0012]本申请还提供了一种液体杂质检测设备，包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行：通过标定检测区域，对待检测图像进行裁剪，以得到第一中间图像；通过改进的高斯滤波函数对所述第一中间图像进行预处理，以得到第二中间图像；对所述第二中间图像进行多尺度小波变换边缘检测，以提取所述第二中间图像的特征信息；将所述特征信息输入至预设的yolov3模型，判断所述待检测图像中是否含有杂质。
[0013]本申请还提供了一种非易失性计算机存储介质，存储有计算机可执行指令，所述计算机可执行指令设置为：通过标定检测区域，对待检测图像进行裁剪，以得到第一中间图像；通过改进的高斯滤波函数对所述第一中间图像进行预处理，以得到第二中间图像；对所述第二中间图像进行多尺度小波变换边缘检测，以提取所述第二中间图像的特征信息；将所述特征信息输入至预设的yolov3模型，判断所述待检测图像中是否含有杂质。
[0014]通过本申请提出的方法能够带来如下有益效果：通过改进的高斯滤波法，进行液体杂质图像预处理，其能够去除其中的噪声干扰和优化背景，采用多尺度小波变换边缘检测，提取边缘完整、准确且精细，更好地反映出目标的轮廓特征。
附图说明
[0015]此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
[0016]图1为本申请实施例中一种液体杂质检测方法的流程示意图；
[0017]图2为本申请实施例中一种液体杂质检测设备的结构示意图。
具体实施方式
[0018]为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0019]以下结合附图，详细说明本申请各实施例提供的技术方案。
[0020]图1为本说明书一个或多个实施例提供的一种液体杂质检测方法的流程示意图。该方法可以应用于不同类型的液体杂质检测，该流程可以由相应领域的计算设备执行，流程中的某些输入参数或者中间结果允许人工干预调节，以帮助提高准确性。
[0021]本申请实施例涉及的分析方法的实现可以为终端设备，也可以为服务器，本申请对此不作特殊限制。为了方便理解和描述，以下实施例均以服务器为例进行详细描述。
[0022]需要说明的是，该服务器可以是单独的一台设备，可以是有多台设备组成的系统，即，分布式服务器，本申请对此不做具体限定。
[0023]如图1所示，本申请实施例提供一种液体杂质检测方法，包括：
[0024]S101：通过标定检测区域，对待检测图像进行裁剪，以得到第一中间图像。
[0025]在数据采集装本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种液体杂质检测方法，其特征在于，包括：通过标定检测区域，对待检测图像进行裁剪，以得到第一中间图像；通过改进的高斯滤波函数对所述第一中间图像进行预处理，以得到第二中间图像；对所述第二中间图像进行多尺度小波变换边缘检测，以提取所述第二中间图像的特征信息；将所述特征信息输入至预设的yolov3模型，判断所述待检测图像中是否含有杂质。2.根据权利要求1所述的方法，其特征在于，所述通过改进的高斯滤波函数对所述第一中间图像进行预处理，具体包括：通过如下公式对所述第一中间图像进行预处理：其中，W是权重系数；x表示像素位置；m,n为图像的像素索引，具体地，m为需要处理的像素，n为滤波窗口内m的领域像素；I是代表像素的灰度值。3.根据权利要求1所述的方法，其特征在于，所述对所述第二中间图像进行多尺度小波变换边缘检测，以提取所述第二中间图像的特征信息，具体包括：对所述第二中间图像进行二维离散小波变换处理，以得到所述第二中间图像各点分别对应的梯度值；根据所述梯度值，确定所述第二中间图像的边缘点；获取所述边缘点分别对应的图像信息，以得到所述第二中间图像的所述特征信息。4.根据权利要求3所述的方法，其特征在于，所述对所述第二中间图像进行二维离散小波变换处理，以得到所述第二中间图像各点分别对应的梯度值；，具体包括：确定预设的小波函数公式如下：确定预设的小波函数公式如下：其中，θ(x,y)为平滑函数，ψ19x,y)、ψ2(x,y)为小波函数；设需要检测的图像为f(x,y)，则由二维离散小波变换可得其二进小波变换如下：设需要检测的图像为f(x,y)，则由二维离散小波变换可得其二进小波变换如下：其中，j按照预设需求进行选取的尺度因子，代表了不同尺度下的二进小波变换。5.根据权利要求1所述的方法，其特征在于，所述根据所述梯度值，确定所述第二中间图像的边缘点，具体包括：通...

【专利技术属性】
技术研发人员：谷兴龙，李佳，商广勇，肖雪，
申请(专利权)人：浪潮工业互联网股份有限公司，
类型：发明
国别省市：