【技术实现步骤摘要】
烟包外观检测方法和设备、模型训练方法和装置
[0001]本公开涉及烟包外观检测
，特别涉及一种烟包外观检测方法和设备、模型训练方法和装置。
技术介绍
[0002]随着卷烟工业生产工艺、设备先进性和香烟的质量的不断提高，卷烟的生产质量也慢慢从香烟内部提升，扩展到外部的美观，小盒外观质量的检测，一直是行业和企业关注的重点，如何把控外观质量，是包装质量控制的重要一环。烟包包装的缺陷都是可见缺陷，主要缺陷集中在小包破损、翘边、翻盖、露白、反包、包装错位、底边未折角、印刷未上色等。
技术实现思路
[0003]鉴于以上技术问题中的至少一项，本公开提供了一种烟包外观检测方法和设备、模型训练方法和装置，能够对小盒烟包外观的质量好坏进行识别或有效的划分。
[0004]根据本公开的一个方面，提供一种烟包外观检测方法，包括：
[0005]针对多个角度中每个角度采集的烟包外观图像，预先训练获取对应每个角度的烟包外观检测模型；
[0006]获取多个角度的烟包外观图像；
[0007]针对每个角度的烟...
【技术保护点】
【技术特征摘要】
1.一种烟包外观检测方法，包括：针对多个角度中每个角度采集的烟包外观图像，预先训练获取对应每个角度的烟包外观检测模型；获取多个角度的烟包外观图像；针对每个角度的烟包外观图像，将该角度的烟包外观图像，输入该角度对应的烟包外观检测模型，判断该角度的烟包外观图像是否合格；根据每个角度的烟包外观图像是否合格，确定待测烟包外观是否合格。2.根据权利要求1所述的烟包外观检测方法，其中，所述根据每个角度的烟包外观图像是否合格，确定待测烟包是否合格包括：在多个角度的烟包外观图像均合格的情况下，判定待测烟包外观合格；在多个角度中至少一个角度的烟包外观图像不合格的情况下，判定待测烟包外观不合格。3.根据权利要求1或2所述的烟包外观检测方法，其中，所述烟包外观检测模型为卷积神经网络，其中，所述卷积神经网络包括至少一层卷积层、至少一层池化层和至少一层全连接层。4.根据权利要求3所述的烟包外观检测方法，其中，所述预先训练获取对应每个角度的烟包外观检测模型包括：将历史数据图像按照摄像机的多个拍摄角度进行分类；对采集的每张历史数据图像转化为多维数组，并标记该历史数据图像是否正常；对样本图像进行过滤；将过滤后的样本图像全部打乱，并将样本图像数据集切割为训练集和验证集；采用训练集和验证集对烟包外观检测模型进行训练。5.根据权利要求3所述的烟包外观检测方法，其中，所述预先训练获取对应每个角度的烟包外观检测模型包括：通过不断调整模型参数进行比对实验，对烟包外观检测模型的模型参数进行优化，其中，所述模型参数包括网络结构层数、隐层特征图个数、层次结构、激活函数、下降算法、数据增强、池化选择、卷积核大小、权值初始化、批量样本数和迭代次数中的至少一种。6.根据权利要求5所述的烟包外观检测方法，其中，所述对烟包外观检测模型的模型参数进行优化包括：将池化大小设置为2
×
2、将感受野设置为2
×
2、增加网络结构层数、采用线性整流函数作为激活函数、采用带动量的梯度下降算法以及增强数据集中的至少一项。7.根据权利要求3所述的烟包外观检测方法，其中，所述预先训练获取对应每个角度的烟包外观检测模型包括：在全连接层增加特定函数对设计好的外观检测模型进行适当的修剪。8.根据权利要求3所述的烟包外观检测方法，其中，所述预先训练获取对应每个角度的烟包外观检测模型包括：采用混淆矩阵对外观检测模型的模型结果进行模型评估；根据阳性预测值和召回率确定三级指标；采用三级指标判断分类效果。
9.根据权利要求3所述的烟包外观检测方法，其中，所述卷积神经网络包括四层卷积层、四层池化层和两层全连接层，其中：从输入侧到输出侧，所述卷积神经网络包括第一卷积层、第一池化层、第二卷积层、第二池化层、第三卷积层、第三池化层、第四卷积层、第四池化层、第一全连接层和第二全连接层。10.根据权利要求9所述的烟包外观检测方法，其中：第一池化层、第二池化层、第三池化层和第四池化层，均用于实现最大池化操作，池化窗...
【专利技术属性】
技术研发人员：林郁，周洋潞，陈升焰，黄响，顾茜，郭俊豪，俞键，
申请(专利权)人：福建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。