基于机器学习的啤酒生产线缺陷分类识别系统技术方案

本发明专利技术涉及图像识别技术领域，尤其为基于机器学习的啤酒生产线缺陷分类识别系统，包括：图像采集模块：用于采集啤酒生产线上的图像数据；图像处理模块：用于对采集的啤酒生产线上的图像数据进行预处理；分类学习模块：用于对啤酒生产线上的图像数据进行特征识别并优化输出；图像识别模块：用于对采集的啤酒生产线上存在缺陷的图像数据进行识别汇总。本发明专利技术通过特征提取算法和CNN网络对图像数据进行特征提取，并进行训练和输出，提高图像的识别准确率和图像特征的表征能力，基于软间隔支持向量机对图像数据进行缺陷识别和划分，提升识别的准确率。对生产线上的啤酒瓶进行计数以提高生成效率和降低成本。高生成效率和降低成本。高生成效率和降低成本。

【技术实现步骤摘要】
基于机器学习的啤酒生产线缺陷分类识别系统


[0001]本专利技术涉及图像识别
，尤其是基于机器学习的啤酒生产线缺陷分类识别系统。

技术介绍

[0002]随着经济迅速发展，大力推动了啤酒的发展需求，不仅仅是啤酒的质量和产量成为啤酒行业的命脉，而且啤酒的产品包装也是一个非常关键的环节，可起到保护产品质量的作用。因为近些年来食品安全问题的不断出现，消费者对产品包装的质量要求也逐渐变高，所以产品包装质量的好坏影响着其生产企业的生存。由于啤酒瓶的重复利用，在生产线运输中容易受到碰撞等影响，导致强度指标逐渐降低；又因为啤酒盖在生产时，容易使啤酒盖的图案印刷出现模糊、漏印等缺陷。所以灌装啤酒和封装啤酒瓶之前，要对啤酒盖和啤酒瓶进行杀菌、消毒及检测。传统的缺陷检测主要依靠人工判断，而工人长时间检测容易出现眼睛疲劳现象，导致产品质量的检测效果不稳定、受主观因素影响较大、准确率和精度较低等问题。由于机器视觉技术、图像处理及模式识别技术快速发展并走向成熟，虽然在许多领域中有了较好的应用，但在工业啤酒生产线的快速缺陷检测领域还具有广泛的发展空间。
[00本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于机器学习的啤酒生产线缺陷分类识别系统，其特征在于：包括：图像采集模块（100）：用于采集啤酒生产线上的图像数据；图像处理模块（200）：用于对采集的啤酒生产线上的图像数据进行预处理；分类学习模块（300）：用于对啤酒生产线上的图像数据进行特征识别并优化输出；图像识别模块（400）：用于对采集的啤酒生产线上存在缺陷的图像数据进行识别汇总。2.根据权利要求1所述的基于机器学习的啤酒生产线缺陷分类识别系统，其特征在于：所述图像采集模块（100）采集的图像数据包括啤酒瓶口图像数据、啤酒瓶盖图像数据、啤酒瓶身图像数据以及啤酒瓶印刷图案数据。3.根据权利要求1所述的基于机器学习的啤酒生产线缺陷分类识别系统，其特征在于：所述图像处理模块（200）对采集的图像数据进行图像分割处理和中值滤波处理。4.根据权利要求3所述的基于机器学习的啤酒生产线缺陷分类识别系统，其特征在于：所述中值滤波处理步骤如下：；其中，为中值滤波输出的图像数据，为中值滤波函数，A为滑动窗口，为图像数据的二维数据序列，、分别为图像数据的轴和轴坐标。5.根据权利要求1所述的基于机器学习的啤酒生产线缺陷分类识别系统，其特征在于：所述分类学习模块（300）基于Contourlet变换对处理后的各个图像数据进行分解，再基于特征提取算法对分解后的图像数据进行图像纹理特征的提取以获取初步图像特征，再将提取的初步图像特征输入至CNN网络中进行训练并输出图像数据的最终图像特征。6.根据权利要求5所述的基于机器学习的啤酒生产线缺陷分类识别系统，其特征在于：所述分类学习模块（300）中的特征提取算法具体如下：设置N个图像数据的训练样本为，其中，为标记训练样本，根据获取结果采用映射函数向高维空间映射，令其映射后满足：；其中，为标记映射函数，为标记样本数量；根据图像样本数据协方差矩阵：；其中，表示时刻；根据获取的结果，获得对应矩阵的特征值，其中，为 个特征值，对应的特征向量为：，其中，为个特征值对应的特征向量；基于再生核理论，令参数向量数据满足下式：；
其中，为标记参数向量的第个分量；设置核矩阵的元素为：；其中，为标记训练样本的第个分量；综...

【专利技术属性】
技术研发人员：刘攀，陈钢，迟雪松，
申请(专利权)人：彼图科技青岛有限公司，
类型：发明
国别省市：