【技术实现步骤摘要】
自动化玻璃瓶检测系统及其方法
[0001]本申请涉及智能检测领域,且更为具体地,涉及一种自动化玻璃瓶检测系统及其方法。
技术介绍
[0002]在玻璃瓶生产出后,需要对成品的玻璃瓶进行一个质量检测。若没有对成品后的玻璃瓶进行一个精确的检测,导致不合格的玻璃瓶存在质量上的问题,如瓶身有裂痕,瓶口不平整等,影响生产效率和经济效益。但由于现有的检测很多都是依赖人工进行,没有智能性,这会增加人力检测的成本和时间,而且人眼会存在疲劳性和主观性,导致检测的准确性和效率下降。
[0003]因此,期待一种优化的自动化玻璃瓶检测方案。
技术实现思路
[0004]为了解决上述技术问题,提出了本申请。本申请的实施例提供了一种自动化玻璃瓶检测系统及其方法,其采用基于深度神经网络模型的人工智能技术,获取待检测成品玻璃瓶的检测图像,通过卷积神经网络得到特征图,将特征图切分后再通过混合卷积和三维卷积模块进行深度特征提取,以得到用于表示待检测成品玻璃瓶质量是否达标的分类结果。进而,可以实现自动化的检测过程,提高生产效率、准确性和质量控制水平。
[0005]根据本申请的一个方面,提供了一种自动化玻璃瓶检测系统,其包括:
[0006]图像采集模块,用于获取由摄像头采集的待检测成品玻璃瓶的检测图像;
[0007]玻璃特征提取模块,用于将所述待检测成品玻璃瓶的检测图像通过作为特征提取器的卷积神经网络模型以得到玻璃瓶检测特征图;
[0008]特征图切分模块,用于对所述玻璃瓶检测特征图进行特征图切分以得到多 ...
【技术保护点】
【技术特征摘要】
1.一种自动化玻璃瓶检测系统,其特征在于,包括:图像采集模块,用于获取由摄像头采集的待检测成品玻璃瓶的检测图像;玻璃特征提取模块,用于将所述待检测成品玻璃瓶的检测图像通过作为特征提取器的卷积神经网络模型以得到玻璃瓶检测特征图;特征图切分模块,用于对所述玻璃瓶检测特征图进行特征图切分以得到多个玻璃瓶子特征图;深度卷积模块,用于分别将所述多个玻璃瓶子特征图通过包含多个混合卷积层的深度卷积神经网络模型以得到多个玻璃瓶深度子特征图;三维卷积模块,用于将所述多个玻璃瓶深度子特征图通过使用三维卷积核的卷积神经网络以得到分类特征图;优化模块,用于对所述分类特征图进行局部特征一致性强化以得到优化分类特征图;分类结果生成模块,用于将所述优化分类特征图通过分类器以得到分类结果,所述分类结果用于表示待检测成品玻璃瓶质量是否达标。2.根据权利要求1所述的自动化玻璃瓶检测系统,其特征在于,所述玻璃特征提取模块,用于:使用所述作为特征提取器的卷积神经网络模型的各层在层的正向传递中分别对输入数据进行:对输入数据进行卷积处理以得到卷积特征图;对所述卷积特征图进行基于局部特征矩阵的池化以得到池化特征图;对所述池化特征图进行非线性激活以得到激活特征图;其中,所述作为特征提取器的卷积神经网络的最后一层的输出为所述玻璃瓶检测特征图,所述作为特征提取器的卷积神经网络的第一层的输入为所述待检测成品玻璃瓶的检测图像。3.根据权利要求2所述的自动化玻璃瓶检测系统,其特征在于,所述深度卷积模块,用于:所述包含多个混合卷积层的深度卷积神经网络模型的各个混合卷积层包括并行的第一卷积分支结构、第二卷积分支结构、第三卷积分支结构和第四卷积分支结构,以及,与所述第一至第四卷积分支结构连接的多尺度融合结构,其中,所述第一卷积分支使用具有第一尺寸的第一卷积核,所述第二卷积分支使用具有第一尺寸且具有第一空洞率的第二卷积核、所述第三卷积分支使用具有第一尺寸且具有第二空洞率的第三卷积核、所述第四卷积分支使用具有第一尺寸且具有第三空洞率的第四卷积核。4.根据权利要求3所述的自动化玻璃瓶检测系统,其特征在于,所述深度卷积模块,用于:使用所述包含多个混合卷积层的深度卷积神经网络模型的各个混合卷积层在层的正向传递中分别对输入数据进行:使用具有第一尺寸的第一卷积核对所述多个玻璃瓶子特征图的各个玻璃瓶子特征图进行卷积编码以得到第一尺度特征图;使用具有第一空洞率的第二卷积核对所述多个玻璃瓶子特征图的各个玻璃瓶子特征图进行卷积编码以得到第二尺度特征图;
使用具有第二空洞率的第三卷积核对所述多个玻璃瓶子特征图的各个玻璃瓶子特征图进行卷积编码以得到第三尺度特征图;使用具有第三空洞率的第四卷积核对所述多个玻璃瓶子特征图的各个玻璃瓶子特征图进行卷积编码以得到第四尺度特征图;将所述第一尺度特征图、所述第二尺度特征图、所述第三尺度特征图和所述第四尺度特征图进行沿通道维度的聚合以得到聚合特征图;对所述聚合特征图进行池化处理以生成池化特征图;对所述池化特征图进行激活处理以生成激活特征图;其中,所述包含多个混合卷积层的深度卷积神经网络模型的最后一层的输出为多个玻璃瓶深度子特征图的各个玻璃瓶深度子特征图。5.根据权利要求4所述的自动化玻璃瓶检测系统,其特征在于,所述三维卷积模块,用于:使用所述使用三维卷积核的卷积神经网络在层的正向传递中对输入数据分别进行:基于所述三维卷积核对所述输入数据进行三维卷积处理以得到卷积特征图;对所述卷积特征图进行基于局部特征矩阵的均值池化处理以得到池化特征图;对所述池化特征图进行非线性激活以得到激活特征图;其中,所述使用三维卷积核的卷积神经网络的最后一层的...
【专利技术属性】
技术研发人员:方庆海,张世民,王昌磊,
申请(专利权)人:安徽华欣药用玻璃制品有限公司,
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。