System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及检测检验,更具体地,涉及一种检验设备的性能评价方法及装置。
技术介绍
1、在现代化卷烟制造企业的包装环节,首要的就是将烟支装进烟盒,再经历包裹烟包透明纸、烟包透明纸美容、装入条盒、包裹条盒透明纸、条烟透明纸美容、条烟装箱等环节。上述各环节中,均存在影响卷烟包装产品外观质量的因素。实际上,烟盒包装最为精细,涉及工位也最多,因此烟盒的外观质量一直是卷烟制造企业的一个重要关注点。
2、随着卷烟产品包装设备自动化程度的提高,越来越多的传统人工检验由烟盒外观视觉检测器代替,以下简称为外观检验设备。这类设备大都有一个共同点,需要根据所检验的烟盒外观特征“量身定制”一套模板,模板内容与相应的品牌有密切关联,包括探测框位置、大小、阈值等等,然后根据模板判断每个经过的烟盒是否合格。这些外观检验设备普遍存在一定的漏检和多检,但是如何发现这两类错误一直是一个难题,一是因为检验设备探测框位置、大小、阈值等设定参数非常主观,二是因为检验设备“孤岛”作业,独立完成拍照、分析、判定、剔除一系列动作,不与包装机任何部分的控制单元通讯,因而参数设定必须一台一台完成。
3、同时由于检验设备的存储容量很小,一直无法保存整批全部检测图像。在本领域的人很容易想到的是转存为离线数据,再由人工核验的方法。在小总体的情况下,这是一种可行的方法,但是由于现代卷烟包装机生产速度通常都在350包/分钟以上,按照一个班8小时、包装效率90%计算,一个班需要处理的图像15万张以上,劳动强度很高,况且人工核验一样存在错误的风险。一般地,外观检测器选型时可
4、为此检验设备在生产线上部署后,都会面临验证设备实际性能指标的问题。现在使用的方法是,人们根据经验制作一些“限度样本”(介于可接受与不可接受之间),在检验装置上进行测试验证,这种做法显然无法对探测框以外区域的不接受缺陷进行检测,因而有遗漏风险,检验设备的性能评价准确率较低。
技术实现思路
1、本申请提供一种检验设备的性能评价方法及装置,对每个被检对象的在线分类结果进行自动判别,计算出检验设备的漏剔率、误剔率、准确率指标,实现对检验设备性能的量化评价,并且任何操作人员均可根据标注结果准确获知检验设备是否正确工作,降低了生产线检验人员的劳动强度,提高检验的准确度,保证出厂产品的质量,减少生产企业的人力成本和管理成本。
2、本申请提供了一种检验设备的性能评价方法,包括:
3、实时获取检验设备的检验数据,包括被检对象的第一图像、第一图像的序号、第一图像的第一分类结果,建立第一图像与检验数据的关联表,并将第一图像复制存储;其中,第一分类结果包括合格和不合格两个分类类别;
4、按照预设采集频次提取最新产生的第一图像,作为第二图像;
5、利用机器学习平台对第二图像进行检验,并将检验结果与针对第二图像的第一分类结果进行比较,获得第二分类结果,第二分类结果包括第一分类结果中每个分类类别的正确分类数量和错误分类数量;
6、依据第二分类结果计算检验设备的漏检率、误剔率和准确率;
7、若采集次数达到预设数量或检验设备的运行时间达到预设值,则将最后的漏检率、误剔率和准确率作为检验设备的性能评价结果。
8、优选地,提取第二图像之前,还包括:
9、将第一图像进行标准化处理,获得处理后的第一图像并临时存储。
10、优选地,获得处理后的第一图像,还包括提取处理后的第一图像的特征,并临时存储特征。
11、优选地,提取第二图像时,将提取出的处理后的第一图像压缩,以压缩数据流形式通过网络传输到机器学习平台。
12、优选地,获得第二分类结果后,还包括:
13、针对机器学习平台分类获得的每个不合格图像,标注不合格图像的缺陷明细,并存储标注后的缺陷图像;
14、对漏检的被检对象进行有效拦截,同时依据标注后的缺陷图像分析检验设备的故障,从而对检验设备进行维护。
15、本申请还提供一种检验设备的性能评价装置,包括检验数据获得模块、图像提取模块、比较模块以及计算模块;
16、检验数据获得模块用于实时获取检验设备的检验数据,包括被检对象的第一图像、第一图像的序号、第一图像的第一分类结果,建立第一图像与检验数据的关联表,并将第一图像复制存储;其中,第一分类结果包括合格和不合格两个分类类别;
17、图像提取模块用于按照预设采集频次提取最新产生的第一图像,作为第二图像;
18、比较模块用于利用机器学习平台对第二图像进行检验,并将检验结果与针对第二图像的第一分类结果进行比较,获得第二分类结果,第二分类结果包括第一分类结果中每个分类类别的正确分类数量和错误分类数量;
19、计算模块用于依据第二分类结果计算检验设备的漏检率、误剔率和准确率。
20、优选地,性能评价装置还包括标准化模块和存储模块;
21、标准化模块用于将第一图像进行标准化处理,获得处理后的第一图像;
22、存储模块用于临时存储处理后的第一图像。
23、优选地,性能评价装置还包括特征提取模块,特征提取模块用于提取处理后的第一图像的特征;
24、并且,存储模块用于临时存储特征。
25、优选地,图像提取模块用于提取第二图像时,将提取出的处理后的第一图像压缩,以压缩数据流形式通过网络传输到机器学习平台。
26、优选地,性能评价装置还包括标注模块和分析模块;
27、标注模块用于针对机器学习平台分类获得的每个不合格图像,标注不合格图像的缺陷明细,并存储标注后的缺陷图像;
28、分析模块用于对漏检的被检对象进行有效拦截,同时依据标注后的缺陷图像分析检验设备的故障,从而对检验设备进行维护。
29、通过以下参照附图对本申请的示例性实施例的详细描述,本申请的其它特征及其优点将会变得清楚。
本文档来自技高网...【技术保护点】
1.一种检验设备的性能评价方法,其特征在于,包括:
2.根据权利要求1所述的检验设备的性能评价方法,其特征在于,提取第二图像之前,还包括:
3.根据权利要求2所述的检验设备的性能评价方法,其特征在于,获得处理后的第一图像,还包括提取处理后的第一图像的特征,并临时存储所述特征。
4.根据权利要求2所述的检验设备的性能评价方法,其特征在于,提取第二图像时,将提取出的处理后的第一图像压缩,以压缩数据流形式通过网络传输到所述机器学习平台。
5.根据权利要求1所述的检验设备的性能评价方法,其特征在于,获得所述第二分类结果后,还包括:
6.一种检验设备的性能评价装置,其特征在于,包括检验数据获得模块、图像提取模块、比较模块以及计算模块;
7.根据权利要求6所述的检验设备的性能评价装置,其特征在于,还包括标准化模块和存储模块;
8.根据权利要求7所述的检验设备的性能评价装置,其特征在于,还包括特征提取模块,所述特征提取模块用于提取处理后的第一图像的特征;
9.根据权利要求7所述的检验设备的性能评价装
10.根据权利要求6所述的检验设备的性能评价装置,其特征在于,还包括标注模块和分析模块;
...【技术特征摘要】
1.一种检验设备的性能评价方法,其特征在于,包括:
2.根据权利要求1所述的检验设备的性能评价方法,其特征在于,提取第二图像之前,还包括:
3.根据权利要求2所述的检验设备的性能评价方法,其特征在于,获得处理后的第一图像,还包括提取处理后的第一图像的特征,并临时存储所述特征。
4.根据权利要求2所述的检验设备的性能评价方法,其特征在于,提取第二图像时,将提取出的处理后的第一图像压缩,以压缩数据流形式通过网络传输到所述机器学习平台。
5.根据权利要求1所述的检验设备的性能评价方法,其特征在于,获得所述第二分类结果后,还包括:
6.一种检验设备的性能评...
【专利技术属性】
技术研发人员:张博,韩乐园,钱翠珠,赵丹,牛芳芳,朱立明,席攀攀,裘雨灿,夏琛,樊虎,朱强,潘著,郑闪闪,解莹莹,贾乔东,
申请(专利权)人:浙江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。