一种基于U-net网络与改进DRA模型的塑封食品包装多区域缺陷检测方法技术

本发明专利技术提供一种基于深度学习小样本塑封食品包装缺陷检测方法，属于图像检测技术领域。该方法包括以下步骤：使用工业相机在食品生产线上采集图像数据；对采集到的数据集进行预处理、标注、组建数据集；对图像进行预处理后，根据食品包装数据的缺陷分布特点，用训练好的U‑Net网络结合图像处理技术将图像自适应划分两个区域；对划分的两个区域分别作为输入到改进的DRA深度学习缺陷检测网络中进行训练；将测试集的图片样本输入训练好的深度学习网络中进行检测。本发明专利技术解决了由于塑封食品中间有形状复杂的食品对深度学习网络产生严重干扰的问题，同时引入CBAM注意力机制更有效地捕获塑封边缘细小的缺陷，提高了检测精度。本发明专利技术基于人工智能的方法可以自动进行检测塑封食品包装缺陷，与人工检测相比效率和准确率都有显著提高，大幅节省了时间和人力成本。

【技术实现步骤摘要】

本专利技术涉及图像检测，具体涉及基于深度学习网络u-net和dra的缺陷检测方法。

技术介绍

1、在当前全球化的背景下，生活节奏的加速使得预制食品越来越受到消费者的青睐。塑封包装作为预制食品的主要包装方式，不仅为食品提供了保护和存储，还保证了运输过程中的安全和便利。受到生产工艺、设备、材料等因素的影响，食品包装在制作和使用过程中可能出现各种缺陷，如气泡、胀袋、褶皱、漏液等，这些缺陷不仅影响食品包装的美观和功能，还可能导致食品的变质和安全隐患，给消费者带来健康和经济损失。因此，对食品包装进行有效的缺陷检测，及时发现并剔除不合格的产品，是保证食品质量和安全的重要手段。然而，由于塑封食品中间有形状复杂的食品，这些食品的不同程度的凹凸变形和颜色变化会对检测模型产生干扰，使得准确检测出包装的真实缺陷变得尤为困难。

2、目前，针对食品包装缺陷检测的主要技术有基于光学、声学或电学的物理性检测方法、基于图像处理的方法和基于深度学习的方法等三种。其中，基于物理信号的方法通常具有较高的灵敏度，可以检测出表面和内部的细微缺陷，但对于塑封食品包装来说，通常含有多种多样本文档来自技高网...

【技术保护点】

1.一种基于U-net网络与改进DRA模型的塑封食品包装多区域缺陷检测方法，其特征在于：方法包括以下步骤：

2.根据权利要求1所述的一种基于U-net网络与改进DRA模型的塑封食品包装多区域缺陷检测方法，其特征在于：所述的步骤1中，采用工业相机，在包装下方放置工业光源打光，经过调整相机与塑封包装样本的距离来采集清晰的图片，最终采集的图像的像素大小为4000×3036×3，格式为.bmp文件。

3.根据权利要求1所述的一种基于U-net网络与改进DRA模型的塑封食品包装多区域缺陷检测方法，其特征在于：所述的步骤2中，相机是在塑封包装样本运动过程中抓拍，需要清除拍摄不...

【技术特征摘要】

1.一种基于u-net网络与改进dra模型的塑封食品包装多区域缺陷检测方法，其特征在于：方法包括以下步骤：

2.根据权利要求1所述的一种基于u-net网络与改进dra模型的塑封食品包装多区域缺陷检测方法，其特征在于：所述的步骤1中，采用工业相机，在包装下方放置工业光源打光，经过调整相机与塑封包装样本的距离来采集清晰的图片，最终采集的图像的像素大小为4000×3036×3，格式为.bmp文件。

3.根据权利要求1所述的一种基于u-net网络与改进dra模型的塑封食品包装多区域缺陷检测方法，其特征在于：所述的步骤2中，相机是在塑封包装样本运动过程中抓拍，需要清除拍摄不清的图片，最终数据集共计274张样本，包括170张正常样本和含有漏液、气泡、胀袋、褶皱等缺陷的异常样本104张；为了提高图像处理速度与识别速度，需要裁剪掉与检测无关的部分后输入神经网络中进行处理。通过设置一个固定大小的矩形框对每张图片裁剪到尺寸为800×930×3。数据集划分过程是将数据集按照8∶2的比例划分为训练集和测试集。

4.根据权利要求1所述的一种基于u-net网络与改进dra模型的塑封食品包装多区域缺陷检测方法，其特征在于：所述的步骤3中，根据塑封包装的先验缺陷分布特点，把图片划分成两个区域。具体方法为：首先，将样本通过u-net图像分割网络进行训练，将样本输入到训练好的u-net模型，得到输出的二值化图像m；接着对二值化图像m进行形态学操作，包括开运算和闭运算，形态学操作需要一个结构元素k，消除噪声；最终在图像m中呈现出一个或几个面积较大的食品区...

【专利技术属性】
技术研发人员：张健魁，杨乐，赵玉良，王正松，
申请(专利权)人：东北大学秦皇岛分校，
类型：发明
国别省市：