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】
本专利技术涉及烟支生产领域,尤其涉及一种烟用爆珠的缺陷检测方法及装置。
技术介绍
1、烟用爆珠在生产过程中,气泡和拖尾是常见的质量问题,对产品的品质和口感产生不良影响。传统的爆珠检测方法主要依赖人工检测,存在以下缺点:
2、效率低下:人工检测需要一定的时间和人力成本,每批次烟草生产后,需要安排专门的工作人员对爆珠进行检测,耗费时间和人力资源;
3、易疲劳:人工检测长时间盯着爆珠,容易导致眼睛疲劳,甚至出现误检或漏检的情况;
4、主观性强:人工检测爆珠品质时,受个人经验、情绪和状态等因素影响,检测结果不够客观准确;
5、难以追溯:人工检测缺乏数据记录和统计,对于不良爆珠的来源和质量问题难以追溯;
6、因此,传统烟用爆珠检测方法已经不能满足现代烟草生产的高效、高精度要求。
技术实现思路
1、本专利技术的目的就在于为了解决上述问题设计了一种烟用爆珠的缺陷检测方法。
2、本专利技术通过以下技术方案来实现上述目的:
3、烟用爆珠的缺陷检测方法,包括:
4、s1、构建缺陷检测模型,缺陷检测模型从输入到输出依次包括特征提取层、特征编码层、特征汇聚层和神经网络分类器,特征提取层用于提取图像中的底层特征,特征编码层用于对底层特征进行编码,特征汇聚层用于对编码后的低沉特征进行空间特征约束;
5、s2、获取训练数据集,并利用训练数据集对缺陷检测模型进行训练优化,得到优化后的缺陷检测模型;
< ...【技术保护点】
1.烟用爆珠的缺陷检测方法,其特征在于,包括:
2.根据权利要求1所述的烟用爆珠的缺陷检测方法,其特征在于,神经网络分类器包括输入层、分类网络、注意力层Addition、第一激活层Leakyrelu和输出层,输入层的输出作为分类网络的输入,分类网络的输出和输入层的输出均作为注意力层的输入,注意力层的输出作为第一激活层的输入,第一激活层的输出作为输出层的输入。
3.根据权利要求1所述的烟用爆珠的缺陷检测方法,其特征在于,分类网络从输入到输出依次包括第一卷积层Convolution、第一批归一化层Batch Norm、第二激活层leakyrelu、H个残差块和第二批归一化层Batch Norm,H为大于1的正整数。
4.根据权利要求2所述的烟用爆珠的缺陷检测方法,其特征在于,每个残差块从输入到输出依次包括第二卷积层、第三卷积层、第四卷积层和叠加层,第h个残差块的输出分别作为第h+1个残差块的第二卷积层和叠加层的输入,h∈H,h+1≤H,第二卷积层和第四卷积层的卷积核为1*1,第三卷积层的卷积核为3*3。
5.根据权利要求1所述的烟用爆珠
6.根据权利要求1所述的烟用爆珠的缺陷检测方法,其特征在于,在S4中,采用均值滤波算法对成品图像进行滤波处理,具体为:假设成品图像中某点的灰度为g(i,j),S为相邻像素组成的点集合,M为点集合S中的像素个数,通过均值滤波器后,得到新的灰度f(x1,y1),作为第一图像,新的灰度f(x1,y1)表示为:
7.根据权利要求1所述的烟用爆珠的缺陷检测方法,其特征在于,在S5中,利用大津算法OTSU确定第一图像的分割阈值,并根据分割阈值提取第一图像的爆珠位置,并对第一图像进行分割,得到爆珠图像;具体为:
8.烟用爆珠的缺陷检测装置,其特征在于,包括:
...【技术特征摘要】
1.烟用爆珠的缺陷检测方法,其特征在于,包括:
2.根据权利要求1所述的烟用爆珠的缺陷检测方法,其特征在于,神经网络分类器包括输入层、分类网络、注意力层addition、第一激活层leakyrelu和输出层,输入层的输出作为分类网络的输入,分类网络的输出和输入层的输出均作为注意力层的输入,注意力层的输出作为第一激活层的输入,第一激活层的输出作为输出层的输入。
3.根据权利要求1所述的烟用爆珠的缺陷检测方法,其特征在于,分类网络从输入到输出依次包括第一卷积层convolution、第一批归一化层batch norm、第二激活层leakyrelu、h个残差块和第二批归一化层batch norm,h为大于1的正整数。
4.根据权利要求2所述的烟用爆珠的缺陷检测方法,其特征在于,每个残差块从输入到输出依次包括第二卷积层、第三卷积层、第四卷积层和叠加层,第h个残差块的输出分别作为第h+1个残差...
【专利技术属性】
技术研发人员:刘明,王宁,田水,
申请(专利权)人:成都瑞拓科技有限责任公司,
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。