【技术实现步骤摘要】
本专利技术涉及灌装检测领域，更具体地涉及一种灌装孔的质量检测方法、一种灌装孔的质量检测装置、一种电子设备及一种存储介质。
技术介绍
1、灌装孔中液体多种多样，包括用于做特定检测的液体等。在灌装工艺过程中，液体量不足可能会导致特定检测的结果不准确，液体量过多可能会导致在运输过程中液体溢出，产生不良后果。因此，对灌装孔的灌装质量检测，尤其是液位检测，是至关重要的。目前，主要是通过激光或者超声波的方式测量灌装孔内的液体的有无，而无法确定灌装孔内的液体的具体液位。
技术实现思路
1、考虑到上述问题而提出了本专利技术。根据本专利技术的一个方面，提供了一种灌装孔的质量检测方法，包括：获取待测灌装孔板的第一待测图像，待测灌装孔板包括至少一个灌装孔；将第一待测图像输入第一检测网络，以利用第一检测网络确定各灌装孔所对应的液位，其中，第一检测网络包括级联的目标检测网络与质量检测网络，目标检测网络用于检测灌装孔的位置，质量检测网络用于检测各灌装孔区域内的灌装孔的液位，灌装孔区域基于目标检测网络的位置检测结果确定。
2、进一步地，还包括：获取待测灌装孔板的第二待测图像，第二待测图像中的待测灌装孔板已覆膜；将第二待测图像输入第二检测网络，以利用第二检测网络确定与各灌装孔一一对应的覆膜区域的覆膜质量；其中，第二检测网络为第一检测网络；或者，第二检测网络通过对第一检测网络进行增量学习获取。
3、进一步地，质量检测网络包括特征提取网络和分类头，特征提取网络用于接收与当前灌装孔对应的灌装孔区
4、进一步地，质量检测网络包括特征提取网络和分类头，特征提取网络用于接收与当前灌装孔对应的灌装孔区域的图像块，并提取所接收的图像块所对应的特征向量，分类头用于基于特征提取网络提取的特征向量确定当前灌装孔对应的分类结果，分类结果用于指示当前灌装孔的液位。
5、进一步地，特征提取网络通过三元组损失函数或四元组损失函数进行训练，分类头在特征提取网络训练之后，在特征提取网络的参数固定的情况下进行训练。
6、进一步地，分类头能够预测的类别包括第一类别域，第一类别域包括多个预设液位区间，特征提取网络通过以下训练操作训练：获取与不同灌装孔一一对应的第一样本图像；将第一样本图像输入特征提取网络中以获取对应的特征向量；至少利用第一样本图像所对应的特征向量，计算特征提取网络的三元组损失函数值或四元组损失函数值；基于三元组损失函数值或四元组损失函数值，确定经训练的特征提取网络中的参数；其中，至少利用第一样本图像所对应的特征向量，计算特征提取网络的三元组损失函数值，包括：基于第一样本图像所对应的第一标注数据，获取至少一组第一样本对，每组第一样本对包括第一正样本对和第一负样本对，其中，第一标注数据用于指示第一样本图像中的灌装孔所对应的预设液位区间，第一正样本对包括第一锚样本和第一正样本，第一负样本对包括第一锚样本和第一负样本，第一锚样本为任一第一样本图像，第一正样本为与第一锚样本属于相同类别的样本图像，第一负样本为与第一锚样本属于不同类别的样本图像；利用至少一组第一样本对所对应的特征向量，计算特征提取网络的三元组损失函数值。
7、进一步地，分类头能够预测的类别还包括第二类别域，第二类别域包括表示覆膜质量的覆膜正常类别和覆膜异常类别，训练操作还包括：获取与不同灌装孔一一对应的第二样本图像，第二样本图像中的灌装孔已覆膜；将第二样本图像输入特征提取网络中以获取对应的特征向量；基于第一样本图像所对应的第一标注数据和第二样本图像所对应的第二标注数据，获取至少一组第二样本对，每组第二样本对包括第二正样本对、第二负样本对和第三负样本对，其中，第二标注数据用于指示第二样本图像中的灌装孔所对应的覆膜质量，第二正样本对包括第二锚样本和第二正样本，第二负样本对包括第二锚样本和第二负样本，第三负样本对包括第二锚样本和第三负样本，第二锚样本为第一样本图像和属于覆膜正常类别的第二样本图像中的任一样本图像，第二正样本为与第二锚样本属于相同类别域且属于相同类别的样本图像，第二负样本为与第二锚样本属于相同类别域且属于不同类别的样本图像，第三负样本为与第二锚样本属于不同类别域的样本图像；至少利用第一样本图像所对应的特征向量，计算特征提取网络的四元组损失函数值，包括：利用至少一组第二样本对所对应的特征向量，计算四元组损失函数值。
8、进一步地，目标检测网络为旋转目标检测网络，方法还包括：获取待测灌装孔板的第三待测图像，第三待测图像中的待测灌装孔板已贴标；将第三待测图像输入目标检测网络中，以检测待测灌装孔板的贴标质量，其中，贴标质量包括贴标倾斜度。
9、根据本专利技术的第二方面，还提供一种灌装孔的质量检测装置，包括：图像捕捉模块，其用于获取待测灌装孔板的第一待测图像，所述待测灌装孔板包括至少一个灌装孔；图像分析模块，将第一待测图像输入第一检测网络，以利用第一检测网络确定各灌装孔所对应的液位，其中，第一检测网络包括级联的目标检测网络与质量检测网络，目标检测网络用于检测灌装孔的位置，质量检测网络用于检测各灌装孔区域内的灌装孔的液位，灌装孔区域基于目标检测网络的位置检测结果确定。
10、根据本专利技术的第三方面，还提供一种电子设备，包括：处理器和存储器，其中，存储器中存储有计算机程序指令，计算机程序指令被处理器运行时用于执行如上述的灌装孔的质量检测方法。
11、根据本专利技术的第四方面，还提供一种存储介质，在存储介质上存储了程序指令，程序指令在运行时用于执行如上述的灌装孔的质量检测方法。
12、根据本专利技术实施例的灌装孔的质量检测方法，可以基于灌装孔板的图像，利用第一检测网络对灌装孔的液位进行检测。通过将目标检测网络和质量检测网络进行级联，获取第一检测网络，能够实现通过对图像中灌装孔区域的确定以及对灌装孔区域内的液位检测。这种方案能够较为准确地确定液位，有助于避免液体量过多或过少带来的不良后果。此外，这种检测方案通过神经网络实现，检测效率高，可以有效节省液位检测的人力和时间。
13、上述说明仅是本专利技术技术方案的概述，为了能够更清楚了解本专利技术的技术手段，而可依照说明书的内容予以实施，并且为了让本专利技术的上述和其它目的、特征和优点能够更明显易懂，以下特举本专利技术的具体实施方式。
本文档来自技高网...【技术保护点】
1.一种灌装孔的质量检测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，还包括：
3.根据权利要求2所述的方法，其特征在于，所述质量检测网络包括特征提取网络和分类头，所述特征提取网络用于接收与当前灌装孔对应的灌装孔区域或覆膜区域的图像块，并提取所接收的图像块所对应的特征向量，所述分类头用于基于所述特征提取网络提取的特征向量确定所述当前灌装孔对应的分类结果，所述分类结果用于指示所述当前灌装孔的液位或覆膜质量。
4.根据权利要求1所述的方法，其特征在于，所述质量检测网络包括特征提取网络和分类头，所述特征提取网络用于接收与当前灌装孔对应的灌装孔区域的图像块，并提取所接收的图像块所对应的特征向量，所述分类头用于基于所述特征提取网络提取的特征向量确定所述当前灌装孔对应的分类结果，所述分类结果用于指示所述当前灌装孔的液位。
5.根据权利要求3或4所述的方法，其特征在于，所述特征提取网络通过三元组损失函数或四元组损失函数进行训练，所述分类头在所述特征提取网络训练之后，在所述特征提取网络的参数固定的情况下进行训练。
7.根据权利要求6所述的方法，其特征在于，
8.根据权利要求1-4任一项所述的方法，其特征在于，所述目标检测网络为旋转目标检测网络，所述方法还包括：
9.一种灌装孔的质量检测装置，其特征在于，包括：
10.一种电子设备，包括：处理器和存储器，其中，所述存储器中存储有计算机程序指令，其特征在于，所述计算机程序指令被所述处理器运行时用于执行如权利要求1至8任一项所述的灌装孔的质量检测方法。
11.一种存储介质，在所述存储介质上存储了程序指令，其特征在于，所述程序指令在运行时用于执行如权利要求1至8任一项所述的灌装孔的质量检测方法。
...【技术特征摘要】
1.一种灌装孔的质量检测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，还包括：
3.根据权利要求2所述的方法，其特征在于，所述质量检测网络包括特征提取网络和分类头，所述特征提取网络用于接收与当前灌装孔对应的灌装孔区域或覆膜区域的图像块，并提取所接收的图像块所对应的特征向量，所述分类头用于基于所述特征提取网络提取的特征向量确定所述当前灌装孔对应的分类结果，所述分类结果用于指示所述当前灌装孔的液位或覆膜质量。
4.根据权利要求1所述的方法，其特征在于，所述质量检测网络包括特征提取网络和分类头，所述特征提取网络用于接收与当前灌装孔对应的灌装孔区域的图像块，并提取所接收的图像块所对应的特征向量，所述分类头用于基于所述特征提取网络提取的特征向量确定所述当前灌装孔对应的分类结果，所述分类结果用于指示所述当前灌装孔的液位。
5.根据权利要求3或4所述的方法，其特征在于，所述特征提取网络通过三元组损失函数或...
【专利技术属性】
技术研发人员：孙新，高岩，
申请(专利权)人：苏州镁伽科技有限公司，
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。