烟包内部缺陷的检测方法、装置、设备及存储介质与流程
本技术涉及烟草,尤其涉及一种烟包内部缺陷的检测方法、装置、设备及存储介质。
背景技术:
1、在卷烟包装生产过程中,烟包内部缺陷包括内衬纸褶皱、内衬纸破损、内框纸变形、胶点缺失及商标纸翻折等类型,这些缺陷直接影响烟包外观质量与密封性能。
2、现有烟包缺陷检测方法主要依赖空间域图像特征提取,通过卷积神经网络或模板匹配从烟包表面图像中提取纹理与形态特征进行缺陷判别。
3、然而,空间域特征对烟包表面纹理的细微变化敏感性不足,部分缺陷在空间域中表现为局部灰度微小偏移或纹理走向轻微改变,难以被常规空间域特征提取方法有效捕捉;同时,烟包在卷包设备多个工位间传递过程中,同一烟包在不同工位的图像之间存在缺陷演化的关联信息,而现有方法对单一工位图像独立检测,未利用跨工位的时序关联特征,导致对缺陷跨工位演化趋势的判别能力不足。
技术实现思路
1、本技术的主要目的在于提供一种烟草激光打孔设备的检测方法、装置、设备及存储介质,以解决现有技术中烟包内部缺陷检测不准确的问题。
2、为了实现上述目的,本技术提供了如下技术方案:
3、一种烟包内部缺陷的检测方法,所述检测方法应用于卷包设备的烟包,所述卷包设备预装有工业相机,所述检测方法包括:
4、步骤s1,通过所述工业相机同步采集烟包在各工位的图像,并对采集的各工位图像进行时间戳对齐与几何畸变校正,得到各工位的校正后烟包图像;
5、步骤s2,对各工位的校正后烟包图像施加二维离散gabor小波变换,沿多个方向与多个尺度分别提取gabor幅值响应图与gabor相位响应图,拼接得到各工位的频域特征图;
6、步骤s3,将各工位的频域特征图输入图卷积网络,以每个工位作为一个节点,以工位间烟包传递顺序为边构建工位拓扑图,通过消息传递机制聚合邻域工位的频域特征,得到每个工位的融合后频域特征表示;
7、步骤s4,将每个工位的融合后频域特征表示输入变分自编码器,通过编码器映射至潜在空间输出潜在编码向量,基于所述潜在编码向量计算异常得分,得到每个工位的缺陷异常得分;
8、步骤s5,对每个工位的缺陷异常得分进行滑动窗口统计,在预设窗口长度内计算缺陷异常得分的统计特征,得到缺陷演化特征向量;
9、步骤s6,将所述缺陷演化特征向量输入贝叶斯分类器计算后验概率,取后验概率最大的类别作为烟包缺陷检测结果。
10、步骤s1至步骤s6有益效果:
11、本方法针对烟包内部缺陷检测中空间域特征对纹理细微变化敏感性不足及跨工位缺陷关联信息利用缺失的问题,通过gabor小波变换将烟包图像从空间域转换至频域提取多方向多尺度的幅值与相位特征,以图卷积网络建模工位拓扑聚合跨工位频域特征,利用变分自编码器在潜在空间量化异常得分,结合滑动窗口统计捕获缺陷演化趋势,通过贝叶斯分类器实现基于后验概率的缺陷判定,实现了从单工位独立检测向多工位协同频域检测的跨越,提升了缺陷检测的敏感性与准确率。
12、其中,步骤s1通过多工位同步采集与时间戳对齐消除各工位图像的时间偏差,经几何畸变校正恢复图像的真实几何关系,为后续频域特征提取提供空间一致性基准;步骤s2通过gabor小波变换提取多方向多尺度的幅值与相位响应图,捕获空间域特征难以感知的纹理细微变化,为缺陷判别提供细粒度频域特征;步骤s3通过图卷积网络的消息传递机制聚合邻域工位的频域特征,利用工位间传递顺序建模跨工位缺陷关联,弥补单工位独立检测的局限性;步骤s4通过变分自编码器将频域特征映射至潜在空间并基于核密度估计量化异常得分,以概率密度距离替代固定阈值提升异常判定的鲁棒性;步骤s5通过滑动窗口统计提取缺陷异常得分的变异系数与偏差值,捕获缺陷的时序演化趋势,为缺陷判定提供动态特征依据;步骤s6通过贝叶斯分类器基于后验概率实现缺陷判定,以概率框架整合先验信息与观测证据,提升缺陷判定的准确性与可解释性。
13、作为本技术的进一步改进,步骤s1,通过所述工业相机同步采集烟包在各工位的图像,并对采集的各工位图像进行时间戳对齐与几何畸变校正,得到各工位的校正后烟包图像,包括:
14、步骤s1.1,通过卷包设备各工位预装的工业相机以预设帧率同步采集烟包图像,基于各台工业相机的硬件触发信号提取每帧图像的采集时间戳,得到各工位的原始采集图像;
15、步骤s1.2,以内置时钟基准对各工位的原始采集图像的采集时间戳进行偏差补偿,将时间戳一致的各工位图像归为同一同步组,得到时间戳对齐的同步图像集;
16、步骤s1.3,对所述同步图像集中每帧图像的径向畸变与切向畸变通过相机标定参数进行逐像素坐标重映射,得到畸变重映射图像;
17、步骤s1.4,对所述畸变重映射图像的空缺像素位置进行双线性插值填充,并按各工位编号分类存储,得到各工位的校正后烟包图像。
18、步骤s1.1至步骤s1.4有益效果:
19、本系列步骤针对多工位图像采集中的时间偏差与几何畸变问题,通过硬件触发同步采集与内置时钟偏差补偿实现各工位图像的时间对齐,利用相机标定参数进行逐像素畸变校正并经双线性插值恢复图像完整性,为后续频域特征提取提供时间同步且几何准确的校正后烟包图像。
20、其中,步骤s1.1通过硬件触发信号提取采集时间戳,保证各工位图像采集的同步性;步骤s1.2通过内置时钟偏差补偿将时间戳一致的图像归组,消除多相机采集的时间不同步;步骤s1.3通过相机标定参数逐像素重映射消除径向与切向畸变,恢复图像真实几何关系;步骤s1.4通过双线性插值填充重映射产生的空缺像素并按工位分类存储,保证校正后图像的完整性与可索引性。
21、作为本技术的进一步改进,步骤s2,对各工位的校正后烟包图像施加二维离散gabor小波变换,沿多个方向与多个尺度分别提取gabor幅值响应图与gabor相位响应图,拼接得到各工位的频域特征图,包括:
22、步骤s2.1,构建多方向多尺度的二维离散gabor滤波核组,对所述各工位的校正后烟包图像分别与每个gabor滤波核进行二维卷积,得到各方向各尺度的gabor复响应图;
23、步骤s2.2,对所述各方向各尺度的gabor复响应图取模值,得到各方向各尺度的gabor幅值响应图;
24、步骤s2.3,对所述各方向各尺度的gabor复响应图取辐角,得到各方向各尺度的gabor相位响应图;
25、步骤s2.4,将同一工位的所有gabor幅值响应图与所有gabor相位响应图沿通道维度拼接,得到各工位的频域特征图。
26、步骤s2.1至步骤s2.4有益效果:
27、本系列步骤针对烟包表面纹理细微变化在空间域中难以感知的问题,通过构建多方向多尺度的gabor滤波核组对校正后烟包图像进行频域分解,分别提取幅值响应与相位响应并沿通道维度拼接,为后续跨工位特征融合提供细粒度频域特征表示。
28、其中,步骤s2.1通过多方向多尺度gabor滤波核与图像的二维卷积,将空间域图像分解为多方向多尺度的复响应,获取纹理的频率与方向信息;步骤s2.2通过对复响应取模值提取幅值响应图,量化各方向各尺度下的纹理能量分布;步骤s2.3通过对复响应取辐角提取相位响应图,表征纹理的结构走向与局部相位变化;步骤s2.4通过将幅值响应图与相位响应图沿通道维度拼接,整合纹理能量与结构相位信息形成统一的频域特征图。
29、作为本技术的进一步改进,步骤s3,将各工位的频域特征图输入图卷积网络,以每个工位作为一个节点,以工位间烟包传递顺序为边构建工位拓扑图,通过消息传递机制聚合邻域工位的频域特征,得到每个工位的融合后频域特征表示,包括:
30、步骤s3.1,将各工位的频域特征图进行全局平均池化,得到每个工位的工位特征向量,以每个工位的工位特征向量作为图节点,得到初始节点集合;
31、步骤s3.2,以卷包设备工位间烟包传递顺序为有向边连接相邻工位对应的图节点,得到工位拓扑图;
32、步骤s3.3,对所述工位拓扑图中每个节点的邻域节点特征向量进行加权求和,将加权结果与当前节点特征向量拼接后通过多层感知机映射,得到每个工位的一次聚合特征向量;
33、步骤s3.4,将所述每个工位的一次聚合特征向量作为更新后的节点特征重复邻域聚合与多层感知机映射,得到每个工位的融合后频域特征表示。
34、步骤s3.1至步骤s3.4有益效果:
35、本系列步骤针对现有方法对单一工位图像独立检测未利用跨工位关联信息的问题,通过将各工位频域特征图映射为图节点并以工位间传递顺序构建工位拓扑图,利用图卷积网络的消息传递机制迭代聚合邻域工位特征,为后续异常检测提供融合跨工位信息的频域特征表示。
36、其中,步骤s3.1通过全局平均池化将频域特征图压缩为工位特征向量并作为图节点,建立工位级特征的空间表示;步骤s3.2通过以烟包传递顺序为有向边连接相邻工位节点,将流水线工位的物理传递关系编码为图拓扑结构;步骤s3.3通过邻域节点特征加权求和与多层感知机映射,使每个工位的特征融合相邻工位的频域信息,实现跨工位缺陷关联的一次建模;步骤s3.4通过以一次聚合特征重复邻域聚合与感知机映射,扩展特征融合的感知范围,得到蕴含多跳工位关联的融合后频域特征表示。
37、作为本技术的进一步改进,步骤s4,将每个工位的融合后频域特征表示输入变分自编码器,通过编码器映射至潜在空间输出潜在编码向量,基于所述潜在编码向量计算异常得分,得到每个工位的缺陷异常得分,包括:
38、步骤s4.1,将所述每个工位的融合后频域特征表示输入变分自编码器的编码器,通过多层全连接层映射输出均值向量与方差向量,得到潜在空间分布参数;
39、步骤s4.2,基于所述潜在空间分布参数通过重参数化采样,得到每个工位的潜在编码向量;
40、步骤s4.3,基于训练阶段正常烟包样本的潜在编码向量构建核密度估计分布,计算当前潜在编码向量在所述核密度估计分布下的对数似然值,得到每个工位的对数似然得分;
41、步骤s4.4,将所述对数似然得分取负值并进行零至一区间归一化,得到每个工位的缺陷异常得分。
42、步骤s4.1至步骤s4.4有益效果:
43、本系列步骤针对固定阈值异常判定在工况波动下鲁棒性不足的问题,通过变分自编码器将融合后频域特征映射至潜在空间并基于核密度估计分布计算对数似然得分,以概率密度距离替代固定阈值实现异常得分的自适应量化。
44、其中,步骤s4.1通过编码器多层全连接层映射输出均值向量与方差向量,将高维频域特征压缩为低维潜在空间分布参数;步骤s4.2通过重参数化采样从潜在空间分布中生成潜在编码向量,引入随机性以增强潜在表示的泛化能力;步骤s4.3通过正常样本潜在编码向量构建核密度估计分布并计算当前样本的对数似然值,以正常分布下的似然度衡量当前样本的偏离程度;步骤s4.4通过对对数似然得分取负并归一化至零至一区间,将偏离程度转化为统一的缺陷异常得分。
45、作为本技术的进一步改进,步骤s5,对每个工位的缺陷异常得分进行滑动窗口统计,在预设窗口长度内计算缺陷异常得分的统计特征,得到缺陷演化特征向量,包括:
46、步骤s5.1,对每个工位的缺陷异常得分按采集时间顺序排列,以预设窗口长度截取最近的缺陷异常得分序列,得到当前窗口得分序列;
47、步骤s5.2,计算所述当前窗口得分序列的均值与标准差,将标准差与均值之比作为变异系数,得到窗口变异系数;
48、步骤s5.3,将当前工位最新的缺陷异常得分减去所述当前窗口得分序列的均值,得到当前偏差值;
49、步骤s5.4,将所述窗口变异系数与所述当前偏差值拼接,得到缺陷演化特征向量。
50、步骤s5.1至步骤s5.4有益效果:
51、本系列步骤针对单一时刻缺陷异常得分无法反映缺陷演化趋势的问题,通过对异常得分按采集时间排列并以滑动窗口截取,计算窗口内变异系数与当前偏差值拼接为演化特征向量,为后续贝叶斯判定提供蕴含时序动态信息的特征输入。
52、其中,步骤s5.1通过对缺陷异常得分按时间顺序排列并以预设窗口长度截取,建立异常得分的时间序列表示;步骤s5.2通过计算窗口内均值与标准差之比作为变异系数,量化异常得分的离散程度;步骤s5.3通过最新异常得分减去窗口历史均值得到偏差值,表征当前缺陷状态相对历史基线的偏移幅度;步骤s5.4通过将变异系数与偏差值拼接,整合异常得分的离散度与偏移度形成缺陷演化特征向量。
53、作为本技术的进一步改进,步骤s6,将所述缺陷演化特征向量输入贝叶斯分类器计算后验概率,取后验概率最大的类别作为烟包缺陷检测结果,包括:
54、步骤s6.1,基于训练阶段正常样本与缺陷样本的类别比例确定正常类别先验概率与缺陷类别先验概率,得到贝叶斯先验参数;
55、步骤s6.2,基于训练阶段正常样本与缺陷样本的缺陷演化特征向量分别拟合正常类别类条件概率密度与缺陷类别类条件概率密度,得到类条件概率密度参数;
56、步骤s6.3,将所述贝叶斯先验参数与所述类条件概率密度参数结合当前缺陷演化特征向量,按贝叶斯公式计算正常类别后验概率与缺陷类别后验概率,得到后验概率集合;
57、步骤s6.4,取所述后验概率集合中最大后验概率对应的类别作为当前烟包的缺陷判定结果,当所述缺陷判定结果为缺陷类别时生成剔除指令;
58、步骤s6.5,将所述缺陷判定结果与对应烟包标识关联存储,得到烟包缺陷检测结果。
59、步骤s6.1至步骤s6.5有益效果:
60、本系列步骤针对缺陷判定缺乏概率框架支撑的问题,通过贝叶斯分类器将先验信息与观测证据整合为后验概率,以最大后验类别作为缺陷判定结果并联动剔除指令,实现基于概率推断的烟包缺陷检测闭环。
61、其中,步骤s6.1通过正常样本与缺陷样本的类别比例确定先验概率,将历史检测统计信息嵌入判定框架;步骤s6.2通过分别拟合正常类别与缺陷类别的类条件概率密度,建立各类别缺陷演化特征的概率分布模型;步骤s6.3通过贝叶斯公式结合先验参数与类条件概率密度计算后验概率,以概率形式量化当前样本属于各类别的置信度;步骤s6.4通过取最大后验概率对应类别作为缺陷判定结果并在缺陷类别下生成剔除指令,实现检测与执行的联动;步骤s6.5通过将缺陷判定结果与烟包标识关联存储,为后续质量追溯与模型迭代提供数据基础。
62、为了实现上述目的,本技术还提供了如下技术方案:
63、一种烟包内部缺陷的检测装置,所述检测装置应用于如上述的检测方法,所述检测装置包括:
64、校正后烟包图像获取模块,用于通过所述工业相机同步采集烟包在各工位的图像,并对采集的各工位图像进行时间戳对齐与几何畸变校正,得到各工位的校正后烟包图像;
65、工位频域特征图拼接模块,用于对各工位的校正后烟包图像施加二维离散gabor小波变换,沿多个方向与多个尺度分别提取gabor幅值响应图与gabor相位响应图,拼接得到各工位的频域特征图;
66、融合后频域特征表示获取模块,用于将各工位的频域特征图输入图卷积网络,以每个工位作为一个节点,以工位间烟包传递顺序为边构建工位拓扑图,通过消息传递机制聚合邻域工位的频域特征,得到每个工位的融合后频域特征表示;
67、工位缺陷异常得分计算模块,用于将每个工位的融合后频域特征表示输入变分自编码器,通过编码器映射至潜在空间输出潜在编码向量,基于所述潜在编码向量计算异常得分,得到每个工位的缺陷异常得分;
68、缺陷演化特征向量计算模块,用于对每个工位的缺陷异常得分进行滑动窗口统计,在预设窗口长度内计算缺陷异常得分的统计特征,得到缺陷演化特征向量;
69、烟包缺陷检测结果获取模块,用于将所述缺陷演化特征向量输入贝叶斯分类器计算后验概率,取后验概率最大的类别作为烟包缺陷检测结果。
70、为了实现上述目的,本技术还提供了如下技术方案:
71、一种电子设备,包括处理器,以及与所述处理器耦接的存储器,所述存储器存储有可被所述处理器执行的程序指令;所述处理器执行所述存储器存储的所述程序指令时实现如上述的烟包内部缺陷的检测方法。
72、为了实现上述目的,本技术还提供了如下技术方案:
73、一种计算机可读存储介质,所述计算机可读存储介质内存储有程序指令,所述程序指令被处理器执行时能够实现如上述的烟包内部缺陷的检测方法。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com