[发明专利]一种基于深度学习的口罩耳带焊点检测方法

权利要求书

1.一种基于深度学习的口罩耳带焊点检测方法，包括以下步骤：

标准化分类步骤：对口罩耳带焊点进行标准化分类；

图像采集步骤：通过安装于全自动耳带焊接机出料侧料盘上方的摄像机采集图像；

图像预处理步骤：待测图像预处理得到耳带4个焊点的标准化图像；

样本标记步骤：对摄像机的采集图像按照标准化分类，判断待测耳带焊点的类别，并将对应的标准化图像进行标记，得到训练数据集；

训练模型步骤：将数据集中的图像输入卷积神经网络进行训练计算，循环迭代得到训练好的模型；

评估判断步骤：使用新采集的图像检测模型训练效果，评估模型预测的准确率，判断准确率是否满足使用要求，如果不满足，则继续采集扩大训练数据集继续训练模型；如果达到要求，则该模型可投入使用；

所述图像预处理步骤包括如下步骤：

步骤一：确定口罩片四个角在图像中坐标，通过背景色与口罩片颜色的显著差异确定口罩片在图像中所占的矩形区域，得到该矩形四个角的坐标(x0,y0)、(x1,y1)、(x2,y2)、(x3,y3)；

步骤二：增加偏置得到焊点定位框的坐标，在步骤一中得到口罩片四个角的坐标，也是焊点定位框的另一顶点坐标，偏置包括横坐标偏置w0和纵坐标偏置w1，由此得到一个长为w0、宽w1的矩形焊点定位框，通过设置w0、w1的大小，使得焊点定位框能够恰好框住口罩片角上的焊点，左上角焊点定位框四个角的坐标为(x0,y0)、(x0+w0,y0)、(x0,y0+w1)、(x0+w0,y0+w1)，左下角焊点定位框四个角的坐标为(x2,y2-w1)、(x2+w0,y2-w1)、(x2,y2)、(x2+w0,y2)，右上角焊点定位框四个角的坐标为(x1-w0,y1)、(x1,y1)、(x1-w0,y1+w1)、(x1,y+w1)，右下角焊点定位框四个角的坐标为(x3-w0,y3-w1)、(x3,y3-w1)、(x3-w0,y3)、(x3,y3)；

步骤三：截取焊点标准图像，定位框的坐标由步骤二确定后，将定位框所框选的图像区域即焊点区域进行截取，得到4张尺寸相同的焊点标准图像。

2.如权利要求1所述的一种基于深度学习的口罩耳带焊点检测方法，其特征在于：

所述标准化分类步骤中，口罩焊点标准化分类是依据全自动耳带焊接机生产实际中焊点出现的所有情况进行制定，4个焊点均正常的口罩为合格品，其余为不合格品，需返工或报废；该分类标准在实际实施过程中也可按需要进行更改。

3.如权利要求1所述的一种基于深度学习的口罩耳带焊点检测方法，其特征在于：

所述图像采集步骤中，摄像机一次安装好后，相机位置相对于放置口罩的料盘是固定的，所有图像中的口罩片均为矩形，且口罩片处于图像中相对固定的位置。

4.如权利要求1所述的一种基于深度学习的口罩耳带焊点检测方法，其特征在于：

所述样本标记步骤中，由人工基于口罩质量规定以及生产经验对图像中的焊点所属类别进行判定并标记，为方便模型进行分类计算，采用阿拉伯数字进行标记，1代表焊点正常、2代表焊点过轻、3代表焊点过重、4代表焊点破损、5代表耳带歪斜、6代表耳带过多、7代表耳带不足、8代表耳带缺失。

5.如权利要求1所述的一种基于深度学习的口罩耳带焊点检测方法，其特征在于：

所述评估判断步骤中，如果所述模型准确率满足要求，则该模型可投入使用，该模型的使用步骤包括：

摄像机随着自动耳带焊接机的生产节奏采集口罩的图像，在料盘稳定时进行拍摄；

对采集的图像进行预处理，每个口罩得到4张焊点的标准图像；

将4张口罩焊点标准图像输入模型，由模型计算得到焊点的类别；

判断口罩是否合格，如果四个焊点均正常，则该口罩合格，否则不合格，并以电信号的形式给出结果，至此，一个口罩的检测则完成，自动耳带焊接机的料盘移动一格，系统接着检测下一个口罩。