[发明专利]一种基于深度学习的口罩耳带焊点检测方法

说明书

本发明公开了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。

技术领域

本发明涉及图像处理、缺陷检测及耳带焊点检测领域，具体涉及一种基于深度学习的口罩耳带焊点检测方法。

背景技术

口罩是一种用于过滤呼吸空气，保护人体健康的卫生用品，人体佩戴口罩可有效防止飞沫、粉尘等有害人体健康的污物吸入人体呼吸道。因此，检测口罩耳带焊点，保证口罩质量，具有非常大的现实意义。口罩主要包括口罩主体、鼻梁条以及耳带，耳带需要通过焊接的方式连接在口罩主体上，目前无纺布口罩耳带均采用超声波塑料焊接机进行焊接。在口罩生产过程中，由于气压、电源等不确定性因素的影响，耳带焊接容易出现焊接不良的情况，因此需要对耳带焊点进行检测，以确保口罩质量。在生产实际中，对口罩耳带焊点检测大都采用人工基于经验进行目视检测或进行拉力测试，需要花费一定的工时，而且难以做到全面检测。

发明内容

本发明的目的在于提供一种基于深度学习的口罩耳带焊点检测方法，以解决上述提到的问题。

本发明的技术目的是通过以下技术方案得以实现的：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。

进一步地，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可能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。

进一步地，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。

进一步地，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)；