[发明专利]一种基于深度学习的方便面黄斑检测方法

说明书

本发明公开了机器视觉深度学习瑕疵检测技术领域的一种基于深度学习的方便面黄斑检测方法，该方法包括以下步骤：第一步：使用工业相机和条形光源在产线上搭建拍摄环境，该拍摄环境需要在采集样图和生产过程中一致；第二步：拍摄大量方便面图像，方便面图像必须包含达标图像和瑕疵图像并进行分类；第三步：预处理，使图像有不同效果的成像，本发明中提供的方便面黄斑检测方法，节省了人工成本，方便管理，避免人工操作带来的危险，高效率检测。

技术领域

本发明涉及机器视觉深度学习瑕疵检测技术领域，具体为一种基于深度学习的方便面黄斑检测方法。

背景技术

原有方法靠人工检测方便面瑕疵，需要耗费大量人力，人无法一直高效率工作，久了会感觉到疲惫并且具有一定危险性，为此，我们提出一种基于深度学习的方便面黄斑检测方法。

发明内容

本发明的目的在于提供一种基于深度学习的方便面黄斑检测方法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：一种基于深度学习的方便面黄斑检测方法，该方法包括以下步骤：

第一步：使用工业相机和条形光源在产线上搭建拍摄环境，该拍摄环境需要在采集样图和生产过程中一致；

第二步：拍摄大量方便面图像(不能出现相同的图像)，方便面图像必须包含达标图像和瑕疵图像并进行分类；

第三步：预处理，使图像有不同效果的成像：

(1)高斯噪声，在图像上增加噪点；

(2)椒盐噪声；

(3)均值滤波，将图片进行平滑处理；

(4)反转、旋转；

(5)灰度值增强；

(6)色彩抖动Color:HSV颜色空间随机改变图像原有的饱和度和明度，或对色调(H)进行小范围微调；

(7)Gamma增强。

与现有技术相比，本发明的有益效果是：本发明中提供的方便面黄斑检测方法，节省了人工成本，方便管理，避免人工操作带来的危险，高效率检测。

附图说明

图1为本发明分布式高性能计算架构在线模式示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明提供一种技术方案：一种基于深度学习的方便面黄斑检测方法，该方法包括以下步骤：

第一步：使用工业相机和条形光源在产线上搭建拍摄环境，该拍摄环境需要在采集样图和生产过程中一致；

第二步：拍摄大量方便面图像(不能出现相同的图像)，方便面图像必须包含达标图像和瑕疵图像并进行分类；

第三步：预处理，使图像有不同效果的成像：

(1)高斯噪声，在图像上增加噪点，

σ为z的标准差值，z为均值，均值决定整个图像的明暗程度，大于0表示给图像加上一个使自己变亮的噪声，小于0表示给图像加上一个使得自己变暗的噪声。而对于方差来说，其值越大，数据越分散，噪声也就越多；

(2)椒盐噪声，所谓椒盐:椒就是黑，盐就是白，椒盐噪声就是在图像上随机出现黑色白色的像素。