[发明专利]一种餐盘检测方法和系统

说明书

本发明公开了一种餐盘检测方法和系统，包括以下步骤：正面检测：用于检测餐盘正面的污点、彩点、黑点；边缘检测：用于检测餐盘边缘的黄斑和脏污；透光检测：用于检测餐盘的透光缺陷。本发明设置在多个工位，有针对性的进行打光和处理，深度学习实现蚊虫、钢丝、浅色斑点的准确检测，实现高精度检测，兼容不同类型的餐盘检测。

技术领域

本发明涉及餐盘检测，具体是一种餐盘检测方法和系统。

背景技术

近几年我国快餐业发展较快,全国快餐具的用量已超过100亿只,每年以6％以上的速度递增。塑料餐盒造成的长期严重污染催生了环保餐盒的快速推广，但是环保餐盒的质量要求严格，生产过程中的检测环节尤为重要，目前环保餐盒的大部分生产企业依然使用人工检测，成本高昂，效率低下，且准确率达经常不到要求。

人工检测的诸多弊端催生了工业视觉自动化检测在该行业的快速布局。图1展示了市场现有的视觉检测方案图。检测流程可以概括为“上料-检测-分拣”三个步骤，本专利只针对检测模块作详细阐述分析。

目前检测技术的缺点：

(1)工位单一：目前常见的视觉检测系统，多以单工位方式呈现，难以兼容种类繁多的检测项。

(2)精度较低：为了兼容速度，市面常用的检测方案中，会限制工业相机的分辨率，导致检测精度受影响。

(3)兼容性不好：由于餐盘形状特殊，市场上标准的光源(例如环形光源、条形光源等)很难让盘子的整体在相机中都呈现出很好的效果。

(4)蚊虫、杂质、浅色斑点检测准确率低：产品生产过程中会混入蚊虫、毛发等异物，浆色不均会出现浅色斑点，普通算法检出难度较大。

发明内容

为解决上述现有技术的缺陷，本发明提供一种餐盘检测方法和系统，本发明设置在多个工位，有针对性的进行打光和处理，深度学习实现蚊虫、钢丝、浅色斑点的准确检测，实现高精度检测，兼容不同类型的餐盘检测。

为实现上述技术目的，本发明采用如下技术方案：一种餐盘检测方法，包括以下步骤：

正面检测：用于检测餐盘正面的污点、彩点、黑点；

边缘检测：用于检测餐盘边缘的黄斑和脏污；

透光检测：用于检测餐盘的透光缺陷。

进一步地，检测餐盘正面的污点包括以下子步骤：

训练模型：利用深度学习算法训练出污点检测的训练模型，在所述训练模型中设置三个参数范围：正面污点优等范围、正面污点合格范围、正面污点报废范围；

采集第一正面图像：获取餐盘的第一正面图像；

判定污点：将所述第一正面图像导入到神经网络运行库中，获取污点面积参数，根据所述污点面积参数所属的参数范围，判定所述第一正面图像的等级：正面污点优等等级、正面污点合格等级、正面污点报废等级。

进一步地，所述训练模型步骤包括以下子步骤：

采集样本：采集污点样本，将所述污点样本分为训练样本和验证样本；

预训练：利用神经网络学习算法训练所述训练样本，得到预训练模型；

验证：将所述预训练模型导入到神经网络运行库，将所述验证样本导入到神经网络运行库，进行所述预训练模型的验证；

重复预训练、验证步骤，直至验证结果满足要求，输出最终的所述训练模型。

进一步地，检测餐盘正面的彩点包括以下子步骤：

采集第二正面图像：采集餐盘的第二正面图像；