[发明专利]一种基于YOLOV5网络的香烟小包外观缺陷检测方法

权利要求书

1.一种基于YOLOV5网络的香烟小包外观缺陷检测方法，其特征在于，所述基于YOLOV5网络的香烟小包外观缺陷检测方法包括以下步骤：

S1、采集香烟小包四个工位的原始图像；

S2、在采集到的原始图像中，进行缺陷样本标注，形成缺陷样本集；

S3、将缺陷样本集数据增强并划分；

S4、构建YOLOV5网络，利用迁移学习训练网络，获取最优网络模型参数；

S5、完成样本预测，进行后续动作。

2.根据权利要求1所述的一种基于YOLOV5网络的香烟小包外观缺陷检测方法，其特征在于，在S1中，具体的，当高速传送装置上运行的香烟到达光电传感器位置时，触发四个工位的工业相机动作，从正面、俯视、左侧面以及右侧面采集香烟小包的原始图像，采集的图像尺寸为640*480。

3.根据权利要求1所述的一种基于YOLOV5网络的香烟小包外观缺陷检测方法，其特征在于，在S2中，具体的，利用LabelImg工具对香烟小包外观中出现的各类缺陷样本进行标记，获取缺陷的位置信息，类别均设置为defect类，进行缺陷标注的每类缺陷样本数据量不低于300张。

4.根据权利要求3所述的一种基于YOLOV5网络的香烟小包外观缺陷检测方法，其特征在于，缺陷样本的类别包括破损、翻包、翻盖和变形。

5.根据权利要求1所述的一种基于YOLOV5网络的香烟小包外观缺陷检测方法，其特征在于，在S3中，具体的，对烟包图像通过随机翻转、随机裁剪、随机缩放、随机排布的方式进行拼接，完成标注数据集的扩充，按照固定的比例将增强后的数据集划分为训练集、验证集和测试集三类。

6.根据权利要求1所述的一种基于YOLOV5网络的香烟小包外观缺陷检测方法，其特征在于，在S4中，构建香烟小包外观检测的网络模型，具体的，构建包含输入端、Backbone、Neck、Prediction四大部分的YOLOV5s网络模型。

7.根据权利要求6所述的一种基于YOLOV5网络的香烟小包外观缺陷检测方法，其特征在于，所述输入端根据缺陷样本的真实标注框，采用K-means聚类的方法获取香烟小包外观缺陷的初始锚框，采用自适应图像缩放方法处理图像的尺寸；

Backbone部分采用Focus结构对特征图像进行切片操作，将基础层的特征图划分为两个部分；

Neck部分主要用于生成特征金字塔，采用了FPN和PAN的结构，加强网络特征融合能力；

Prediction输出端采用自适应锚框的方法输出目标的预测框，根据与真实框比对的差异反向更新迭代网络参数，采用GIOU_Loss进行Bounding Box的损失计算；设置重叠区域面积比例IOU，采用非极大值抑制的方法抑制冗余的检测框，即将所有检测框按得分排序，选中最高分对应的检测框，遍历其他框，若与当前最高分检测框的IOU大于设定的阈值，则删除该检测框，从其余检测框中继续选一个最高得分框，重复上述过程，找到所有保留的检测框，获得最终的检测结果。

8.根据权利要求1所述的一种基于YOLOV5网络的香烟小包外观缺陷检测方法，其特征在于，在S5中，具体的，采用大规模比赛的网络模型为初始网络参数，设置每次训练的图像数量以及迭代次数，训练获取最优的网络参数，利用训练的网络参数模型对输入样本进行预测，获取四个工位图像的预测结果，任一工位检测出defect目标，此样本即为不合格样品，将结果输出至执行机构进行剔除。