[发明专利]一种面向阀口袋包装机的褶皱检测方法

权利要求书

1.一种面向阀口袋包装机的褶皱检测方法，通过褶皱检测装置实现，所述褶皱检测装置安装于阀口袋包装机(2)上，包括工业相机模块(1)、背光源模块(3)以及伸缩气缸(4)，所述工业相机模块(1)安装于阀口袋包装机(2)左上方，背光源模块(3)安装于阀口袋包装机(2)的右侧，背光源模块(3)竖直朝下，伸缩气缸(4)安装于阀口袋出料口的一侧，其特征在于，所述褶皱检测方法包括如下步骤：

步骤一：阀口袋包装机(2)工作过程中，调节背光源模块(3)，使阀口袋产品的图像纹理在显示器显示清晰；

步骤二：启动线阵的工业相机模块(1)进行阀口袋产品图像实时采集，判断图像清晰度是否满足初始设定要求；

步骤三：若图像清晰度不满足初始设定要求，将采集图像进行图像增强，将增强后的图像输出；

步骤四：若图像清晰度满足初始设定要求，则采集的图像进行YOLO前向推理，输出图像褶皱位置信息；

步骤五：采用区域分割合并法对目标框中的图像进行图像分割，根据像素点进行面积估计，对褶皱信息进行定量评价；

步骤六：建立卡尔曼滤波方程，跟踪检测产品，并在输送线上剔除不合格的产品；

步骤七：以时间戳为基础单元，实时记录工作产品数据，并标记封口出现褶皱的工作数据；

步骤八：输入LSTM进行网络学习，根据输出的反馈信息对包装机生产参数进行辅助调参。

2.根据权利要求1所述的一种面向阀口袋包装机的褶皱检测方法，其特征在于，所述图像清晰度具体采用平均梯度作为图像评价指标，平均梯度能反映图像中细节反差和纹理变换，具体计算如下所示:

式中，ΔxF(i,j),ΔyF(i,j)分别表示像素点(i,j)在x或者y方向上的一阶差分；通过计算单张已经完成包装袋的产品图片，评价采集到的图片的清晰度好坏，确保输入的图像的纹理特征较为清晰。

3.根据权利要求1所述的一种面向阀口袋包装机的褶皱检测方法，其特征在于，所述步骤四中的YOLO前向推理，包括阀口袋褶皱的YOLOX-S检测模型的训练，通过人为采集部分图像，同时采集开源数据集即阀口袋铝片表面缺陷检测数据集，获得N张图片，采用风格迁移的方式循环生成褶皱数据集，平衡正负样本数量，然后通过几何旋转、局部拼接、镜像翻转扩充已有的样本数据集，通过LabelImage软件进行图像标注，标注类别分为正常产品、表面褶皱以及封口褶皱三类目标，建立褶皱数据集，并将数据集划分为训练集和测试集，划分比例为7：3。

4.根据权利要求1所述的一种面向阀口袋包装机的褶皱检测方法，其特征在于，所述步骤四中图像进行YOLO前向推理具体采用改进YOLOX-S检测模型的YOLOX网络结构，主要包括：将YOLOX-S检测模型中的YOLO-Head部分中的三个分支中输出的13×13的特征图移除，该特征图负责大目标的特征图，并引入注意力机制模块，采用深度可分离卷积操作替换基础模块中的普通卷积操作。

5.根据权利要求4所述的一种面向阀口袋包装机的褶皱检测方法，其特征在于，所述图像进行YOLO前向推理具体是将数据集中分批次输入YOLOX-S检测模型中，输入宽高为416×416×3的图像,输出特征层26×26×8、52×52×8，特征层的长宽为20，以及三种类别的目标框的坐标信息(x，y，w，h)进行预测，通过Reshape操作，获得3380×8的预测框信息，通过反向传播，分别计算损失，主要包括三部分，边界框损失函数、Iou感知分类损失和类别损失，采用CIOU损失函数作为边界框损失函数；替换原有的损失函数，CIOU损失函数具体公式如下：

其中，IoU为预测框和真实框的交并比，ρ表示两点的欧式距离，b和b^gt分别表示预测框和真实框的中心点，c代表预测框和真实框最小外接矩形的对角线距离，α作为协调比例参数，γ用于衡量框的长度比一致性参数，w^gt、w和h^gt、h分别表示真实框和预测框的宽度和高度。