一种用于烘焙类食品表面杂物检验的视觉检测方法与流程

本发明涉及烘焙类食品生产，尤其涉及一种用于烘焙类食品表面杂物检验的视觉检测方法。

背景技术：

1、现有的烘焙类食品如月饼，老婆饼，饼苏等在制作工艺中会进行扫蛋液工序，增加产品的色泽度和光泽度。在刷蛋液的过程中，会使用毛刷，而毛刷在长期使用的过程中，会导致毛屑掉落在食品中。基于食品安全的考虑，上述情形所生产的食品是不允许流入市场的。因此，食品厂家会对所生产的烘焙类食品，进行表面的杂物进行检验和检测。目前，主流的检验方法是通过人工目测的方式进行检测。该方式的缺陷是：(1)增加了人力成本。(2)人工检测容易造成误判。(3)工人需要休息，无法长期检测，导致无法应对高强度的连续不断的生产节奏，因而导致生产效率低下。个别厂家，引入传统的平面视觉检测方法，但是传统的平面视觉检测方法，只能应对规律性的表面杂物，而毛屑杂质的落入是无规律的，落入的位置，长短，形状，分布都具有一定的随机性，因而传统的视觉检测无法应对该情况的出现。

技术实现思路

1、本发明的目的在于针对现有技术的不足而提供一种用于烘焙类食品表面杂物检验的视觉检测方法，该用于烘焙类食品表面杂物检验的视觉检测方法通过基于深度学习的视觉缺陷检测，能克服传统视觉识别方法无法应对不规则及无规律行的表面杂物的分布，同时，采用基于深度学习的自动检测设备，减低了人力成本，大大提高识别的准确性，大大提高了生产效率。

2、为达到上述目的，本发明通过以下技术方案来实现。

3、一种用于烘焙类食品表面杂物检验的视觉检测方法，包括有以下步骤：

4、一，准备阶段如下：

5、s1：将瑕疵样品放置于相机的视野范围内；

6、s2：使用上位机软件触发相机拍照；

7、s3：相机拍照后获取的图像信息通过tcp网络协议发送回上位机；

8、s4:上位机对获取的图像信息进行滤波预处理；

9、s5:将预处理后的图像信息导入到上位机控制软件的训练算法中，进行标注和训练，训练所使用的算法模型是卷积神经网络densenet模型,keras框架,创建和训练深度学习神经网络，将表面杂质瑕疵和表面无瑕疵品的样品特征，通过卷积神经网络离线学习训练并分成在线适用的标准表面无瑕疵样品和表面有杂质瑕疵样品检测器中；

10、s6：将训练后的模型保存在pc端的硬盘中；

11、s7：将训练后的模型，多次测试新的表面有毛屑杂质的样品，观察训练结果是否已经达到要求，若没有，重复s1～s6的步骤；若是训练结果能达到预期效果，准确识别出有毛屑杂质的样品，结束训练；

12、二，运行阶段如下：

13、s1：上位机软件，利用pci接口传输方式，控制运控控制卡，启动传送工作，带动产品进行物料转移；

14、s2：物料进入视野识别区域后，触发传感器；

15、s3：传感器将到位信号通过电信号的方式传递给控制卡的io接口；

16、s4：上位机控制软件扫描运控控制卡的io端口信息，捕捉到传感器发送过来的到位电平信号；

17、s5：上位机通过运控控制卡，停止传送带的运动，此时物料停在相机的视野范围内；

18、s6：上位机软件通过tcp网络协议触发相机拍照，获取图像信息；

19、s7：相机将存储的图片信息通过tcp网咯协议发送给上位机；

20、s8：上位机将获取的图像信息进行滤波预处理；

21、s9：预处理后的图像信息，获取其roi，即感兴趣区域，提取roi的特征；

22、s10：导入存储在硬盘的训练模型；

23、s11：将提取的roi特征与训练后的模型进行匹配对比；

24、s12：根据匹配信息，给出判定结果；

25、s13：若是判定结果为ok，则上位机启动传送带，让其正常流入下一生产环节；若是判定结果为ng，则上位机控制卡的io信号，通知下一环节生产环节的主控plc，让其在流入下一生产环节前将其剔除，上位机同时启动传送带；

26、s14：重复s2～s13的步骤，直至人为停止生产。

27、其中，所述s1中的相机为2d全局相机和高清镜头，可实现广域图像捕捉。

28、其中，所述s2中的传感器为光纤传感器。

29、本发明的有益效果为：本发明所述的一种用于烘焙类食品表面杂物检验的视觉检测方法，基于深度学习的视觉缺陷检测，能克服传统视觉识别方法无法应对不规则及无规律行的表面杂物的分布；同时，采用基于深度学习的自动检测设备，减低了人力成本，大大提高识别的准确性，大大提高了生产效率。

技术特征：

1.一种用于烘焙类食品表面杂物检验的视觉检测方法，其特征在于，包括有以下步骤：

2.根据权利要求1所述的一种用于烘焙类食品表面杂物检验的视觉检测方法，其特征在于：所述s1中的相机为2d全局相机和高清镜头，可实现广域图像捕捉。

3.根据权利要求1所述的一种用于烘焙类食品表面杂物检验的视觉检测方法，其特征在于：所述s2中的传感器为光纤传感器。

技术总结
本发明公开了一种用于烘焙类食品表面杂物检验的视觉检测方法，包括有以下步骤：一，准备阶段如下：s1：将瑕疵样品放置于相机的视野范围内；s2：使用上位机软件触发相机拍照；二，运行阶段如下：S1：上位机软件，利用PCI接口传输方式，控制运控控制卡，启动传送工作，带动产品进行物料转移；S2：物料进入视野识别区域后，触发传感器；S3：传感器将到位信号通过电信号的方式传递给控制卡的IO接口；本发明通过基于深度学习的视觉缺陷检测，能克服传统视觉识别方法无法应对不规则及无规律行的表面杂物的分布；同时，采用基于深度学习的自动检测设备，减低了人力成本，大大提高识别的准确性，大大提高了生产效率。

技术研发人员：钟景超
受保护的技术使用者：钟景超
技术研发日：
技术公布日：2024/1/15