本发明涉及图像识别,特别是一种基于图像识别算法的振荡槽漏料检测方法。
背景技术:
1、振荡槽是烟草加工行业中的一种重要设备,主要用于处理烟草加工过程中产生的烟梗和碎末等废弃物。在使用过程中,振荡槽可能会出现漏料的情况,如不及时发现,采取相应的措施,会对生产线和产品质量造成不良影响。故需设计一套通过摄像头监控画面分析,实时监控振荡槽漏料情况并预警的方案,现有技术未对卷烟厂振荡槽漏料检测提出完整的技术方案。
技术实现思路
1、为解决现有技术中存在的问题,本发明的目的是提供一种基于图像识别算法的振荡槽漏料检测方法,本发明保证了生产线的正常运行和产品的质量,替代人力巡逻,节约了人力成本,保证了方案的实用性和经济效益。
2、为实现上述目的,本发明采用的技术方案是:一种基于图像识别算法的振荡槽漏料检测方法,包括以下步骤:
3、步骤1、从监控的摄像头中取流,解码后获取视频画面;
4、步骤2、针对视频画面图像,接收到振荡槽plc启动信号后,采用训练好的漏料检测模型进行推理,获取到疑似振荡槽漏料的图像;
5、步骤3、通过获取到的疑似振荡槽漏料的画面,经指定的筛选条件以及多帧确认,获取到确认振荡槽漏料的图像以及位置信息;
6、步骤4、通过获取到的确认振荡槽漏料的图像,经指定的漏料等级判断后,确认振荡槽漏料等级;
7、步骤5、通过获取的漏料等级,结合获取到的振荡槽漏料图像以及位置信息,后端渲染画出振荡槽漏料位置并上报振荡槽漏料警报信息。
8、作为本发明的进一步改进,在步骤3中,所述筛选条件为图像存在疑似振荡槽漏料或振荡槽漏料大于一定阈值;所述多帧确认为在多帧图像信息中,超过一定阈值的帧数及以上则存在疑似振荡槽漏料或当前帧存在疑似振荡槽漏料。
9、作为本发明的进一步改进,在步骤4中,漏料等级具体如下:
10、漏料模型数据标注时给定少量漏料、中量漏料以及严重漏料标签标注标准,少量漏料是指漏料渣较少,只有几片漏料渣零星分布的状态;中量漏料是指漏料渣薄薄的铺了一层,还可以看到机器的油漆原色;严重漏料是指漏料渣铺的比较厚实,机器的油漆原色已经完全看不到的状态。
11、本发明实时监测振荡槽漏料情况,一旦检测到漏料问题立即报警,避免漏出的物料更多的混入烟草原料中,保障了产品的口感和品质,也保障了产品的实用性。
12、本发明的有益效果是:
13、1、直观性:图像检测可以直观地显示漏料的位置和状态,方便操作人员快速定位和处理。
14、2、高效性:相比于其他方法,图像检测可以快速地定位漏料位置,提高检测效率。
15、3、可靠性:图像检测可以对于漏料的精度和准确性进行量化,保证了检测的可靠性。
16、4、适应性:图像检测可以适应不同形状和尺寸的漏料,不受限制。
17、5、自动化:图像检测可以实现自动化,节省人力成本,提高生产效率。。
1.一种基于图像识别算法的振荡槽漏料检测方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的基于图像识别算法的振荡槽漏料检测方法,其特征在于,在步骤3中,所述筛选条件为图像存在疑似振荡槽漏料或振荡槽漏料大于一定阈值;所述多帧确认为在多帧图像信息中,超过一定阈值的帧数及以上则存在疑似振荡槽漏料或当前帧存在疑似振荡槽漏料。
3.根据权利要求1所述的基于图像识别算法的振荡槽漏料检测方法,其特征在于,在步骤4中,漏料等级具体如下: