本发明涉及电子雷管模块外观检测,尤其涉及一种电子雷管模块外观检测方法、系统、存储介质及电子设备。
背景技术:
1、目前,为了确保生产形成的电子雷管模块的品质,在电子雷管模块生产过程中,需要对生产形成的电子雷管模块的外观进行外观检测,电子雷管模块外观检测主要检测电子雷管模块是正常或断裂、错位、鼓边、毛边等异常情况,需要检测人员依次对电子雷管模块的外观进行观察以及判断,但,检测人员长时间对电子雷管模块进行外观检测,容易导致眼睛疲累,进而容易造成误检,容易将不合格的电子雷管模块当成合格的电子雷管模块处理,进而影响最终电子雷管的品质甚至导致最终电子雷管成为废品或次品。
2、进一步的,通过检测人员对电子雷管模块的外形进行检测,即便检测人员经过培训,检测人员在检测的过程中,检测结果容易受到检测人员集中精力程度以及其它的人为因素影响,难以保证检测的准确性,且需要大量的人力资源和成本。
3、进一步的,电子雷管模块上设有的桥丝由于其尺寸较小,桥丝是否有断裂、脱落的情况,在需要通过检测人员对电子雷管模块的外观进行检测时,需要检测人员采用放大镜进行检测,检测效率较低,在需要大批量检测的时候,通过检测人员对对电子雷管模块的外观进行检测时,难以满足产品生产需求,还降低了产品的生产效率。由此,亟需一种有利于提高对电子雷管模块的外观进行检测的检测效率和提高检测的准确性的检测方法。
技术实现思路
1、本发明的目的在于克服上述现有技术的至少一个不足,提供一种有利于提高对电子雷管模块的外观进行检测的检测效率和提高检测的准确性的电子雷管模块外观检测方法;另外,还提供一种用电子雷管模块外观检测系统、一种计算机可读存储介质和一种电子设备。
2、本发明解决上述技术问题的技术方案如下:
3、根据本技术的一方面,提供一种电子雷管模块外观检测方法,所述的方法包括:
4、基于不同相机点位对电子雷管模块进行图像采集,得到所述电子雷管模块的多张图片;
5、基于多张所述图片进行三维建模,得到所述电子雷管模块的三维模型;
6、将多张所述图片输入至预先训练好的图像识别模型,得到多张所述图片对应的标签信息,其中,所述图像识别模型为使用多组训练数据通过机器学习训练得到的,多组训练数据中的每组数据均包括多张所述图片和多张所述图片对应的标签信息;所述标签信息包括目标检测区域以及所述目标检测区域对应的所述电子雷管模块的外观检测结果;
7、将多张所述图片对应的标签信息绘制到多张所述图片,并映射到所述电子雷管模块的三维模型进行显示。
8、根据本发明的一个实施例,所述基于多张所述图片进行三维建模,得到所述电子雷管模块的三维模型,包括:
9、构建虚拟场景下所述电子雷管模块的立方体模型;
10、对多张所述图片的相机内参和相机外参进行标定,得到标定后的相机内参和相机外参;
11、根据标定后的相机内参和相机外参将多张所述图片投影到所述立方体模型,得到所述电子雷管模块的三维模型。
12、根据本发明的一个实施例,在所述根据标定后的相机内参和相机外参将多张所述图片投影到所述立方体模型,得到所述电子雷管模块的三维模型之后,所述的方法还包括:
13、若多张所述图片存在重叠区域,则融合重叠区域内不同图片的渲染效果。
14、根据本发明的一个实施例,所述将多张所述图片输入至预先训练好的图像识别模型,得到多张所述图片对应的标签信息,包括:
15、对多张所述图片进行图像预处理,得到预处理后的多张所述图片;其中,所述图像预处理包括以下至少之一:图像大小调整、归一化像素值、数据增强;
16、基于所述图像识别模型对预处理后的多张所述图片进行识别,得到多张所述图片对应的标签信息。
17、根据本发明的一个实施例,在所述将多张所述图片输入至预先训练好的图像识别模型,得到多张所述图片对应的标签信息之前,所述的方法还包括:
18、对所述电子雷管模块的多张图片进行标注,得到多张所述图片对应的实际标签信息;
19、构建所述图像识别模型,使用标注有实际标签信息的多张所述图片对所述图像识别模型进行训练,得到多张所述图片对应的标签信息;
20、确定多张所述图片对应的标签信息与实际标签信息之间的评估指标;
21、根据所述评估指标对所述图像识别模型进行模型性能评估,得到所述图像识别模型的评估结果;
22、根据所述图像识别模型的评估结果对所述图像识别模型的超参数和/或训练策略进行调整,更新所述图像识别模型。
23、根据本发明的一个实施例,所述构建所述图像识别模型,包括:
24、构建yolo v3模型;
25、基于所述电子雷管模块的图片特征对所述yolo v3模型的网络结构和超参数进行定义,得到所述yolo v3模型的配置文件;
26、根据所述yolo v3模型的配置文件生成所述图像识别模型。
27、根据本发明的一个实施例,所述将多张所述图片对应的标签信息绘制到多张所述图片,并映射到所述电子雷管模块的三维模型进行显示,包括:
28、获取标定后的相机内参和相机外参,其中,标定后的相机内参和相机外参是基于对多张所述图片的相机内参和相机外参进行标定得到;
29、根据标定后的相机内参和相机外参将多张所述图片对应的目标检测区域的坐标投影到所述电子雷管模块的三维模型对应的坐标,并使用所述目标检测区域对应的所述电子雷管模块的外观检测结果进行标注,以及将多张所述图片对应的纹理映射到所述电子雷管模块的三维模型进行显示。
30、根据本发明的一个实施例,所述基于不同相机点位对电子雷管模块进行图像采集,得到所述电子雷管模块的多张图片,包括:
31、从所述电子雷管模块的上侧以第一角度和/或第二角度对所述电子雷管模块进行图像采集,得到第一图像集;
32、从所述电子雷管模块的下侧以第三角度和/或第四角度对所述电子雷管模块进行图像采集,得到第二图像集;
33、对得到的所述第一图像集和所述第二图像集进行分割,得到所述电子雷管模块的多张所述图片,其中,多张所述图片对所述电子雷管模块的外观实现全覆盖。
34、根据本发明的一个实施例,所述的方法还包括:
35、根据预设的多个不同相机点位将多个所述电子雷管模块间隔排列,其中,一个所述电子雷管模块对应多个所述不同相机点位;
36、基于多个所述不同相机点位依次对多个所述电子雷管模块进行图像采集,分别得到多个所述电子雷管模块的多张图片。
37、根据本技术的另一方面,还提供一种电子雷管模块外观检测系统,所述的检测系统包括:
38、采集单元,用于基于不同相机点位对电子雷管模块进行图像采集,得到所述电子雷管模块的多张图片;
39、建模单元,用于基于多张所述图片进行三维建模,得到所述电子雷管模块的三维模型;
40、检测单元,用于将多张所述图片输入至预先训练好的图像识别模型,得到多张所述图片对应的标签信息,其中,所述图像识别模型为使用多组训练数据通过机器学习训练得到的,多组训练数据中的每组数据均包括多张所述图片和多张所述图片对应的标签信息;所述标签信息包括目标检测区域以及所述目标检测区域对应的所述电子雷管模块的外观检测结果;
41、显示单元,用于将多张所述图片对应的标签信息绘制到多张所述图片,并映射到所述电子雷管模块的三维模型进行显示。
42、根据本技术的再一方面,还提供一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机程序,其中,所述计算机程序被处理器执行时实现上述的方法。
43、根据本技术的再一方面,还提供一种电子设备,包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述的方法。
44、本技术实施例提供的技术方案至少带来如下有益效果:
45、在本技术实施例中,采用基于不同相机点位对电子雷管模块进行图像采集,得到电子雷管模块的多张图片;基于多张图片进行三维建模,得到电子雷管模块的三维模型;将多张图片输入至预先训练好的图像识别模型,得到多张图片对应的标签信息,其中,图像识别模型为使用多组训练数据通过机器学习训练得到的,多组训练数据中的每组数据均包括:多张图片和多张图片对应的标签信息;标签信息包括目标检测区域以及目标检测区域对应的电子雷管模块的外观检测结果;将多张图片对应的标签信息绘制到多张图片,并映射到电子雷管模块的三维模型进行显示,通过对电子雷管模块外观的自动检测,降低人力成本,且能够提升检测效率;另外,还避免了检测结果容易受到检测人员集中精力程度以及其它的人为因素影响,进而有利于保证检测的准确性。