本技术涉及检测,尤其涉及一种压盖异常状态的检测方法、装置、设备和计算机存储介质。
背景技术:
1、压盖状态检测是在生产线上对瓶盖进行自动化检测的过程,它用于确保瓶盖的质量和安全性。在食品工业中,瓶盖密封性不良可能会导致食品受到外界污染,使得食品受损无法食用;在制药工业中,药品的密封性对于保证药品效力和避免污染至关重要,有效的压盖状态检测可以避免药品的挥发。
2、在罐装行业中,部分的压盖状态质检都是由人工完成,质检员处于产线周围,依靠眼睛对压盖状态进行检测,人工剔除压盖异常的罐装物体。部分企业通过改造产线增加硬件剔除设备来实现压盖异常检测并剔除,在原有产线的基础上增加检测压盖状态设备与剔除设备,对生产技术的要求较高。
3、在现有的方法技术中,一部分企业采用人工检测判断加硬件剔除的方式,这种方式对工人的专注度要求很高,且对产线速度有要求,不能过快,工人疲劳后也容易漏检。另一部分企业采用了压盖不良检测装置,这是一种硬件方式实现的针对不同的压盖锁紧情况进行分别的筛选剔除,提高整体的检测精度。这种方式需要对产线进行部分改造,且筛选情况比较单一。比如针对不同大小、高度的瓶盖,或者高度正常其他中间部分有破损等情况的图像无法做到检测剔除的功能。
技术实现思路
1、本技术提供一种压盖异常状态的检测方法、装置、设备和计算机存储介质,用以解决生产线上瓶装物体的压盖状态判断过程对人工要求高,容易出现漏检、错检的问题。
2、第一方面,本技术提供一种压盖异常状态的检测方法,包括:
3、通过拍摄装置获取待检测物体的压盖图像;
4、将所述压盖图像输入至压盖检测模型,得到所述待检测物体的第一检测结果,所述第一检测结果包括:异常状态、正常状态、空图以及无盖状态,所述压盖检测模型是根据历史压盖图像集合与对应的压盖状态训练得到的;
5、在所述第一检测结果为异常状态、空图或无盖状态时,生成告警信息,所述告警信息用于指示所述待检测物体存在异常。
6、可选的,所述通过拍摄装置获取待检测物体的压盖图像之前,所述方法还包括:
7、获取所述拍摄装置拍摄的历史压盖图像集合以及每个历史压盖图像对应的真实压盖状态;
8、根据所述历史压盖图像集合和所述每个历史压盖图像对应的真实压盖状态对深度学习预训练模型进行训练处理,得到所述压盖检测模型。
9、可选的,所述方法还包括:
10、在所述第一检测结果为正常状态时,从所述压盖图像中提取目标区域,所述目标区域包括所述待检测物体的盖沿与瓶盖;
11、对所述目标区域进行颜色分割处理、形态学处理以及轮廓检测处理,得到所述待检测物体的瓶盖轮廓以及盖沿轮廓,所述瓶盖轮廓为所述瓶盖的最大外接矩形轮廓;
12、根据所述瓶盖轮廓以及所述盖沿轮廓,确定所述待检测物体的第二检测结果,所述第二检测结果包括:正常状态和异常状态;
13、在所述第二检测结果为异常状态时,生成所述告警信息,所述告警信息用于指示所述待检测物体存在异常。
14、可选的,所述根据所述瓶盖轮廓以及所述盖沿轮廓,确定所述待检测物体的第二检测结果,包括:
15、根据所述瓶盖轮廓,确定所述瓶盖的顶部坐标,所述顶部坐标为所述瓶盖轮廓中纵坐标数值最高的坐标;
16、将所述盖沿轮廓中的两个盖沿的中心点作为所述瓶盖的底部坐标;
17、根据所述顶部坐标和所述底部坐标,确定所述待检测物体的像素高度;
18、根据所述瓶盖轮廓中的两个瓶盖沿的位置,确定所述瓶盖的像素宽度;
19、根据所述像素高度与所述像素宽度得到像素宽高比;
20、根据所述像素宽高比和预设宽高比,确定所述待检测物体的第二检测结果。
21、可选的,所述根据所述像素宽高比和预设宽高比,确定所述待检测物体的第二检测结果,包括:
22、判断所述像素宽高比是否与所述预设宽高比匹配;
23、在所述像素宽高比与所述预设宽高比匹配时,确定所述第二检测结果为正常状态;
24、在所述像素宽高比与所述预设宽高比不匹配时,确定所述第二检测结果为异常状态。
25、可选的,所述根据所述瓶盖轮廓以及所述盖沿轮廓,确定所述待检测物体的第二检测结果,包括:
26、若所述待检测物体的压盖图像中的盖沿和瓶盖不完整,无法确定所述瓶盖轮廓,确定所述第二检测结果为异常状态。
27、第二方面,本技术提供一种压盖异常状态的检测装置,该装置包括:
28、获取模块,用于通过拍摄装置获取待检测物体的压盖图像;
29、输入模块,用于将所述压盖图像输入至压盖检测模型,得到所述待检测物体的第一检测结果,所述第一检测结果包括:异常状态、正常状态、空图以及无盖状态,所述压盖检测模型是根据历史压盖图像集合与对应的压盖状态训练得到的;
30、生成模块,用于在所述第一检测结果为异常状态、空图或无盖状态时,生成告警信息,所述告警信息用于指示所述待检测物体存在异常。
31、可选的,所述装置还包括:处理模块;
32、所述获取模块,还用于获取所述拍摄装置拍摄的历史压盖图像集合以及每个历史压盖图像对应的真实压盖状态;
33、处理模块,用于根据所述历史压盖图像集合和所述每个历史压盖图像对应的真实压盖状态对深度学习预训练模型进行训练处理,得到所述压盖检测模型。
34、可选的,所述装置还包括:提取模块、确定模块;
35、提取模块,用于在所述第一检测结果为正常状态时,从所述压盖图像中提取目标区域,所述目标区域包括所述待检测物体的盖沿与瓶盖;
36、所述处理模块,用于对所述目标区域进行颜色分割处理、形态学处理以及轮廓检测处理,得到所述待检测物体的瓶盖轮廓以及盖沿轮廓,所述瓶盖轮廓为所述瓶盖的最大外接矩形轮廓;
37、确定模块,用于根据所述瓶盖轮廓以及所述盖沿轮廓,确定所述待检测物体的第二检测结果,所述第二检测结果包括:正常状态和异常状态;
38、所述生成模块,还用于在所述第二检测结果为异常状态时,生成所述告警信息,所述告警信息用于指示所述待检测物体存在异常。
39、可选的,所述确定模块,用于根据所述瓶盖轮廓,确定所述瓶盖的顶部坐标,所述顶部坐标为所述瓶盖轮廓中纵坐标数值最高的坐标;
40、所述确定模块,还用于将所述盖沿轮廓中的两个盖沿的中心点作为所述瓶盖的底部坐标;
41、所述确定模块,用于根据所述顶部坐标和所述底部坐标,确定所述待检测物体的像素高度;
42、所述确定模块,还用于根据所述瓶盖轮廓中的两个瓶盖沿的位置,确定所述瓶盖的像素宽度;
43、所述确定模块,用于根据所述像素高度与所述像素宽度得到像素宽高比;
44、所述确定模块,还用于根据所述像素宽高比和预设宽高比,确定所述待检测物体的第二检测结果。
45、可选的,所述装置还包括:判断模块;
46、判断模块,用于判断所述像素宽高比是否与所述预设宽高比匹配;
47、所述确定模块,还用于在所述像素宽高比与所述预设宽高比匹配时,确定所述第二检测结果为正常状态;
48、所述确定模块,还用于在所述像素宽高比与所述预设宽高比不匹配时,确定所述第二检测结果为异常状态。
49、可选的,所述确定模块,用于若所述待检测物体的压盖图像中的盖沿和瓶盖不完整,无法确定所述瓶盖轮廓,确定所述第二检测结果为异常状态。
50、第三方面,本技术提供一种压盖异常状态的检测设备,该设备包括:
51、存储器;
52、处理器;
53、其中,所述存储器存储计算机执行指令;
54、所述处理器执行所述存储器存储的计算机执行指令,以实现如上述第一方面及第一方面各种可能的实现方式所述的压盖异常状态的检测方法。
55、第四方面,本技术提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行以实现如上述第一方面及第一方面各种可能的实现方式所述的压盖异常状态的检测方法。
56、本技术提供的压盖异常状态的检测方法、装置、设备和计算机存储介质,通过拍摄装置获取待检测物体的压盖图像。将压盖图像输入至压盖检测模型,得到待检测物体的第一检测结果,第一检测结果包括:异常状态、正常状态、空图以及无盖状态,压盖检测模型是根据历史压盖图像集合与对应的压盖状态训练得到的。在第一检测结果为异常状态、空图或无盖状态时,生成告警信息,告警信息用于指示待检测物体存在异常。该方法对原有产线改动最小,在产线左右新增至少一个拍摄装置,当瓶子经过时自动触发采集图像。整个流程实现了全自动的处理,且利用了原有产线,提升了算法的效果,减少人工干预同时减少因人工产生的漏检、错检。