本公开涉及烟支质量控制领域,特别涉及一种烟支缺陷检测方法、检测模型训练方法、烟支缺陷检测装置、检测模型训练装置、电子设备及计算机可读存储介质。
背景技术:
1、在烟支生产过程中,生产出的烟支的质量问题是烟支生产过程中不可忽视的问题,如何对生产出的烟支的缺陷进行检测,仍是一个难点问题。
2、在相关技术中,针对不同的烟支缺陷使用不同的算法来进行烟支缺陷检测。
技术实现思路
1、本公开的发明人发现上述相关技术中存在如下问题:针对不同的烟支缺陷使用不同的检测方法来进行烟支缺陷检测,无法保障检测方法的易用性和抗干扰性,无法满足烟支生产线对烟支缺陷检测的速度需求。
2、鉴于此,本公开提出了一种烟支缺陷检测方法,能够提高烟支缺陷检测的准确性,保障烟支缺陷检测方法的易用性和抗干扰性,满足烟支生产线对烟支缺陷检测的速度需求。
3、根据本公开的第一方面的一些实施例,提供了一种烟支缺陷检测方法,包括:通过第一检测模型对获取的待检测烟支图像进行烟支缺陷检测,得到待检测烟支图像的烟支缺陷检测结果;响应于烟支缺陷检测结果为存在缺陷,且待检测烟支图像的数量大于第一阈值,通过第二检测模型对待检测烟支图像进行烟支缺陷检测,以确定烟支缺陷检测结果是否正确,第二检测模型包括全局检测模型或局部检测模型中的至少一项。
4、在一些实施例中,通过第二检测模型对待检测烟支图像进行烟支缺陷检测包括:响应于待检测烟支图像的数量大于第二阈值,利用全局检测模型对待检测烟支图像进行烟支缺陷检测,得到待检测烟支图像的烟支缺陷全局检测结果,第二阈值大于第一阈值;响应于烟支缺陷全局检测结果为存在缺陷,利用局部检测模型对待检测烟支图像进行烟支缺陷检测,得到待检测烟支图像的烟支缺陷局部检测结果,用于确定烟支缺陷检测结果是否正确。
5、在一些实施例中,烟支缺陷检测方法还包括:响应于烟支缺陷全局检测结果为不存在缺陷,确定烟支缺陷检测结果不正确;或者响应于烟支缺陷局部检测结果为不存在缺陷,确定烟支缺陷检测结果不正确。
6、在一些实施例中,烟支缺陷检测方法还包括:响应于烟支缺陷局部检测结果为存在缺陷,剔除待检测烟支图像对应的烟支。
7、在一些实施例中,第二检测模型为全局检测模型,通过第二检测模型对待检测烟支图像进行烟支缺陷检测包括:响应于待检测烟支图像的数量大于第二阈值,利用全局检测模型对待检测烟支图像进行烟支缺陷检测,得到待检测烟支图像的烟支缺陷全局检测结果,用于确定烟支缺陷检测结果是否正确,第二阈值大于第一阈值。
8、在一些实施例中,烟支缺陷检测方法还包括:响应于烟支缺陷全局检测结果为存在缺陷,剔除待检测烟支图像对应的烟支;或者响应于烟支缺陷全局检测结果为不存在缺陷,确定烟支缺陷检测结果不正确。
9、在一些实施例中,第二检测模型为局部检测模型,通过第二检测模型对待检测烟支图像进行烟支缺陷检测包括:利用局部检测模型对待检测烟支图像进行烟支缺陷检测,得到待检测烟支图像的烟支缺陷局部检测结果,用于确定烟支缺陷检测结果是否正确。
10、在一些实施例中,烟支缺陷检测方法还包括:响应于烟支缺陷局部检测结果为存在缺陷,剔除待检测烟支图像对应的烟支;或者响应于烟支缺陷局部检测结果为不存在缺陷,确定烟支缺陷检测结果不正确。
11、在一些实施例中,烟支缺陷检测方法还包括:响应于烟支缺陷检测结果为存在缺陷,且待检测烟支图像的数量小于或等于第一阈值的情况下,剔除待检测烟支图像对应的烟支。
12、在一些实施例中,烟支缺陷检测结果包括烟支缺陷的种类。
13、在一些实施例中,所获取的待检测烟支图像通过如下方法得到:获取沿待检测烟支长度方向的待检测烟支前视图和沿待检测烟支长度方向的待检测烟支后视图;对沿待检测烟支长度方向的待检测烟支前视图和沿待检测烟支长度方向的待检测烟支后视图进行解码;剪裁合并解码后的沿待检测烟支长度方向的待检测烟支前视图和沿待检测烟支长度方向的待检测烟支后视图,得到待检测烟支图像。
14、根据本公开的第二方面的一些实施例,提供了一种检测模型训练方法,包括:通过第一检测模型对烟支样本进行烟支缺陷检测,得到烟支样本的烟支缺陷检测结果;响应于烟支缺陷检测结果为存在缺陷,且烟支样本的数量大于第一阈值,通过第二检测模型对烟支样本进行烟支缺陷检测,以确定烟支缺陷检测结果是否正确,第二检测模型包括全局检测模型或局部检测模型中的至少一项;响应于烟支缺陷检测结果不正确,根据烟支缺陷检测结果和烟支样本的标签,对第一检测模型的参数进行优化。
15、在一些实施例中,通过第二检测模型对烟支样本进行烟支缺陷检测包括:响应于烟支样本的数量大于第二阈值,利用全局检测模型对烟支样本进行烟支缺陷检测,得到烟支样本的烟支缺陷全局检测结果,第二阈值大于第一阈值;响应于烟支缺陷全局检测结果为存在缺陷,利用局部检测模型对烟支样本进行烟支缺陷检测,得到烟支样本的烟支缺陷局部检测结果,用于确定烟支缺陷检测结果是否正确。
16、在一些实施例中,检测模型训练方法还包括:响应于烟支缺陷全局检测结果为不存在缺陷,确定烟支缺陷检测结果不正确;或者响应于烟支缺陷局部检测结果为不存在缺陷,确定烟支缺陷检测结果不正确。
17、在一些实施例中,检测模型训练方法还包括:响应于烟支缺陷局部检测结果为存在缺陷,剔除烟支样本。
18、在一些实施例中,第二检测模型为全局检测模型,通过第二检测模型对烟支样本进行烟支缺陷检测包括:响应于烟支样本的数量大于第二阈值,利用全局检测模型对烟支样本进行烟支缺陷检测,得到烟支样本的烟支缺陷全局检测结果,用于确定烟支缺陷检测结果是否正确,第二阈值大于第一阈值。
19、在一些实施例中,检测模型训练方法还包括:响应于烟支缺陷全局检测结果为存在缺陷,剔除烟支样本;或者响应于烟支缺陷全局检测结果为不存在缺陷,确定烟支缺陷检测结果不正确。
20、在一些实施例中,第二检测模型为局部检测模型,通过第二检测模型对烟支样本进行烟支缺陷检测包括:利用局部检测模型对烟支样本进行烟支缺陷检测,得到烟支样本的烟支缺陷局部检测结果,用于确定烟支缺陷检测结果是否正确。
21、在一些实施例中,检测模型训练方法还包括:响应于烟支缺陷局部检测结果为存在缺陷,剔除烟支样本;或者响应于烟支缺陷局部检测结果为不存在缺陷,确定烟支缺陷检测结果不正确。
22、在一些实施例中,检测模型训练方法还包括:响应于烟支缺陷检测结果为存在缺陷,且烟支样本的数量小于或等于第一阈值的情况下,剔除烟支样本。
23、在一些实施例中,烟支缺陷检测结果包括烟支缺陷的种类。
24、在一些实施例中,烟支样本通过如下方法得到:获取沿烟支长度方向的烟支前视图和沿烟支长度方向的烟支后视图;对沿烟支长度方向的烟支前视图和沿烟支长度方向的烟支后视图进行解码;剪裁合并解码后的沿烟支长度方向的烟支前视图和沿烟支长度方向的烟支后视图,得到烟支样本。
25、在一些实施例中,第一检测模型通过如下方法得到:利用缺陷烟支样本和缺陷烟支样本的标签作为教师检测模型的训练样本,对教师检测模型进行训练;对教师检测模型进行迁移学习,得到第一检测模型。
26、在一些实施例中,烟支样本的标签通过如下方法得到:通过教师检测模型,对烟支样本的标签进行推理,以获取烟支样本的标签。
27、在一些实施例中,对第一检测模型的参数进行优化包括:保存第一检测模型对烟支样本进行烟支缺陷检测过程中的中间数据;统计烟支样本缺陷检测结果不正确的次数,得到误检测数量;根据中间数据和误检测数量,对第一检测模型的参数进行优化。
28、在一些实施例中,对第一检测模型的参数进行优化还包括:响应于烟支样本的数量大于第三阈值的情况下,对第一检测模型的参数进行优化,第三阈值大于第二阈值,第二阈值大于第一阈值。
29、在一些实施例中,对第一检测模型的参数进行优化还包括:响应于第二检测模型禁用,根据中间数据,对第一检测模型的参数进行优化。
30、在一些实施例中,对第一检测模型的参数进行优化还包括:响应于第二检测模型禁用,通过人工的方式,对第一检测模型的参数进行优化。
31、根据本公开的第三方面的一些实施例,提供了一种烟支缺陷检测装置,包括:第一检测模块,被配置为通过第一检测模型对获取的待检测烟支图像进行烟支缺陷检测,得到待检测烟支图像的烟支缺陷检测结果;第二检测模块,被配置为响应于烟支缺陷检测结果为存在缺陷,且待检测烟支图像的数量大于第一阈值,通过第二检测模型对待检测烟支图像进行烟支缺陷检测,以确定烟支缺陷检测结果是否正确,第二检测模型包括全局检测模型或局部检测模型中的至少一项。
32、在一些实施例中,第二检测模块还被配置为响应于待检测烟支图像的数量大于第二阈值,利用全局检测模型对待检测烟支图像进行烟支缺陷检测,得到待检测烟支图像的烟支缺陷全局检测结果,第二阈值大于第一阈值;响应于烟支缺陷全局检测结果为存在缺陷,利用局部检测模型对待检测烟支图像进行烟支缺陷检测,得到待检测烟支图像的烟支缺陷局部检测结果,用于确定烟支缺陷检测结果是否正确。
33、在一些实施例中,烟支缺陷检测装置还包括确定模块,被配置为响应于烟支缺陷全局检测结果为不存在缺陷,确定烟支缺陷检测结果不正确;或者响应于烟支缺陷局部检测结果为不存在缺陷,确定烟支缺陷检测结果不正确。
34、在一些实施例中,烟支缺陷检测装置还包括剔除模块,被配置为响应于烟支缺陷局部检测结果为存在缺陷,剔除待检测烟支图像对应的烟支。
35、在一些实施例中,第二检测模型为全局检测模型,第二检测模块还被配置为响应于待检测烟支图像的数量大于第二阈值,利用全局检测模型对待检测烟支图像进行烟支缺陷检测,得到待检测烟支图像的烟支缺陷全局检测结果,用于确定烟支缺陷检测结果是否正确,第二阈值大于第一阈值。
36、在一些实施例中,确定模块还被配置为响应于烟支缺陷全局检测结果为不存在缺陷,确定烟支缺陷检测结果不正确。
37、在一些实施例中,剔除模块还被配置为响应于烟支缺陷全局检测结果为存在缺陷,剔除待检测烟支图像对应的烟支。
38、在一些实施例中,第二检测模型为局部检测模型,第二检测模块还被配置为利用局部检测模型对待检测烟支图像进行烟支缺陷检测,得到待检测烟支图像的烟支缺陷局部检测结果,用于确定烟支缺陷检测结果是否正确。
39、在一些实施例中,确定模块还被配置为响应于烟支缺陷局部检测结果为不存在缺陷,确定烟支缺陷检测结果不正确。
40、在一些实施例中,剔除模块还被配置为响应于烟支缺陷局部检测结果为存在缺陷,剔除待检测烟支图像对应的烟支。
41、在一些实施例中,剔除模块还被配置为响应于烟支缺陷检测结果为存在缺陷,且待检测烟支图像的数量小于或等于第一阈值的情况下,剔除待检测烟支图像对应的烟支。
42、在一些实施例中,烟支缺陷检测结果包括烟支缺陷的种类。
43、在一些实施例中,烟支缺陷检测装置还包括:获取模块,被配置为获取沿待检测烟支长度方向的待检测烟支前视图和沿待检测烟支长度方向的待检测烟支后视图;解码模块,被配置为对沿待检测烟支长度方向的待检测烟支前视图和沿待检测烟支长度方向的待检测烟支后视图进行解码;剪裁合并模块,被配置为剪裁合并解码后的沿待检测烟支长度方向的待检测烟支前视图和沿待检测烟支长度方向的待检测烟支后视图,得到待检测烟支图像。
44、根据本公开的第四方面的一些实施例,提供了一种检测模型训练装置,包括:第一检测模块,被配置为通过第一检测模型对烟支样本进行烟支缺陷检测,得到烟支样本的烟支缺陷检测结果;第二检测模块,被配置为响应于烟支缺陷检测结果为存在缺陷,且烟支样本的数量大于第一阈值,通过第二检测模型对烟支样本进行烟支缺陷检测,以确定烟支缺陷检测结果是否正确,第二检测模型包括全局检测模型或局部检测模型中的至少一项;优化模块,被配置为响应于烟支缺陷检测结果不正确,根据烟支缺陷检测结果和烟支样本的标签,对第一检测模型的参数进行优化。
45、在一些实施例中,第二检测模块还被配置为响应于烟支样本的数量大于第二阈值,利用全局检测模型对烟支样本进行烟支缺陷检测,得到烟支样本的烟支缺陷全局检测结果,第二阈值大于第一阈值;响应于烟支缺陷全局检测结果为存在缺陷,利用局部检测模型对烟支样本进行烟支缺陷检测,得到烟支样本的烟支缺陷局部检测结果,用于确定烟支缺陷检测结果是否正确。
46、在一些实施例中,检测模型训练装置还包括确定模块,被配置为响应于烟支缺陷全局检测结果为不存在缺陷,确定烟支缺陷检测结果不正确;或者响应于烟支缺陷局部检测结果为不存在缺陷,确定烟支缺陷检测结果不正确。
47、在一些实施例中,检测模型训练装置还包括剔除模块,被配置为响应于烟支缺陷局部检测结果为存在缺陷,剔除烟支样本。
48、在一些实施例中,第二检测模型为全局检测模型,第二检测模块还被配置为响应于烟支样本的数量大于第二阈值,利用全局检测模型对烟支样本进行烟支缺陷检测,得到烟支样本的烟支缺陷全局检测结果,用于确定烟支缺陷检测结果是否正确,第二阈值大于第一阈值。
49、在一些实施例中,确定模块还被配置为响应于烟支缺陷全局检测结果为不存在缺陷,确定烟支缺陷检测结果不正确。
50、在一些实施例中,剔除模块还被配置为响应于烟支缺陷全局检测结果为存在缺陷,剔除烟支样本。
51、在一些实施例中,第二检测模型为局部检测模型,第二检测模块还被配置为利用局部检测模型对烟支样本进行烟支缺陷检测,得到烟支样本的烟支缺陷局部检测结果,用于确定烟支缺陷检测结果是否正确。
52、在一些实施例中,确定模块还被配置为响应于烟支缺陷局部检测结果为不存在缺陷,确定烟支缺陷检测结果不正确。
53、在一些实施例中,剔除模块还被配置为响应于烟支缺陷局部检测结果为存在缺陷,剔除烟支样本。
54、在一些实施例中,剔除模块还被配置为响应于烟支缺陷检测结果为存在缺陷,且烟支样本的数量小于或等于第一阈值的情况下,剔除烟支样本。
55、在一些实施例中,烟支缺陷检测结果包括烟支缺陷的种类。
56、在一些实施例中,检测模型训练装置还包括:获取模块,被配置为获取沿烟支长度方向的烟支前视图和沿烟支长度方向的烟支后视图;解码模块,被配置为对沿烟支长度方向的烟支前视图和沿烟支长度方向的烟支后视图进行解码;剪裁合并模块,被配置为剪裁合并解码后的沿烟支长度方向的烟支前视图和沿烟支长度方向的烟支后视图,得到烟支样本。
57、在一些实施例中,检测模型训练装置还包括:训练模型,被配置为利用缺陷烟支样本和缺陷烟支样本的标签作为教师检测模型的训练样本,对教师检测模型进行训练;迁移模块,被配置为对教师检测模型进行迁移学习,得到第一检测模型。
58、在一些实施例中,检测模型训练装置还包括:推理模块,被配置为通过教师检测模型,对烟支样本的标签进行推理,以获取烟支样本的标签。
59、在一些实施例中,优化模块还被配置为保存第一检测模型对烟支样本进行烟支缺陷检测过程中的中间数据;统计烟支样本缺陷检测结果不正确的次数,得到误检测数量;根据中间数据和误检测数量,对第一检测模型的参数进行优化。
60、在一些实施例中,优化模块还被配置为响应于烟支样本的数量大于第三阈值的情况下,对第一检测模型的参数进行优化,第三阈值大于第二阈值,第二阈值大于第一阈值。
61、在一些实施例中,优化模块还被配置为响应于第二检测模型禁用,根据中间数据,对第一检测模型的参数进行优化。
62、在一些实施例中,优化模块还被配置为响应于第二检测模型禁用,通过人工的方式,对第一检测模型的参数进行优化。
63、根据本公开的第五方面的一些实施例,提供了一种电子设备,包括:存储器;和耦接至存储器的处理器,处理器被配置为基于存储在存储器装置中的指令,执行上述任一个实施例中的烟支缺陷检测方法或检测模型训练方法。
64、根据本公开的第六方面的一些实施例,提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述任一个实施例中的烟支缺陷检测方法或检测模型训练方法。
65、在上述实施例中,通过第一检测模型对待检测烟支图像进行烟支缺陷检测,在烟支缺陷检测结果为存在缺陷的情况下,通过第二检测模型对待检测烟支图像再次进行烟支缺陷检测,以对由第一检测模型检测的结果进行验证,提高了烟支缺陷检测的准确性,保障了烟支缺陷检测方法的易用性,满足了烟支生产线对烟支缺陷检测的速度需求。