基于视觉目标检测的烟支端面缺陷检测方法

    公开(公告)号:CN119992207A

    公开(公告)日:2025-05-13

    申请号:CN202510118472.5

    申请日:2025-01-24

    Abstract: 本发明公开了一种基于视觉目标检测的烟支端面缺陷检测方法,本发明的主要设计构思在于,主要包括采集烟支端面的原始数据,在对原始图像进行预处理后,从中分割得到烟支端面图像;结合实际拍摄烟支端面的场景特点,对所述烟支端面图像进行扩展强化,得到多样化的烟支端面视觉样本;对所述烟支端面视觉样本进行标注后训练基于深度学习的目标检测模型;利用训练后的所述目标检测模型实时检测生产过程中采集的烟支端面实拍图,并对检出的端面缺陷进行量化表征后予以估分。相比于传统的图像处理方法和机器视觉系统,本发明为烟支端面缺陷检测提供了新的解决途径,能够满足高速生产线对检测精度和实时性的双重要求。

    烟支表面缺陷检测算法部署方法
    5.
    发明公开

    公开(公告)号:CN119992206A

    公开(公告)日:2025-05-13

    申请号:CN202510118471.0

    申请日:2025-01-24

    Abstract: 本发明公开了一种烟支表面缺陷检测算法部署方法,针对卷烟表面污渍在线实时检测及现场实际生产需求,结合深度学习的技术路线,使目标检测算法架构能够高效、准确地识别并定位卷烟表面污渍、黄斑等缺陷。主要包括:采集成品烟支的原始二维图像并进行预处理;标注并提取预处理后的烟支表面图像中的若干类特征;基于提取到的特征训练预先构建的目标检测模型,使模型预测并输出烟支表面缺陷的类别及位置;对目标检测模型的输出结果进行评估,并优化目标检测模型的性能;利用优化后的目标检测模型对实际采集的烟支图像进行表面缺陷检测。本发明结合真实的烟支生产现场情况,对目标检测算法进行针对性的训练与部署,使其有效适配烟支表面缺陷检测需求。

    基于激光成像的烟支钢印标识检测方法

    公开(公告)号:CN119992300A

    公开(公告)日:2025-05-13

    申请号:CN202510118475.9

    申请日:2025-01-24

    Abstract: 本发明公开了一种基于激光成像的烟支钢印标识检测方法,本发明主要包括,基于深度学习的标识检测模型能够自动学习钢印标识的深层特征,从而实现高效、准确的定位与识别。首先针对烟支的激光扫描成像的图像数据进行标注和增强,构建包含多样化场景和样式的训练数据集,以提升模型的泛化能力。在模型训练中,还可以通过动态调整学习率,使模型在训练初期快速收敛,以进一步提高检测精度。将训练完成的模型部署在生产线上,自动检测钢印标识并评估其完整性和清晰度,从而实现对烟支产品质量的高效监控。本发明不仅大幅提升了对于烟支上的钢印标识检测效率和精度,还能够显著降低人工检测成本,并推动烟草制造过程的智能化和自动化进程。

Patent Agency Ranking