一种口罩缺陷检测装置及方法与流程

1.本发明涉及口罩生产技术领域，具体涉及一种口罩缺陷检测装置及方法。


背景技术：

2.随着工业化和城市化进程的加速，空气污染越来越加剧，口罩作为一种重要的防控疫情的防护产品，已经成了必不可少的生活依赖品，口罩在大批量生产过程中，由于原材料、生产机器和人员操作等多种原因，会产生很多种缺陷的口罩产品，采用人工检测即依靠大批量线上质检人员对口罩进行离线检测，虽然能够实现一定的质量控制，但很容易出现人员疲劳、费时并且效率低的问题。人工目测的方法易受检查人员技术素质、经验及肉眼分辨率和疲劳等主观因素的影响，缺乏准确性和规范化，无法保证正常的产品质量。这些问题将直接导致缺失检测的低效率并使生产企业的利润下降，进而使得口罩生产企业产品竞争力下降，并最终可能被市场淘汰。因此，对自动缺陷检测装置的研发迫在眉睫，刻不容缓。


技术实现要素：

3.针对现有技术的不足，本发明提供了一种口罩缺陷检测装置及方法，解决目前口罩检测中通过人工检测效率低、成本高、质量品质得不到保障的技术问题。
4.本发明通过以下技术方案予以实现：一种口罩缺陷检测装置，包括装置机柜，所述装置机柜上分别安装有：上料机构，提供待检测口罩；三段式皮带线输送机构，输送待检测口罩；图像采集机构，采集所述待检测口罩图像；图像处理软件，按照预设的口罩标准以及检测算法对所采集口罩图像进行判断并给出良品或不良品结果；剔除机构，对图像处理软件给出的不良品进行剔除；控制系统，用于电气连接所述上料机构、所述输送机构、所述图像采集机构、所述图像处理软件和所述剔除机构。
5.优选的，所述图像采集机构包括：用于固定相机的支架；用于安装在所述支架上的、与所述图像处理软件通过电气连接的4k线阵相机；与所述 4k线阵相机接口匹配的、以及可微调光圈和焦距的定焦fa镜头；以及，与所述4k线阵相机通过电气连接的光电检测开关和编码器模块；其中两组所述4k线阵相机分别位于每相邻两段皮带的空隙处正下方和正上方。
6.优选的，所述图像采集机构还包括：四组高亮度线性光源；其中两组所述高亮度线性光源分别位于每相邻两段皮带的空隙处正上方和正下方，另外两组所述高亮度线性光源分别位于每相邻两段皮带的空隙处侧方 45
°
，即所述高亮度线性光源分别采用照射方向正对所述fa镜头的背光方式和与所述4k线阵相机中轴线成45
°
的正面打光方式；完成对所述待检测口罩打光。
7.优选的，所述上料机构用于与上游的口罩生产输送线对接，接收上游的口罩生产输送线输送的待检测口罩。
8.优选的，所述输送机构包括：第一输送皮带、第二输送皮带和第三输送皮带；以及用于驱动所述第一输送皮带、所述第二输送皮带和所述第三输送皮带运转的伺服电机；所
述待检测口罩在所述第一输送皮带、所述第二输送皮带和所述第三输送皮带之间进行输送。
9.优选的，所述剔除机构包括：位于所述输送机构出料端的吹气气缸和位于所述吹气气缸的吹气喷嘴正下方的不良品收集箱。
10.本发明还提供了如下技术方案：一种口罩缺陷检测方法，采用上述所述的一种口罩缺陷检测装置进行，所述检测方法的检测缺陷项目包括但不限于如下五类：口罩空袋/双胞胎口罩/半只，口罩褶皱，口罩膜接头，口罩耳带完整度检测以及口罩压耳带缺陷检测。
11.优选的，所述检测方法包括如下步骤：
12.s1、通过4k线阵相机采集待检测口罩的背景图像和采集待检测口罩图像，并将两幅图像进行作差，得到差值图像，记作image_sub；
13.s2、将差值图像image_sub从原始采集图像中裁剪出来，得到目标口罩区域图像image_maskregion；
14.其中，口罩空袋/双胞胎口罩/半只、口罩褶皱两个检测项的检测方法的步骤包括：
15.(a)对所述目标口罩区域图像image_maskregion通过图像灰度化、图像二值化等预处理操作，并使用区域面积和几何形状特征筛选出待判定缺陷种类图像区域，记作tojudgeregion，并将上述待判定缺陷种类图像区域从原始采集图像中裁剪出来；
16.(b)对于所述待判定缺陷种类图像区域tojudgeregion，若所述区域面积和几何形状特征不符合口罩预先设定的特征范围，则直接判断为不良品，若所述区域面积和几何形状特征符合口罩预先设定的特征范围，则缓存该待判定缺陷种类图像，留作采用深度学习方式判断是否为高度重合的双胞胎口罩情形，规避高度重合的双胞胎口罩误判的风险；
17.s3、对于经上述步骤检测之后的缓存该待判定缺陷种类图像，检测口罩耳带完整度以及口罩压耳带缺陷时，由于口罩耳带相对于口罩本体的位置比较随意，传统的检测方法，会出现误判或者无法检测的情形，故考虑采用深度学习方式，进行口罩耳带完整度以及口罩压耳带缺陷检测。
18.优选的，所述口罩膜接头检测项的检测方法的步骤具体包括：
19.(a)考虑到口罩膜接头的颜色特性，在完成上述检测项的基础上，在进行膜接头检测时，对所述目标口罩区域图像image_maskregion，使用颜色空间转换算法，将所述采集图像从rgb空间转换成hsv空间，对经过通道分离的图像，使用s通道图像，将该通道图像进行图像二值化处理，使用区域面积和几何形状特征筛选出膜接头区域，记作mojietouregion；
20.(b)若从上述目标口罩区域中筛选出的膜接头区域mojietouregion 非空，则检测结果判断为不良品，若从上述目标口罩区域中筛选出的膜接头区域mojietouregion为空，则缓存该待判定缺陷种类图像，留作后续检测步骤使用。
21.优选的，使用深度学习方式进行口罩耳带完整度以及口罩压耳带缺陷检测项的检测方法的步骤具体包括：
22.(a)分别采集耳带合格和不合格的口罩在各种光照强度和姿态下的大量图像，存放在ok和ng两个文件夹，作为深度学习方式分类模型的样本图片集；
23.(b)使用经过预训练的二分类深度学习模型，设置模型训练的主要超参数，如batch_size和learning_rate，使用总的样本图片集的70％作为训练模型的训练图片集，对预训练模型进行训练；
24.(c)使用总的样本图片集的20％作为训练模型的测试图片，对经过设置超参数训练模型进行测试。
25.(d)使用总的样本图片集的10％作为训练模型的验证图片，对经过设置超参数训练模型的分类效果进行验证。
26.所述步骤(a)还包括以下处理步骤：
27.搜集所述缓存的待判定缺陷种类图像，存放在ng文件夹，作为深度学习方式分类模型的样本图片集；使得整个检测方法可以兼容双胞胎口罩检测高度重合的双胞胎口罩情形。
28.本发明的有益效果为：
29.本发明提供的一种口罩缺陷检测装置及方法，通过上料机构、输送机构实现自动送料，将待检测口罩输送至图像采集机构下方，图像采集机构采集待检测口罩图像传递至图像处理软件中，通过检测算法处理，处理信息反馈给电气控制系统，再通过电气控制系统来控制对不良品进行剔除，实现待检测口罩的自动检测。本发明的创新之处在于发明提供的检测装置搭配线阵相机方式完成口罩缺陷检测，并可以以模块化的方式快速灵活的部署，并且本发明提供的口罩缺陷检测方法使用传统blob检测方法和深度学习方式结合，完成所有待检测项的检测，检测方法的稳定性高，检测效率高，检测精度高，使得经过装置检测后的产品质量有保障。
附图说明
30.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
31.图1为本发明实施例提供的口罩缺陷检测装置的结构示意图；
32.图2为本发明实施例提供的口罩检测方法整体流程图。
33.图中：1-上料机构；2-输送机构；21-第一输送皮带；22-第二输送皮带；23-第二输送皮带；3-图像采集机构；31-相机1；32-镜头1；33-光源 1；34-光源2；35-光源3；36-光源4；37-光电检测传感器；38-编码器模块；39-相机2；310-镜头2；4-剔除机构；41-不良品吹气喷嘴；42-不良品收集箱；5-图像处理软件；6-电气控制系统；7-待检测口罩。
具体实施方式
34.为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
35.实施例1：
36.请参阅图1-2所示：本发明提供的一种口罩缺陷检测装置，包括：装置机柜(图中未示出)；上料机构1，提供待检测口罩；三段式皮带线输送机构2，输送待检测口罩；图像采集机构3，采集所述待检测口罩图像；图像处理软件5，按照预设的口罩标准以及检测算法对所
采集口罩图像进行判断并给出良品或不良品结果；剔除机构4，对图像处理软件给出的不良品进行剔除；以及连接所述上料机构1、输送机构2、图像采集机构3、图像处理软件5、剔除机构4的电气控制系统6。
37.装置机柜作为装置承载主体，上料机构1与上游的口罩生产输送机构对接，接收上游的口罩生产输送机构输送的待检测口罩，输送机构2采用安装于机柜上的三段皮带线输送方式，三段皮带线21、22、23的控制采用同步带方式，控制三段皮带线的伺服电机的三相端子由一个控制器控制，并严格控制皮带线安装的水平度，实现最佳的传送效果，使得待检口罩克可以平稳的传送；图像采集机构3用于采集待检测口罩7图像并将采集图像传递给图像处理软件5，图像处理软件5安装于装置配备的计算机中，图像处理软件中的检测算法对采集图像进行检测，输出待检口罩是良品还是不良品结果。并将检测结果传递给电气控制机构6，电气控制机构6控制剔除机构4中的吹气喷嘴41将不良品进行剔除，并将剔除不良品口罩存放于不良品收集箱42中。
38.具体的，在本实施例中，图像采集机构3包括：通过固定支架安装于装置机柜上的4k线阵相机31和310，以及，与31和310相连接的fa镜头32和39，以及分别为光源照射方向正对fa镜头的背光方式的高亮线光源34和35和以及相机中轴线成45
°
的正面打光方式的高亮线光源33和 36。此外，图像采集机构配备有光电检测开关37和编码器模块38，用于控制图像采集的时序，实现完整口罩图像的采集。本发明提供的检测装置所图像采集机构共两套，分别安装于所述三段皮带线两两皮带线空隙处，用于灵活的完成多种类型口罩多面缺陷的检测。
39.此外，本发明还提供了一种口罩缺陷检测方法，检测方法的检测缺陷项目包括但不限于如下五类：口罩空袋/双胞胎口罩/半只，口罩褶皱，口罩膜接头，口罩耳带完整度检测以及口罩压耳带缺陷检测，检测算法具体流程如图2所示，检测算法具体步骤如下：
40.s1、通过与图像处理软件相连的相机采集待检测口罩的背景图像和采集所述待检测口罩图像，并将所述两幅图像进行作差，得到差值图像,记作 image_sub；
41.s2、将所述差值图像image_sub从原始采集图像中裁剪出来，得到目标口罩区域图像image_maskregion；
42.口罩空袋/双胞胎口罩/半只、口罩褶皱两个检测项的检测方法的步骤包括：
43.s3、对所述目标口罩区域图像image_maskregion通过图像灰度化、图像二值化等预处理操作，并使用区域面积和几何形状特征筛选出待判定缺陷种类图像区域记作tojudgeregion，并将上述待判定缺陷种类图像区域从原始采集图像中裁剪出来；
44.s4、对于所述待判定缺陷种类图像区域tojudgeregion，若所述区域面积和几何形状特征不符合口罩预先设定的特征范围，则直接判断为不良品，若所述区域面积和几何形状特征符合口罩预先设定的特征范围，则缓存该待判定缺陷种类图像，留作采用深度学习方式判断是否为高度重合的双胞胎口罩情形，规避高度重合的双胞胎口罩误判的风险；
45.口罩膜接头检测项的检测方法的步骤包括：
46.s5、考虑到口罩膜接头的颜色特性，在完成上述检测项的基础上，在进行膜接头检测时，对所述目标口罩区域图像image_maskregion，使用颜色空间转换算法，将所述采集图像从rgb空间转换成hsv空间，对经过通道分离的图像，使用s通道图像，将该通道图像进行图像二值化处理，使用区域面积和几何形状特征筛选出膜接头区域,记作mojietouregion；
47.s6、若从上述目标口罩区域中筛选出的膜接头区域mojietouregion非空，则检测结果判断为不良品，若从上述目标口罩区域中筛选出的膜接头区域mojietouregion为空，则缓存该待判定缺陷种类图像，留作后续检测步骤使用；
48.s7、对于经上述步骤检测之后的缓存该待判定缺陷种类图像，检测口罩耳带完整度以及口罩压耳带缺陷时，由于口罩耳带相对于口罩本体的位置比较随意，传统的检测方法，会出现误判或者无法检测的情形，故考虑采用深度学习方式，进行口罩耳带完整度以及口罩压耳带缺陷检测；
49.使用深度学习方式进行口罩耳带完整度以及口罩压耳带缺陷检测主要步骤包括；
50.s8、分别采集耳带合格和不合格的口罩在各种光照强度和姿态下的大量图像，存放在ok和ng两个文件夹，作为深度学习方式分类模型的样本图片集；
51.s9、使用经过预训练的二分类深度学习模型，设置模型训练的主要超参数，如batch_size和learning_rate，使用总的样本图片集的70％作为训练模型的训练图片集，对预训练模型进行训练；
52.s10、使用总的样本图片集的20％作为训练模型的测试图片，对经过设置超参数训练模型进行测试。
53.s11、使用总的样本图片集的10％作为训练模型的验证图片，对经过设置超参数训练模型的分类效果进行验证。
54.所述步骤s8还包括以下处理步骤：
55.s81、搜集所述缓存的待判定缺陷种类图像，存放在ng文件夹，作为深度学习方式分类模型的样本图片集；使得整个检测方法可以兼容双胞胎口罩检测高度重合的双胞胎口罩情形。
56.以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。