本申请属于人工智能，涉及一种烟支缺陷检测方法、系统、介质及电子设备。
背景技术：
1、目前，在烟支生产过程中，随着卷烟设备自动化程度不断提高，对卷烟产品质量检测和工艺环节中的质量控制提出了新的要求。由于原辅料的差异性以及烟包纸质量、车间环境扰动等各种因素的影响，出现各种类型的缺陷。这些具有缺陷的烟支一旦流入市场，就会严重影响用户的使用体验，损害企业产品质量和企业形象，因此必须对缺陷烟支进行及时地检测和剔除。传统的检测方法效率低、成本高、检测结果不稳定，并且难以适应高速流水线的卷烟生产环境。
技术实现思路
1、本申请的目的在于提供一种烟支缺陷检测方法、系统、介质及电子设备，用于提高烟支缺陷检测的精确度。
2、第一方面，本申请提供一种烟支缺陷检测方法，所述烟支缺陷检测方法包括：获取烟支缺陷数据集；基于所述烟支缺陷数据集对烟支缺陷检测框的尺寸进行聚类计算，以获取预测框尺寸；利用非极大值抑制算法对所述预测框进行处理，以获取目标预测框，所述目标预测框包括不同烟支缺陷类别的预测框；基于所述目标预测框，利用yolov4网络对烟支的缺陷进行检测，以获取烟支缺陷检测结果。
3、在第一方面的一种实现方式中，基于所述烟支缺陷数据集对烟支缺陷检测框的尺寸进行聚类计算，以获取预测框尺寸的过程包括：根据所述烟支缺陷数据集获取所述烟支缺陷检测框的尺寸；利用聚类算法对所述烟支缺陷检测框的尺寸进行聚类，以获取所述预测框尺寸；所述预测框尺寸包括所述不同烟支缺陷类别的预测框尺寸。
4、在第一方面的一种实现方式中，利用聚类算法对所述烟支缺陷检测框的尺寸进行聚类，以获取所述预测框尺寸的过程包括：利用聚类算法对所述烟支缺陷检测框的尺寸进行聚类分析，以获取聚类中心；利用概率分布机制对所述聚类中心进行处理，以获取所述预测框尺寸。
5、在第一方面的一种实现方式中，利用聚类算法对所述烟支缺陷检测框的尺寸进行聚类分析，获取聚类中心的过程包括：步骤一，从所述烟支缺陷数据集中任选一个数据点作为第一聚类中心；步骤二，获取所述烟支缺陷数据集中剩余数据点与所述第一聚类中心间的最短距离；步骤三，基于所述最短距离获取所述剩余数据点为下一聚类中心的概率值；步骤四，当所述概率值大于特定阈值时，将所述概率值对应的数据点作为下一个聚类中心；重复步骤二至四，直到获得目标数量的聚类中心。
6、在第一方面的一种实现方式中，利用非极大值抑制算法对所述预测框进行处理，以获取目标预测框的过程包括：获取所述预测框的置信度；基于所述置信度，利用非极大值抑制算法去除所述预测框中重叠的预测框，以获取目标预测框。
7、在第一方面的一种实现方式中，所述不同烟支缺陷类别的预测框具有独立的置信度阈值。
8、在第一方面的一种实现方式中，基于所述置信度，利用非极大值抑制算法去除所述预测框中重叠的预测框，以获取目标预测框的过程包括：基于置信度阈值的字典形式，获取重叠预测框的重叠程度；将所述重叠程度与重叠阈值进行比较，根据比较结果去除所述预测框中重叠的预测框。
9、第二方面，本申请提供一种烟支缺陷检测系统，所述烟支缺陷检测系统包括：烟支缺陷数据集获取模块，用于获取烟支缺陷数据集；预测框尺寸获取模块，用于基于所述烟支缺陷数据集对烟支缺陷检测框的尺寸进行聚类计算，以获取预测框尺寸；非极大值抑制算法处理模块，用于利用非极大值抑制算法对所述预测框进行处理，以获取目标预测框，所述目标预测框包括不同烟支缺陷类别的预测框；结果获取模块，用于基于所述目标预测框，利用yolov4网络对烟支的缺陷进行检测，以获取烟支缺陷检测结果。
10、第三方面，本申请提供一种电子设备，其特征在于，所述电子设备包括：存储器，其上存储有计算机程序；处理器，与所述存储器通信相连，用于执行所述计算机程序以实现上述的烟支缺陷检测方法。
11、第四方面，本申请提供一种计算机可读存储介质，其上存储有计算机程序，该程序被电子设备执行时实现上述的烟支缺陷检测方法。
12、如上所述，本申请所述的烟支缺陷检测方法、系统、介质及电子设备，具有以下有益效果：
13、本申请提供的烟支缺陷检测方法能够对烟支缺陷检测框的尺寸进行聚类计算，获取与烟支缺陷特征相匹配的预测框尺寸。并能够利用非极大值抑制算法对预测框做进一步处理，来获取检测不同缺陷类别的目标预测框。通过本申请的烟支缺陷检测方法能够极大提高了缺陷检测的精确度。
1.一种烟支缺陷检测方法，其特征在于，所述烟支缺陷检测方法包括：
2.根据权利要求1所述的烟支缺陷检测方法，其特征在于，基于所述烟支缺陷数据集对烟支缺陷检测框的尺寸进行聚类计算，以获取预测框尺寸的过程包括：
3.根据权利要求2所述的烟支缺陷检测方法，其特征在于，利用聚类算法对所述烟支缺陷检测框的尺寸进行聚类，以获取所述预测框尺寸的过程包括：
4.根据权利要求3所述的烟支缺陷检测方法，其特征在于，利用聚类算法对所述烟支缺陷检测框的尺寸进行聚类分析，获取聚类中心的过程包括：
5.根据权利要求1所述的烟支缺陷检测方法，其特征在于，利用非极大值抑制算法对所述预测框进行处理，以获取目标预测框的过程包括：
6.根据权利要求5所述的烟支缺陷检测方法，其特征在于，所述不同烟支缺陷类别的预测框具有独立的置信度阈值。
7.根据权利要求5所述的烟支缺陷检测方法，其特征在于，基于所述置信度，利用非极大值抑制算法去除所述预测框中重叠的预测框，以获取目标预测框的过程包括：
8.一种烟支缺陷检测系统，其特征在于，所述烟支缺陷检测系统包括：
9.一种电子设备，其特征在于，所述电子设备包括：
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被电子设备执行时实现权利要求1至7中任一项所述的烟支缺陷检测方法。
