【技術實現步驟摘要】
本專利技術屬于餐具生產領域，具體是一種基于圖像識別的可降解餐具質檢方法及系統。
技術介紹
1、隨著環境保護意識的增強，市場上對可降解餐具的需求增加，但質量控制要求也隨之提高。傳統的人工檢查方式可能效率低下且依賴于操作者的經驗，因此需要一種更智能化的質檢方案。基于圖像識別的方法利用先進的深度學習技術，如卷積神經網絡，可以從大量的圖像數據中學習并識別各種類型的缺陷。圖像融合技術在此過程中被用來增加訓練數據的多樣性和復雜性。基于圖像識別的可降解餐具質檢方法通過自動化缺陷檢測，能夠提高質檢的準確性和效率，同時減少人為因素對檢測結果的影響。此外，通過持續的反饋機制，系統可以不斷優化和改進，確保在不同生產批次中的穩定性和一致性。
2、現有的可降解餐具質檢方法，大多對可降解餐具進行固定比例的抽檢，難以根據可降解餐具的初檢數據，靈活設置抽檢率，造成人力和時間成本的浪費。
技術實現思路
1、本專利技術旨在至少解決現有技術中存在的技術問題之一；為此，本專利技術提出了一種基于圖像識別的可降解餐具質檢方法及系統，用于解決難以根據可降解餐具的初檢數據，靈活設置抽檢率，造成人力和時間成本的浪費的技術問題。
2、為解決上述問題，本專利技術的第一方面提供了一種基于圖像識別的可降解餐具質檢方法，包括以下步驟：
3、根據生產線的布局，將可降解餐具按照生產線的不同分為若干生產線組，將生產線組中的可降解餐按照產品批次的不同，分若干為生產批次小組；
4、在生產批次小組的質檢流
5、通過深度學習技術識別每個生產批次小組的可降解餐具的圖像數據，檢測可降解餐具的尺寸缺陷、表面破損缺陷和表面顏色缺陷；
6、根據生產批次小組檢測可降解餐具的尺寸缺陷、表面破損缺陷和表面顏色缺陷數據，評估對應生產批次小組的合格度，根據不同生產批次小組的合格度評估值，設置對應生產批次小組的抽檢率；
7、根據生產批次小組的抽檢率對對應生產批次小組的可降解餐具進行抽檢，對抽檢出的可降解餐具進行耐性測試和成分檢測；根據耐性測試和成分檢測的結果，調節對應生產批次小組所在生產線組產品的抽檢率，并判斷對應生產批次小組的可降解餐具是否合格。
8、作為本專利技術進一步的方案：通過深度學習技術識別每個生產批次小組的可降解餐具的圖像數據，檢測可降解餐具的尺寸缺陷、表面破損缺陷和表面顏色缺陷，包括以下步驟：
9、獲取每個生產線的合格和有缺陷的可降解餐具的圖像數據的歷史數據，對圖像進行預處理，包括：去噪和增強對比度；
10、將有缺陷的可降解餐具的缺陷類型分為尺寸缺陷、表面破損缺陷和表面顏色缺陷，對有缺陷的可降解餐具的圖像數據的缺陷類型進行標注，添加缺陷類型標簽，并對缺陷位置通過標記框進行標記；
11、從尺寸缺陷、表面破損缺陷和表面顏色缺陷的缺陷類型圖像數據中隨機抽取相同數量的圖像數據，抽取的不同缺陷類型的圖像數據進行隨機組合，將組合的圖像數據進行圖像融合，融合的圖像數據保留所有圖像數據的缺陷類型標簽；
12、通過標記過的圖像數據和融合后的圖像數據，訓練神經網絡模型，用于識別可降解餐具的缺陷；
13、通過訓練后的神經網絡模型，檢測可降解餐具的尺寸缺陷、表面破損缺陷和表面顏色缺陷。
14、作為本專利技術進一步的方案：根據生產批次小組檢測可降解餐具的尺寸缺陷、表面破損缺陷和表面顏色缺陷數據，評估對應生產批次小組的合格度，包括以下步驟：
15、獲取生產批次小組檢測的可降解餐具的尺寸缺陷、表面破損缺陷和表面顏色缺陷數據；
16、統計每種缺陷類型可降解餐具的數量；
17、通過以下公式，評估對應生產批次小組的合格度：
18、
19、其中，w為生產批次小組的合格度的評價值，s為生產批次小組中可降解餐具的總數，s為生產批次小組中有缺陷的可降解餐具的總數，a1為生產批次小組中尺寸缺陷的可降解餐具的數量，b1為生產批次小組中表面破損缺陷的可降解餐具的數量，c1為生產批次小組中表面顏色缺陷的可降解餐具的數量。
20、作為本專利技術進一步的方案：根據不同生產批次小組的合格度評估值，設置對應生產批次小組的抽檢率，包括以下步驟：
21、獲取不同生產批次小組的合格度評估值；
22、通過以下公式，設置對應生產批次小組的抽檢率：
23、
24、其中，f為對應生產批次小組的抽檢率。
25、作為本專利技術進一步的方案：根據生產批次小組的抽檢率對對應生產批次小組的可降解餐具進行抽檢，對抽檢出的可降解餐具進行耐性測試和成分檢測，包括以下步驟：
26、根據生產批次小組的抽檢率對對應生產批次小組的可降解餐具進行抽檢，將抽檢出的可降解餐具隨機分為兩組進行耐性測試；
27、對兩組可降解餐具分別進行機械性能測試和熱穩定性測試，并采集測試過程中的可降解餐具的圖像數據；
28、并對完成耐性測試的可降解餐具，進行成分檢測。
29、作為本專利技術進一步的方案：對兩組可降解餐具分別進行機械性能測試和熱穩定性測試，并采集測試過程中的可降解餐具的圖像數據，包括以下步驟：
30、對兩組可降解餐具分別進行機械性能測試和熱穩定性測試；
31、對于進行機械性能測試的分組，對逐漸增加對可降解餐具施加的壓力，采集在壓力增加過程中，可降解餐具的圖像數據；
32、對于進行熱穩定性測試的分組，對逐漸增加可降解餐具的測試環境的溫度，采集在溫度增加過程中，可降解餐具的圖像數據和可降解餐具重量數據。
33、作為本專利技術進一步的方案：根據耐性測試和成分檢測的結果，調節對應生產批次小組所在生產線組產品的抽檢率，并判斷對應生產批次小組的可降解餐具是否合格，包括以下步驟：
34、根據測試過程中的可降解餐具的圖像數據，評估可降解餐具的機械強度、熱穩定性和成分合格率；
35、根據可降解餐具的機械強度、熱穩定性和成分合格率的評估結果，評價抽檢餐具的耐用性；
36、若生產批次小組的抽檢餐具的耐用性評價結果低于預設閾值，則增加對應生產批次小組所在生產線組產品的抽檢率，進行二次抽檢，若二級抽檢的耐用性評價結果低于預設閾值，則對應生產批次小組的可降解餐具不合格，否則，對應生產批次小組的可降解餐具合格。
37、作為本專利技術進一步的方案：根據測試過程中的可降解餐具的圖像數據，評估可降解餐具的機械強度、熱穩定性和成分合格率，包括以下步驟：
38、獲取機械性能測試過程中，通過采集在壓力增加過程中，可降解餐具的圖像數據，將機械性能測試過程中的圖像數據輸入到訓練的用于識別可降解餐具缺陷的神經網絡模型中，采集神經網絡模型首次識別到可降解餐具出現尺寸缺陷時，對應的機械性能測試壓力值，作為強度壓力值，采集神經網絡本文檔來自技高網...
【技術保護點】
1.一種基于圖像識別的可降解餐具質檢方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的一種基于圖像識別的可降解餐具質檢方法，其特征在于，通過深度學習技術識別每個生產批次小組的可降解餐具的圖像數據，檢測可降解餐具的尺寸缺陷、表面破損缺陷和表面顏色缺陷，包括以下步驟：
3.根據權利要求1所述的一種基于圖像識別的可降解餐具質檢方法，其特征在于，根據生產批次小組檢測可降解餐具的尺寸缺陷、表面破損缺陷和表面顏色缺陷數據，評估對應生產批次小組的合格度，包括以下步驟：
4.根據權利要求3所述的一種基于圖像識別的可降解餐具質檢方法，其特征在于，根據不同生產批次小組的合格度評估值，設置對應生產批次小組的抽檢率，包括以下步驟：
5.根據權利要求1所述的一種基于圖像識別的可降解餐具質檢方法，其特征在于，根據生產批次小組的抽檢率對對應生產批次小組的可降解餐具進行抽檢，對抽檢出的可降解餐具進行耐性測試和成分檢測，包括以下步驟：
6.根據權利要求5所述的一種基于圖像識別的可降解餐具質檢方法，其特征在于，對兩組可降解餐具分別進行機械性能測試和
7.根據權利要求6所述的一種基于圖像識別的可降解餐具質檢方法，其特征在于，根據耐性測試和成分檢測的結果，調節對應生產批次小組所在生產線組產品的抽檢率，并判斷對應生產批次小組的可降解餐具是否合格，包括以下步驟：
8.根據權利要求7所述的一種基于圖像識別的可降解餐具質檢方法，其特征在于，根據測試過程中的可降解餐具的圖像數據，評估可降解餐具的機械強度、熱穩定性和成分合格率，包括以下步驟：
9.根據權利要求8所述的一種基于圖像識別的可降解餐具質檢方法，其特征在于，根據可降解餐具的機械強度、熱穩定性和成分合格率的評估結果，評價抽檢餐具的耐用性，包括以下步驟：
10.一種基于圖像識別的可降解餐具質檢系統，其特征在于，包括：
...【技術特征摘要】
1.一種基于圖像識別的可降解餐具質檢方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的一種基于圖像識別的可降解餐具質檢方法，其特征在于，通過深度學習技術識別每個生產批次小組的可降解餐具的圖像數據，檢測可降解餐具的尺寸缺陷、表面破損缺陷和表面顏色缺陷，包括以下步驟：
3.根據權利要求1所述的一種基于圖像識別的可降解餐具質檢方法，其特征在于，根據生產批次小組檢測可降解餐具的尺寸缺陷、表面破損缺陷和表面顏色缺陷數據，評估對應生產批次小組的合格度，包括以下步驟：
4.根據權利要求3所述的一種基于圖像識別的可降解餐具質檢方法，其特征在于，根據不同生產批次小組的合格度評估值，設置對應生產批次小組的抽檢率，包括以下步驟：
5.根據權利要求1所述的一種基于圖像識別的可降解餐具質檢方法，其特征在于，根據生產批次小組的抽檢率對對應生產批次小組的可降解餐具進行抽檢，對抽檢出的可降解餐具進行耐性測試和成分檢測，包括以下步驟...
【專利技術屬性】
技術研發人員：仇興亞，仇興東，黃江美，王新安，魏曉童，田忠偉，李夫強，連士忠，
申請(專利權)人：山東辛誠生態科技有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。