(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211318939.3 (22)申请日 2022.10.26 (71)申请人 四川中烟工业有限责任公司 地址 610000 四川省成 都市龙泉驿区国家 成都经济技术开 发区成龙大道龙泉段 2号 (72)发明人 韩英军　李旭东　胡华　胡武　 罗红　张治强　金鑫　郭非　 李储存　陈和平　蔡劼　 (74)专利代理 机构 四川省成 都市天策商标专利 事务所(有限合 伙) 51213 专利代理师 罗伟 (51)Int.Cl. G06V 10/764(2022.01) G06N 3/04(2006.01)G06N 3/08(2006.01) G06V 10/774(2022.01) G06V 10/82(2022.01) (54)发明名称 基于细粒度图像分类的烟丝残留检测方法 (57)摘要 本发明公开了一种基于细粒度图像分类的 烟丝残留检测方法， 包括： 通过可 以获取实时视 频的监控摄像头拍摄缺陷图像， 输出 RGB图像； 离 线过程中， 利用大量样本训练基于深度卷积神经 网络的细粒度图像分类模型； 在线过程中， 将监 控摄像头采集到的图像输入训练好的细粒度图 像分类模型进行前向推理， 并判断该图像是否有 烟丝残留； 本发 明采用了图像识别技术来进行传 送带烟丝残留监测， 在解放人力的同时， 也确保 了实时性和准确性。 权利要求书1页 说明书2页 附图1页 CN 115546559 A 2022.12.30 CN 115546559 A 1.一种基于细粒度图像分类的烟丝残留检测方法， 其特 征在于， 包括以下步骤： 步骤1、 通过 可以获取实时视频的监控摄 像头拍摄缺陷图像， 输出RGB图像； 步骤2、 离线过程中， 利用大量样本训练基于深度卷积神经网络的细粒度图像分类模 型； 步骤3、 在线过程中， 将监控摄像头采集到的图像输入训练好的细粒度图像分类模型进 行前向推理， 并判断该图像是否有烟丝残留。 2.根据权利要求1所述的基于细粒度图像分类的烟丝残留检测方法， 其特征在于， 还包 括以下步骤： 步骤4、 在时序 上对烟丝残留进行跟踪判断， 如果一段时间内烟丝残留的次数高于某个 阈值， 发出报警。 3.根据权利要求1或2所述的基于细粒度图像分类的烟丝残留检测方法， 其特征在于， 在步骤2中， 所述细粒度图像分类模型通过引入通道注意力机制和空间注意力机制来提高 图像分类的准确性。 4.根据权利要求3所述的基于细粒度图像分类的烟丝残留检测方法， 其特征在于， 所述 通道注意力机制具体如下： 在深度神经网络的不同层之间加入权重信 息， 使得对正确分类贡献较大的层具有较 高 的权重； 所述空间注意力机制具体如下： 在深度神经网络同一层的不同位置加入不同的权重， 使得对正确分类贡献较大的区域 具有较高的权 重。权　利　要　求　书 1/1 页 2 CN 115546559 A 2基于细粒度图像分类的烟丝残留检测方 法 技术领域 [0001]本发明涉及图像识别技术领域， 特别是一种基于细粒度图像分类的烟丝残留检测 方法。 背景技术 [0002]在卷烟厂制丝车间中， 在烟丝批料更换时， 用于传送烟丝 的传送带上往往会有很 多烟丝残留。 这些传送带上的残留往往需要 人工进行检查和清理， 否则会影响产品的质量。 目前， 经常采用的方法是工作人员定期 巡检。 这种方法不但 耗费人力， 也没法真正做到实时 监控。 随着图像识别技术的发展， 通过该技术来进 行传送带烟丝残留监测成为可能。 传统的 通过监控摄像头对某些区域进 行传送带烟丝残留检测时， 通常会存在几种问题： (1)传统背 景建模方法对光照变化等因素敏感， 不够鲁棒； (2)烟丝残留分布的类别非常多， 难以使用 通常的分类的方法； (3)烟丝残留的量很少， 经常出现误判。 发明内容 [0003]为解决现有技术中存在的问题， 本发明的目的是提供一种基于细粒度图像分类的 烟丝残留检测方法， 本发明采用了图像识别技术来进行传送带烟丝残留监测， 在解放人力 的同时， 也确保了实时性和准确性。 [0004]为实现上述目的， 本发明采用的技术方案是： 一种基于细粒度图像分类的烟丝残 留检测方法， 包括以下步骤： [0005]步骤1、 通过 可以获取实时视频的监控摄 像头拍摄缺陷图像， 输出RGB图像； [0006]步骤2、 离线过程中， 利用大量样本训练基于深度卷积神经网络的细粒度图像分类 模型； [0007]步骤3、 在线过程中， 将监控摄像头采集到的图像输入训练好的细粒度图像分类模 型进行前向推理， 并判断该图像是否有烟丝残留。 [0008]作为本发明的进一 步改进， 还 包括以下步骤： [0009]步骤4、 在时序上对烟 丝残留进行跟踪判断， 如果一段时间内烟丝残留的次数高于 某个阈值， 发出报警。 [0010]作为本发明的进一步改进， 在步骤2中， 所述细粒度图像分类模型通过引入通道注 意力机制和空间注意力机制来 提高图像分类的准确性。 [0011]作为本发明的进一 步改进， 所述 通道注意力机制具体如下： [0012]在深度神经网络的不同层之间加入权重信息， 使得对正确分类贡献较大的层具有 较高的权 重； [0013]所述空间注意力机制具体如下： [0014]在深度神经网络同一层的不同位置加入不同的权重， 使得对正确分类贡献较大的 区域具有较高的权 重。 [0015]本发明的有益效果是：说　明　书 1/2 页 3 CN 115546559 A 3