[發明專利]一種基于智能視覺的工業外觀檢測方法

有效

• 申請號: 201710719954.1
• 申請日: 2017-08-21
• 公開（公告）號: CN107657603B
• 公開（公告）日: 2020-07-14
• 發明（設計）人: 梁斌焱;陳志鴻;鄒河彬;王燕波;王妍
• 申請（專利權）人: 北京精密機電控制設備研究所
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 中國航天科技專利中心 11009
• 代理人: 龐靜

本發明提供了一種基于智能視覺的工業外觀檢測方法，該方法包括如下步驟：(1)、獲取多個產品外觀瑕疵樣本，含同一個瑕疵的樣本包含多個不同角度或位置拍攝的圖像；(2)、對產品外觀瑕疵樣本中的瑕疵圖像標注，確定圖像中瑕疵的所屬的類別；(3)、根據產品外觀瑕疵樣本、圖像中瑕疵的類別，進行深度學習網絡訓練，得到產品外觀深度學習模型；(4)、實時獲取被測產品外觀圖像，采用產品外觀深度學習模型，對該產品外觀圖像采取深度學習方法進行檢測；(5)、多個角度和位置的圖像被深度學習模型識別后，任一圖像被識別出瑕疵，即可認為該產品存在瑕疵。本發明處理效率高，檢測精度超過人類的檢測精度，且檢測標準統一，避免了重復性檢測。

技術領域

本發明涉及一種基于智能視覺的工業外觀檢測方法，屬于工業外觀檢測領域。

背景技術

在工業檢測領域，外觀檢測是一項重要內容，外觀的好壞在一定程度上影響這產品的質量，現階段的外觀檢測自動化程度低，大部分依靠人工檢測，即使在少量利用圖像處理做檢測的自動化設備中，也存在一定缺陷。

現階段的工業外觀檢測主要存在以下問題：

1.基于圖像處理的自動化檢測設備對外觀特征的提取不足，主要是外觀檢測瑕疵多種多樣，單一的圖像處理難以滿足多樣化的檢測需求，檢測精度低。

2.現有的深度學習智能識別模型，由于特征提取需要樣本多樣化，不能直接用在工業產品檢測上，導致工業外觀的檢測智能利用圖像處理等精度低的自動化手段。

3.人工檢測帶來了成本高、檢測效率底下的問題。

4.檢測標準不統一，人和人的檢測標準差別較大，檢測結果不穩定。

發明內容

本發明的技術解決問題是：克服現有技術的不足，提出一種基于智能視覺的工業外觀檢測技術，采用深度學習的檢測方法對產品外觀進行快速檢測。

本發明的技術解決方案是：一種基于智能視覺的工業外觀檢測方法，該方法包括如下步驟：

(1)、獲取M個產品外觀瑕疵樣本，M大于等于3000，所述樣本為包含外觀瑕疵的產品圖像，所述包含外觀瑕疵的產品圖像通過攝像機拍攝固定在檢測工裝上的包含外觀瑕疵的產品獲得，包含同一個瑕疵的樣本有多個，分別為多個不同角度或位置拍攝的圖像；

(2)、人工對產品外觀瑕疵樣本中的瑕疵圖像標注，確定圖像中瑕疵的所屬的類別；

(3)、根據產品外觀瑕疵樣本、步驟(2)所確定的圖像中瑕疵的類別，進行深度學習網絡訓練，得到產品外觀深度學習模型；

(4)、實時獲取被測產品外觀圖像，采用步驟(3)所得到的產品外觀深度學習模型，對該產品外觀圖像采取深度學習方法進行檢測，識別圖像中瑕疵類別，所述被測產品外觀圖像通過攝像機拍攝固定在檢測工裝上的被測產品獲得，同一被測產品外觀圖像有多個，分別為多個不同角度或位置拍攝的圖像；

(5)、多個角度和位置的產品外觀圖像被深度學習模型識別后，如果其中某一個或幾個圖像被識別出瑕疵，即可認為該產品為存在瑕疵的產品。

所述檢測工裝至少包括3個自由度，調整檢測工裝的角度和位置即可獲取多個角度和位置的被測產品外觀圖像。

根據產品外觀瑕疵樣本、步驟(2)所確定的圖像中瑕疵的類別，進行深度學習網絡訓練，得到產品外觀深度學習模型的具體實現為：

(3.1)、采用預設的深度學習訓練模型，通過前向傳播方法對樣本進行計算，得到深度學習訓練模型中預設的多個類別的置信度；

(3.2)、分析各類別置信度，選取最高置信度類別作為樣本所包含的瑕疵所屬的類別Z；