[發明專利]一種基于神經網絡的外觀檢測方法和系統

有效

• 申請號: 201711041424.2
• 申請日: 2017-10-30
• 公開（公告）號: CN107833210B
• 公開（公告）日: 2020-10-20
• 發明（設計）人: 李伯仲;翟發旺
• 申請（專利權）人: 俊杰機械（深圳）有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/33;G06N3/08;G06N3/04;G06K9/32
• 代理公司: 北京品源專利代理有限公司 11332
• 代理人: 潘登

1.一種基于神經網絡的外觀檢測方法，其特征在于，包括：

獲取待測目標對象的外觀圖像；

確定所述外觀圖像中待測目標區域；

當所述待測目標區域為一個圓形區域或者橢圓形區域時，對所述待測目標區域進行極坐標轉換，得到一個矩形區域的中間圖像，并對中間圖像進行邊緣化處理，得到矩形區域中所述待測目標對象的輪廓線；若所述待測目標區域為矩形區域，則直接對所述待測目標區域進行邊緣化處理，得到待測目標對象的輪廓線；

將所述輪廓線進行水平灰度投影和垂直灰度投影，分別確定水平灰度投影矩陣和垂直灰度投影矩陣；

根據所述水平灰度投影矩陣和垂直灰度投影矩陣確定所述待測目標對象的特征向量；

將所述特征向量作為多層感知器模型的輸入，并根據所述多層感知器模型的輸出確定所述待測目標對象的外觀形態類型，其中，所述多層感知器模型根據預設樣本預先訓練得到。

2.根據權利要求1所述的方法，其特征在于，確定所述外觀圖像中待測目標區域，包括：

根據標準模板在所述外觀圖像中進行模板匹配，確定待測反射矩陣，其中，所述標準模板根據標準圖像預先確定；

根據所述待測反射矩陣和標準反射矩陣，確定相對反射矩陣，其中所述標準反射矩陣是所述標準模板的反射矩陣；

根據所述相對反射矩陣和標準待測目標區域，確定所述待測目標區域，其中所述標準待測目標區域是所述標準圖像的待測目標區域。

3.根據權利要求2所述的方法，其特征在于，所述標準模板的確定方法包括：

根據所述標準圖像的對比度以及所述待測目標對象的形狀和大小，確定預期模板；

根據所述標準圖像對所述預期模板進行訓練，確定所述標準模板。

4.根據權利要求1所述的方法，其特征在于，所述多層感知器模型的訓練方法，包括：

建立多層感知器模型，其中，所述多層感知器模型的輸入層單元數根據所述特征向量的向量維數確定，所述多層感知器模型的輸出層單元數根據所述待測目標對象的外觀形態類型數確定；

將預設樣本集的特性向量和對應的標準結果迭代的添加到所述多層感知器模型，獲取預設樣本對應的訓練結果和訓練誤差；

判斷所述訓練誤差是否大于預設誤差；

若是，則將所述訓練誤差反向傳播至所述多層感知器模型，調整所述多層感知器模型的網絡參數；

若否，則停止迭代添加，所述多層感知器模型訓練完成。

5.根據權利要求4所述的方法，其特征在于，在所述多層感知器模型的訓練完成之后，還包括：

根據測試樣本對多層感知器模型進行測試，檢測測試結果中是否存在誤判；

若是，則根據所述測試樣本的同類樣本對所述多層感知器模型進行優化訓練。

6.一種基于神經網絡的外觀檢測系統，其特征在于，包括：

外觀圖像獲取模塊，用于獲取待測目標對象的外觀圖像；

待測區域確定模塊，用于確定所述外觀圖像中待測目標區域；

輪廓線獲取單元，用于當所述待測目標區域為一個圓形區域或者橢圓形區域時，對所述待測目標區域進行極坐標轉換，得到一個矩形區域的中間圖像，并對中間圖像進行邊緣化處理，得到矩形區域中所述待測目標對象的輪廓線；若所述待測目標區域為矩形區域，則直接對所述待測目標區域進行邊緣化處理，得到待測目標對象的輪廓線；

灰度投影矩陣確定單元，用于將所述輪廓線進行水平灰度投影和垂直灰度投影，分別確定水平灰度投影矩陣和垂直灰度投影矩陣；

特征向量確定單元，用于根據所述水平灰度投影矩陣和垂直灰度投影矩陣確定所述待測目標對象的特征向量；

形態類型確定模塊，用于將所述特征向量作為多層感知器模型的輸入，并根據所述多層感知器模型的輸出確定所述待測目標對象的外觀形態類型，其中，所述多層感知器模型根據預設樣本預先訓練得到。