[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

本發明實施例公開了一種基于神經網絡的外觀檢測方法和系統。該方法包括：獲取待測目標對象的外觀圖像；確定外觀圖像中待測目標區域；根據待測目標區域提取待測目標對象的特征向量；將特征向量作為多層感知器模型的輸入，并根據多層感知器模型的輸出確定待測目標對象的外觀形態類型，其中，多層感知器模型根據預設樣本預先訓練得到。從而不再依賴于閾值判定，解決了因閾值判定的單一性導致的準確性和容錯性較差的問題，從而提高了外觀檢測的準確率，增強了容錯性，擴大了機器視覺的應用范圍以及促進了智能制造的發展。

技術領域

本發明實施例涉及機器視覺領域，尤其涉及一種基于神經網絡的外觀檢測方法和系統。

背景技術

隨著科技的快速發展，機器視覺作為人工智能的一個分支越來越受到人們的關注。

目前，我國在機器視覺領域的外觀檢測方面，通常是利用二值化、快速傅里葉變換等方法提取外觀圖像的特征信息，然后設定外觀圖像判定中的閾值，從而確定外觀圖像的形態類型。

然而，這些傳統的外觀檢測方法存在著諸多的缺點，例如，由于對外觀圖像判定的單一性，使得外觀檢測的準確率不高，并且無法應對外觀缺陷的多樣性，容錯性較差，同時也大大限制了機器視覺的應用范圍，以及阻礙了智能制造的發展。

發明內容

本發明提供一種基于神經網絡的外觀檢測方法和系統，以提高外觀檢測的準確率，增強容錯性，擴大機器視覺的應用范圍以及促進智能制造的發展。

第一方面，本發明實施例提供了一種基于神經網絡的外觀檢測方法，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；

根據所述待測目標區域提取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。

第二方面，本發明實施例還提供了一種基于神經網絡的外觀檢測系統，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；

特征向量提取模塊，用于根據所述待測目標區域提取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。

本發明通過利用多層感知器模型，將提取的待測目標對象的特征向量作為多層感知器模型的輸入，根據多層感知器模型的輸出確定待測目標對象的外觀形態類型，從而不再依賴于閾值判定，解決了因閾值判定的單一性導致的準確性和容錯性較差的問題，從而提高了外觀檢測的準確率，增強了容錯性，擴大了機器視覺的應用范圍以及促進了智能制造的發展。

附圖說明

圖1是本發明實施例一提供的一種基于神經網絡的外觀檢測方法的流程圖。

圖2是本發明實施例二提供的一種基于神經網絡的外觀檢測方法的流程圖。

圖3是本發明實施例二提供的一種待測目標對象的外觀圖像的展示圖。

圖4是本發明實施例三提供的一種基于神經網絡的外觀檢測方法的流程圖。

圖5是本發明實施例三提供的一個多層感知器模型的展示圖。

圖6是本發明實施例四中提供的一種基于神經網絡的外觀檢測系統的結構示意圖。