[發明專利]一種基于深度學習的瑕疵檢測系統及方法

有效

• 申請號: 201810200744.6
• 申請日: 2018-03-12
• 公開（公告）號: CN108445011B
• 公開（公告）日: 2021-06-11
• 發明（設計）人: 曹葵康;邵新華;楊曉冬;殷浩;崔學理
• 申請（專利權）人: 蘇州天準科技股份有限公司
• 主分類號: G01N21/88
• 分類號: G01N21/88
• 代理公司: 蘇州國誠專利代理有限公司 32293
• 代理人: 王麗

本發明公開了一種基于深度學習的瑕疵檢測系統，包括：皮帶傳輸裝置、線掃相機和與之連接的鏡頭、PC主機和云端；所述PC主機內設置有圖像處理軟件，通過圖像處理軟件進行瑕疵檢測和處理，同時將處理結果顯示并上傳至云端，云端進行大數據分析。本發明還公開了一種基于深度學習的瑕疵檢測方法，本發明引入深度學習的AI算法，對圖片中瑕疵特征進行高效、高識別率識別與提取。人工投入少，圖像處理軟件檢測性能維護成本低。兼容能力強，在面臨產品更新換代的情況下，圖像處理軟件算法方面無需另行開發，只需多收集產品樣本進行學習訓練，便能很快滿足新產品的瑕疵檢測應用。

技術領域

本發明涉及瑕疵檢測技術領域，具體地是涉及一種基于深度學習的瑕疵檢測系統及方法。

背景技術

在工業生產過程中，瑕疵檢測是很多產品質量檢測環節及其重要的步驟。瑕疵檢測裝置將工業相機采集到的產品表面圖像經過圖像處理軟件進行瑕疵識別處理，找出瑕疵，同時對瑕疵進行有效的分類及后續處理。傳統的圖像處理軟件存在幾個方面問題：

一、圖像處理軟件開放參數多，需投入大量精力調試才能到達較好檢測性能。

二、圖像處理軟件底層算法通用性及功能拓展性弱，對于新產品及其客戶新需求，需要人員來重新開發。

因此，本發明的發明人亟需構思一種新技術以改善其問題。

發明內容

為解決上述技術問題，本發明提供了一種基于深度學習的瑕疵檢測系統及方法。

本發明的技術方案是：

一種基于深度學習的瑕疵檢測系統，包括：

皮帶傳輸裝置，用于傳輸被測產品；

線掃相機和與之連接的鏡頭，二者用于掃描皮帶傳輸裝置上的被測產品，將采集到的產品表面圖像發送至PC主機處；

所述PC主機內設置有圖像處理軟件，通過圖像處理軟件進行瑕疵檢測和處理，同時將處理結果顯示并上傳至云端；

所述云端進行大數據分析。

優選地，所述圖像處理軟件包括如下模塊：

預處理模塊，用于對圖片進行預處理，所述預處理包括但不限于圖像的灰度變換和圖像的裁切；

預測模塊，用于通過卷積神經網絡度圖像進行預測，獲取預測結果；

處理模塊，用于對預測結果進行處理，獲得處理圖片；

顯示模塊，用于對處理圖片進行顯示。

優選地，還包括一模型庫，與所述預測模塊連接，所述模型庫內設置有離線訓練好的卷積神經網絡模型。

優選地，所述預測結果為單通道灰度圖，該圖像像素值在0～255分布，每個像素值大小表示該位置為瑕疵的得分。

優選地，所述處理模塊中引入亮度閾值和面積閾值兩個參數對預測結果進行處理。

一種基于深度學習的瑕疵檢測方法，包括如下步驟：

S1：線掃相機掃描皮帶傳輸裝置上的被測產品，將采集到的產品表面圖像發送至圖像處理軟件處；

S2：通過圖像處理軟件進行瑕疵檢測和處理，同時將處理結果顯示并上傳至云端；

S3：云端進行大數據分析。

優選地，所述步驟S2具體包括：

S21：對圖片進行預處理，所述預處理包括但不限于圖像的灰度變換和圖像的裁切；

S22：通過卷積神經網絡度圖像進行預測，獲取預測結果；