[發明專利]一種基于視覺的自學習工業智能檢測系統及方法

在審

• 申請號: 201810336822.5
• 申請日: 2018-04-16
• 公開（公告）號: CN108764278A
• 公開（公告）日: 2018-11-06
• 發明（設計）人: 許照林
• 申請（專利權）人: 蘇州富鑫林光電科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04
• 代理公司: 蘇州創元專利商標事務所有限公司 32103
• 代理人: 范晴

本發明公開了一種基于視覺的自學習工業智能檢測系統及方法，所述系統包括：成像單元，計算單元，通訊單元和控制單元。所述計算單元包括檢測器，跟蹤器，訓練控制單元，神經網絡分類器和分類器參數控制單元。本發明基于視覺的自學習工業智能檢測系統及方法，通過小批量數據訓練神經網絡模型識別圖像中檢測到的物體類別；識別結果作為交互輸出提供給用戶；用戶通過人工標定驗證識別結果，神經網絡訓練器以此判斷作為訓練標記，實時改善識準確率；逐步減少人為干預。本系統適用于不同物體的識別，并能通過進一步優化模型參數來不停的提高識別效率。

技術領域

本發明涉及工業自動化領域, 特別涉及一種基于視覺的自學習工業智能檢測系統及方法，利用人工智能和計算機視覺系統自動學習工業流水線的人工干預部分,比如數量統計,質量檢測, 物料的識別,并輔助及逐步替代人力資源的浪費。

背景技術

目前,傳統機器視覺利用主要利用匹配的方法進行模式識別,其缺點在于需要針對不同的目標開發針對性的算法匹配,沒有一個通用的算法,然而在實際應用中,目標個體千變萬化,傳統的計算機視覺需要大量的算法優化工作來實現具體的目標,比如在五金加工領域,螺絲就有不同的型號,大小以及種類,如果針對不同的螺絲開發,需要大量的開發工作,這極大的限制了自動化領域的計算機視覺應用。

另一方面,隨著人工智能的發展,機器學習有了很大的突破,其核心技術在于利用深度神經網絡的分類能力,能夠基于訓練數據的分類基礎上,訓練合適的網絡模型,能在特定任務上實現比人工更高的效率及準確率。這種弱人工智能技術在工業領域會有更大的應用,其原因在于執行特定的任務,無人為的疲勞,會產生穩定高效的結果,其結果具有復制性及拓展性。

發明內容

本發明目的是：克服上述現有技術的缺陷與不足，提供一種基于視覺的自學習工業智能檢測系統及方法。

本發明的技術方案是：

一種基于視覺的自學習工業智能檢測系統，所述系統包括：

成像單元,對應用場景成像并轉換成數字信號；

計算單元，通過成像單元的輸入結果進行自學習，并在學習到一定階段后實時進行分析，并根據反饋結果不停提高學習精度把分析結果發給通訊單元及控制單元；

通訊單元，把計算單元的分析結果發送到相關設備；

控制單元，根據分析結果來控制相關設備并通過顯示端口輸出分析結果到輸入和輸出界面上。

優選的，所述計算單元包括：

檢測器，實時將檢測出的物體提供給跟蹤器;

跟蹤器，將檢測出的問題進行標定并分類之后提供給訓練控制單元；

訓練控制單元，根據分類結果，決定分類器需要修改的參數及位置；

神經網絡分類器，根據更新的分類器參數對檢測器結果進行分類并將結果傳遞回跟蹤器及輸出界面；

分類器參數控制單元，所述分類器參數控制單元根據訓練控制單元結果以及跟蹤器輸出結果更新分類器參數達成分類需求。

優選的，所述輸入和輸出界面輸入圖像及輸出分類結果。

優選的，所述成像單元,采用CMOS/CCD傳感器或光學鏡頭+輔助光源。

優選的，所述計算單元采用但不限于CPU/GPU/FPGA/MCU。

優選的，通訊單元采用無線或有線網絡。

一種基于視覺的自學習工業智能檢測方法，包括：

1）成像單元取得場景中的圖像后，根據特定目標進行物體檢測，將待檢測目標從背景區分開；