[發明專利]一種利用深度學習模型檢測物體表面缺陷的系統及方法

有效

• 申請號: 201910045930.1
• 申請日: 2019-01-18
• 公開（公告）號: CN110148106B
• 公開（公告）日: 2023-06-27
• 發明（設計）人: 戴福雙;齊浩楠
• 申請（專利權）人: 華晨寶馬汽車有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06K17/00;G06N20/00;G01N21/84;G01N21/88
• 代理公司: 中國貿促會專利商標事務所有限公司 11038
• 代理人: 李曉芳

本公開提供了一種利用深度學習模型檢測物體的表面的缺陷的系統及方法。該系統包括：處理器，被配置為接收所述物體的表面的第一圖像和標識所述物體的標識碼信息，以及通過對所述第一圖像應用深度學習模型來對第一圖像進行處理以生成第二圖像和缺陷指示，所述缺陷指示包含關于所述物體的表面的缺陷的信息，并且當所述物體的表面具有缺陷時，所述第二圖像包括指示所述缺陷的標記；和存儲器，被配置為將所述標識碼信息、所述第一圖像、所述第二圖像和所述缺陷指示相關聯地存儲。

技術領域

本公開涉及計算機視覺領域，特別涉及一種基于深度學習模型檢測物體表面缺陷的系統及方法。

背景技術

產品，特別是對安全性有較高要求的產品，例如汽車的發動機缸蓋，在出廠前必須經過缺陷檢測。傳統上人工用肉眼對發動機缸蓋的表面質量進行檢測。這種方式由于人工的視覺疲勞而可能出現漏檢的情況。此外人工檢測方法效率較低。

也存在利用傳統的圖像處理方法進行物體表面缺陷檢測的方法。這種的方法基于傳統的圖像識別和處理技術，但是由于缺陷的多樣性、缺陷形狀較小、現場環境的光照、缸蓋表面紋理等因素的影響，傳統的圖像處理方法并不能達到很高的檢測準確率，同時還會將缸蓋表面的紋理誤檢成缺陷，導致誤檢率非常高，因而并不能滿足生產線的檢測要求。

因此，存在對于高效率地檢測物體表面缺陷的系統及方法的需求。

發明內容

本公開提供了基于深度學習模型檢測物體表面缺陷的系統及方法。

根據本公開的第一方面，提供了一種用于檢測物體的表面的缺陷的系統，包括：處理器，被配置為接收所述物體的表面的第一圖像和標識所述物體的標識碼信息，以及通過對所述第一圖像應用深度學習模型來對第一圖像進行處理以生成第二圖像和缺陷指示，所述缺陷指示包含關于所述物體的表面的缺陷的信息，并且當所述物體的表面具有缺陷時，所述第二圖像包括指示所述缺陷的標記；和存儲器，被配置為將所述標識碼信息、所述第一圖像、所述第二圖像和所述缺陷指示相關聯地存儲。

所述系統還包括：標識碼識別裝置，被配置為識別所述物體的表面的標識碼以生成所述標識碼信息；和照相機，被配置為對所述物體進行拍照以生成所述第一圖像。

所述物體可以被放置在傳送帶上。所述系統還包括：傳動信號發生設備，被配置為感測所述物體的接近，并且當所述物體接近所述傳動信號發生設備時，生成傳動暫停信號以使得所述傳送帶停止傳動。所述處理器進一步被配置為在接收到所述第一圖像和標識碼信息之后向所述傳動信號發生設備發送傳送恢復指令。所述傳動信號發生設備進一步被配置為根據接收的傳送恢復指令生成傳動恢復信號以使得所述傳送帶恢復傳動。

所述系統還包括：標識碼掃描裝置，被配置為掃描所述物體的表面的標識碼以生成標識碼信息；終端設備，連接到所述標識碼掃描裝置、所述處理器和所述存儲器，并且被配置為接收所述掃描的標識碼信息、將其發送到所述處理器、以及從所述處理器接收與所述標識碼信息相對應的第二圖像和缺陷指示；和顯示器，連接到所述終端設備并且被配置為顯示所述接收的第二圖像和缺陷指示。

根據本公開的第二方面，提供了一種用于檢測物體的表面的缺陷的方法，包括：接收所述物體的表面的第一圖像和標識所述物體的標識碼信息；通過對所述第一圖像應用深度學習模型來對第一圖像進行處理以生成第二圖像和缺陷指示，所述缺陷指示包含關于所述物體的表面的缺陷的信息，并且當所述物體的表面具有缺陷時，所述第二圖像包括指示所述缺陷的標記；和將所述標識碼信息、所述第一圖像、所述第二圖像和所述缺陷指示相關聯地存儲。

所述物體可以被放置在傳送帶上。所述方法還包括：感測所述物體與傳動信號發生設備的接近；當所述物體接近所述傳動信號發生設備時，生成傳動暫停信號以使得所述傳送帶停止傳動；以及在接收所述第一圖像和標識碼信息之后，生成傳動恢復信號以使得所述傳送帶恢復傳動。