[發(fā)明專利]一種基于機(jī)器視覺(jué)的陶瓷杯缺陷檢測(cè)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202010513484.5
• 申請(qǐng)日: 2020-06-08
• 公開(kāi)（公告）號(hào): CN111861983A
• 公開(kāi)（公告）日: 2020-10-30
• 發(fā)明（設(shè)計(jì)）人: 趙宇坤;何其偉;宗兆翔
• 申請(qǐng)（專利權(quán)）人: 上海電機(jī)學(xué)院
• 主分類號(hào): G06T7/00
• 分類號(hào): G06T7/00;G06N3/08;G06N3/04;G06K9/62
• 代理公司: 廣東有知貓知識(shí)產(chǎn)權(quán)代理有限公司 44681
• 代理人: 朱親林

本發(fā)明涉及機(jī)器視覺(jué)以及陶瓷缺陷檢測(cè)領(lǐng)域，尤其涉及一種基于深度學(xué)習(xí)算法的陶瓷杯缺陷檢測(cè)方法。屬于機(jī)器視覺(jué)和深度學(xué)習(xí)領(lǐng)域，所述方法包括：對(duì)陶瓷產(chǎn)品圖片進(jìn)行像素級(jí)別的缺陷標(biāo)注，并將原始產(chǎn)品圖片以及對(duì)應(yīng)的標(biāo)注信息作為樣本數(shù)據(jù)從而得到原始數(shù)據(jù)集、訓(xùn)練集以及測(cè)試集；構(gòu)建基于深度學(xué)習(xí)的缺陷檢測(cè)網(wǎng)絡(luò)模型；將所述訓(xùn)練集和測(cè)試集輸入搭建好的缺陷檢測(cè)模型進(jìn)行訓(xùn)練，通過(guò)參數(shù)微調(diào)得到完整檢測(cè)模型之后，該模型完成在線檢測(cè)陶瓷產(chǎn)品缺陷任務(wù)。本發(fā)明采用目標(biāo)檢測(cè)機(jī)器學(xué)習(xí)算法，針對(duì)具體應(yīng)用場(chǎng)景改進(jìn)了深度學(xué)習(xí)網(wǎng)絡(luò)的具體結(jié)構(gòu)，使得該模型在陶瓷缺陷種類繁多、缺陷區(qū)域微小等不利條件下，仍能高效、準(zhǔn)確地檢出并進(jìn)行自動(dòng)缺陷種類判別。

技術(shù)領(lǐng)域

本發(fā)明涉及機(jī)器視覺(jué)以及陶瓷缺陷檢測(cè)領(lǐng)域，具體的說(shuō)是一種基于機(jī)器視覺(jué)的陶瓷杯缺陷檢測(cè)方法。

背景技術(shù)

將機(jī)器視覺(jué)應(yīng)用于工業(yè)產(chǎn)線檢測(cè)環(huán)節(jié)是智能制造的重要應(yīng)用場(chǎng)景之一，傳統(tǒng)的機(jī)器視覺(jué)檢測(cè)方法是將待檢對(duì)象的形狀、顏色等特征建立模板，利用模板對(duì)待檢測(cè)對(duì)象進(jìn)行匹配。陶瓷類產(chǎn)品檢測(cè)，往往缺陷種類繁多且形狀大小不一，傳統(tǒng)的機(jī)器視覺(jué)方法因缺乏通用性而效率較低。引入基于深度學(xué)習(xí)方法的機(jī)器視覺(jué)系統(tǒng)，不僅可以大大提高陶瓷殘次品檢測(cè)效率，并且兼具靈活性及高精度。

發(fā)明內(nèi)容

本發(fā)明的目的在于使用視覺(jué)設(shè)備對(duì)陶瓷杯缺陷進(jìn)行檢測(cè)，提供一種能夠識(shí)別陶瓷杯缺陷的機(jī)器視覺(jué)檢測(cè)算法。

本發(fā)明的目的通過(guò)下述技術(shù)方案實(shí)現(xiàn)：

一種基于機(jī)器視覺(jué)的陶瓷杯缺陷檢測(cè)方法，具體的，所述機(jī)器視覺(jué)技術(shù)為基于深度學(xué)習(xí)的缺陷檢測(cè)算法，具體步驟主要包括：，

步驟1：數(shù)據(jù)采集與圖片標(biāo)注

具體的，所述步驟1包括在生產(chǎn)制造陶瓷杯的工廠中，現(xiàn)場(chǎng)在產(chǎn)線上采集大量陶瓷杯圖片(包括合格品與殘次品)，對(duì)產(chǎn)品圖片進(jìn)行分類型的像素級(jí)別的缺陷標(biāo)注。

具體的，所述步驟1還包括結(jié)合廠家需求以及專業(yè)領(lǐng)域知識(shí)定義缺陷類型包括：針孔、開(kāi)裂、裂把、疙瘩、臟點(diǎn)、色臟、硬傷。

具體的，所述步驟1還包括將原始圖片統(tǒng)一尺寸，并集合標(biāo)注文件作為樣本數(shù)據(jù)。

步驟2：建立數(shù)據(jù)集

具體的，所述步驟2包括，建立原始圖片集、訓(xùn)練集以及測(cè)試集。

步驟3：構(gòu)建神經(jīng)網(wǎng)絡(luò)模型并進(jìn)行樣本數(shù)據(jù)訓(xùn)練。

具體的，所述步驟3包括所述神經(jīng)網(wǎng)絡(luò)模型為基于深度學(xué)習(xí)的缺陷檢測(cè)網(wǎng)絡(luò)模型。在數(shù)據(jù)訓(xùn)練的過(guò)程中，每次都有樣本數(shù)據(jù)進(jìn)入網(wǎng)絡(luò)，先與64個(gè)3×3的卷積核進(jìn)行卷積運(yùn)算，提取到初步的特征，接下來(lái)經(jīng)過(guò)3×3的最大池化操作后，開(kāi)始進(jìn)入殘差模塊，所述殘差模塊包含有四個(gè)卷積層，所述卷積層分別是：3×3×64卷積層、3×3×128卷積層、3×3×256卷積層、3×3×512卷積層。接下來(lái)經(jīng)過(guò)3×3的最大池化操作，最終與1個(gè)3×3的卷積核進(jìn)行卷積運(yùn)算，得到最后輸出的特征圖。所述特征圖進(jìn)行全局平均池化操作后得到訓(xùn)練完畢的神經(jīng)網(wǎng)絡(luò)模型，即為可用于檢測(cè)陶瓷杯缺陷檢測(cè)的深度學(xué)習(xí)網(wǎng)絡(luò)模型。

步驟4：模型參數(shù)調(diào)整

具體的，所述步驟4包括將待測(cè)的陶瓷杯測(cè)試集中全部樣本數(shù)據(jù)輸入到訓(xùn)練好的缺陷檢測(cè)模型中進(jìn)行缺陷檢測(cè)，得到相關(guān)陶瓷杯的缺陷檢測(cè)結(jié)果。

具體的，所述步驟還包括對(duì)檢測(cè)結(jié)果進(jìn)行人工復(fù)核，據(jù)此結(jié)果進(jìn)行模型參數(shù)調(diào)整。

步驟5：在線檢測(cè)

利用訓(xùn)練好的檢測(cè)模型對(duì)產(chǎn)線上的陶瓷杯進(jìn)行在線檢測(cè)以及缺陷判別與分類。

本發(fā)明的工作過(guò)程和原理是：本發(fā)明提供一種基于深度學(xué)習(xí)的陶瓷杯缺陷檢測(cè)算法，該算法可以將陶瓷廠生產(chǎn)現(xiàn)場(chǎng)采集到的陶瓷杯的圖片數(shù)據(jù)經(jīng)過(guò)預(yù)處理后送入缺陷檢測(cè)模型中進(jìn)行缺陷判別與缺陷分類。