[發明專利]一種基于遷移學習和知識圖譜的工業視覺檢測方法

在審

• 申請號: 202011166655.8
• 申請日: 2020-10-27
• 公開（公告）號: CN112258485A
• 公開（公告）日: 2021-01-22
• 發明（設計）人: 張淮;楊磊
• 申請（專利權）人: 南京清湛人工智能研究院有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 合肥鴻知運知識產權代理事務所(普通合伙) 34180
• 代理人: 劉騏鳴

1.一種基于遷移學習和知識圖譜的工業視覺檢測方法，其特征在于：包括以下步驟：

S1：使用拍攝設備拍攝各種合格零件的各個方位的圖像，作為合格樣本；

S2：將采集到的合格樣本圖像導入計算機，并對合格樣本圖像進行標注；

S3：根據合格樣本圖像，通過RPN網絡和SVM分類器進行處理，使其生成零部件的合格檢測模型；

S4：使用拍攝設備拍攝待檢測零件的各個方位的圖像，作為待檢測圖像樣本；

S5：將采集到的待檢測零件的圖像樣本導入計算機，并與合格檢測模型進行比對，如果匹配值達到規定數值即可判斷出待檢測零件是合格品，如果匹配值達不到規定數值即可判斷出待檢測零件是不合格品。

2.根據權利要求1所述的一種基于遷移學習和知識圖譜的工業視覺檢測方法，其特征在于：所述S1中的拍攝設備為工業高清CCD相機。

3.根據權利要求1所述的一種基于遷移學習和知識圖譜的工業視覺檢測方法，其特征在于：所述S2中的對合格樣本圖像進行標注的具體步驟為，首先對每張合格樣本圖像中所需檢測的部位進行圖像截取，得到合格零部件的圖像塊，然后根據截取得到的圖像塊，獲取每個圖像塊的坐標信息并對合格樣本圖像中的圖像塊進行標注，得到標注的圖像塊。

4.根據權利要求1所述的一種基于遷移學習和知識圖譜的工業視覺檢測方法，其特征在于：所述S3的具體步驟為，首先對合格樣本圖像進行RPN卷積網絡操作處理，得到最后一層的特征圖；再根據合格樣本圖像的尺寸種類和圖像塊的尺寸種類，通過卷積核得到預測的圖像塊；然后將各預測的圖像塊中與樣本圖像中標注的圖像塊進行重疊比率計算；然后選取重疊比率大于0.9的預測圖像塊作為SVM訓練的樣本，訓練完成后，即可制得零部件的合格檢測模型。

5.根據權利要求1所述的一種基于遷移學習和知識圖譜的工業視覺檢測方法，其特征在于：所述S5中將待檢測零部件的圖像加載到合格檢測模型中，通過GPU并行處理的方式，可以得到待檢測零部件的檢測數據，從而可以讓人較為方便快捷的判斷出待檢測零部件是否為合格品。