[發(fā)明專利]一種基于遷移學(xué)習(xí)和知識圖譜的工業(yè)視覺檢測方法

在審

• 申請?zhí)枺?/td>: 202011166655.8
• 申請日: 2020-10-27
• 公開（公告）號: CN112258485A
• 公開（公告）日: 2021-01-22
• 發(fā)明（設(shè)計(jì)）人: 張淮;楊磊
• 申請（專利權(quán)）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(yùn)知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 34180
• 代理人: 劉騏鳴

本發(fā)明屬于視覺檢測技術(shù)領(lǐng)域，尤其為一種基于遷移學(xué)習(xí)和知識圖譜的工業(yè)視覺檢測方法，包括以下步驟：S1：使用拍攝設(shè)備拍攝各種合格零件的各個(gè)方位的圖像，作為合格樣本；S2：將采集到的合格樣本圖像導(dǎo)入計(jì)算機(jī)，并對合格樣本圖像進(jìn)行標(biāo)注；S3：根據(jù)合格樣本圖像，通過RPN網(wǎng)絡(luò)和SVM分類器進(jìn)行處理，使其生成零部件的合格檢測模型。本發(fā)明首先通過采集各種合格零部件的各個(gè)方位的圖像，作為合格樣本，從而可以制作成合格零部件的檢測模型樣品，然后采集待檢測零部件的各個(gè)方位的圖像進(jìn)行比對，即可判斷出待檢測零部件是否為合格品，所以這種檢測方式較為方便快捷，效率更高，且檢測的準(zhǔn)確率也較高。

技術(shù)領(lǐng)域

本發(fā)明涉及視覺檢測技術(shù)領(lǐng)域，具體為一種基于遷移學(xué)習(xí)和知識圖譜的工業(yè)視覺檢測方法。

背景技術(shù)

隨著工業(yè)的進(jìn)一步發(fā)展，大量的生產(chǎn)環(huán)節(jié)已經(jīng)被智能化的自動化系統(tǒng)所替代。但是，生產(chǎn)工藝的檢測環(huán)節(jié)仍然是一個(gè)難點(diǎn)，大量的生產(chǎn)過程中的檢測環(huán)節(jié)是通過主觀的人工觀察的方式進(jìn)行判斷產(chǎn)品是否存在缺陷。而且，在定制家具或者是瓷磚行業(yè)整個(gè)生產(chǎn)環(huán)節(jié)中由于產(chǎn)品品種繁多，迭代速度較快，在很多生產(chǎn)線上每個(gè)品種的種類數(shù)量數(shù)千、數(shù)萬件，而上線生產(chǎn)周期較短，目前一般都是通過工作人員進(jìn)行肉眼檢測，一方面，工作人員也有疏忽的時(shí)候，所以檢測的準(zhǔn)確率不能一直保證在較高的水平，另一方面通過人力檢測，效率確實(shí)較低，所以會產(chǎn)生較大的損失，因此我們提出了一種基于遷移學(xué)習(xí)和知識圖譜的工業(yè)視覺檢測方法來解決上述問題

發(fā)明內(nèi)容

(一)解決的技術(shù)問題

針對現(xiàn)有技術(shù)的不足，本發(fā)明提供了一種基于遷移學(xué)習(xí)和知識圖譜的工業(yè)視覺檢測方法，解決了上述背景技術(shù)中所提出的問題。

(二)技術(shù)方案

2.為實(shí)現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：一種基于遷移學(xué)習(xí)和知識圖譜的工業(yè)視覺檢測方法，包括以下步驟：

S1：使用拍攝設(shè)備拍攝各種合格零件的各個(gè)方位的圖像，作為合格樣本；

S2：將采集到的合格樣本圖像導(dǎo)入計(jì)算機(jī)，并對合格樣本圖像進(jìn)行標(biāo)注；

S3：根據(jù)合格樣本圖像，通過RPN網(wǎng)絡(luò)和SVM分類器進(jìn)行處理，使其生成零部件的合格檢測模型；

S4：使用拍攝設(shè)備拍攝待檢測零件的各個(gè)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(dǎo)入計(jì)算機(jī)，并與合格檢測模型進(jìn)行比對，如果匹配值達(dá)到規(guī)定數(shù)值即可判斷出待檢測零件是合格品，如果匹配值達(dá)不到規(guī)定數(shù)值即可判斷出待檢測零件是不合格品。

作為本發(fā)明的一種優(yōu)選技術(shù)方案，所述S1中的拍攝設(shè)備為工業(yè)高清CCD相機(jī)。

作為本發(fā)明的一種優(yōu)選技術(shù)方案，所述S2中的對合格樣本圖像進(jìn)行標(biāo)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(jìn)行圖像截取，得到合格零部件的圖像塊，然后根據(jù)截取得到的圖像塊，獲取每個(gè)圖像塊的坐標(biāo)信息并對合格樣本圖像中的圖像塊進(jìn)行標(biāo)注，得到標(biāo)注的圖像塊。

作為本發(fā)明的一種優(yōu)選技術(shù)方案，所述S3的具體步驟為，首先對合格樣本圖像進(jìn)行RPN卷積網(wǎng)絡(luò)操作處理，得到最后一層的特征圖；再根據(jù)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(yù)測的圖像塊；然后將各預(yù)測的圖像塊中與樣本圖像中標(biāo)注的圖像塊進(jìn)行重疊比率計(jì)算；然后選取重疊比率大于0.9的預(yù)測圖像塊作為SVM訓(xùn)練的樣本，訓(xùn)練完成后，即可制得零部件的合格檢測模型。

作為本發(fā)明的一種優(yōu)選技術(shù)方案，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(shù)據(jù)，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。

(三)有益效果

與現(xiàn)有技術(shù)相比，本發(fā)明提供了一種基于遷移學(xué)習(xí)和知識圖譜的工業(yè)視覺檢測方法，具備以下有益效果：