[發(fā)明專利]一種用于電源適配器外觀缺陷的實(shí)時(shí)高精度檢測方法

在審

• 申請?zhí)枺?/td>: 202110485735.8
• 申請日: 2021-04-30
• 公開（公告）號: CN113205136A
• 公開（公告）日: 2021-08-03
• 發(fā)明（設(shè)計(jì)）人: 陳垣毅
• 申請（專利權(quán)）人: 浙大城市學(xué)院
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06T3/60;G06T7/00;G06T7/11
• 代理公司: 杭州九洲專利事務(wù)所有限公司 33101
• 代理人: 張羽振

本發(fā)明涉及一種用于電源適配器外觀缺陷的實(shí)時(shí)高精度檢測方法，包括步驟：將多個(gè)高分辨率的相機(jī)固定在流水線的左右和正上方，對電源適配器的外觀圖像進(jìn)行采集；對缺陷圖片中的缺陷部位進(jìn)行提取，把矩形標(biāo)注框部分從原圖中截取出來，然后通過圖像旋轉(zhuǎn)的方式，增強(qiáng)缺陷圖片的數(shù)量和類型；使用擴(kuò)充增強(qiáng)后的缺陷數(shù)據(jù)集進(jìn)行多階段跨尺度的卷積神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練。本發(fā)明的有益效果是：本發(fā)明可以減少計(jì)算量，提高檢測的速度，通過多尺度特征融合和規(guī)則過濾提升了檢測的精度，為工業(yè)流水線中的手機(jī)電源適配器表面缺陷實(shí)時(shí)的檢測提供了切實(shí)可用的技術(shù)方案，有效提高缺陷目標(biāo)的檢測范圍。

技術(shù)領(lǐng)域

本發(fā)明屬于工業(yè)產(chǎn)品的缺陷檢測領(lǐng)域，尤其涉及一種利用計(jì)算機(jī)視覺技術(shù)的電源適配器外觀缺陷檢測。

背景技術(shù)

近年來，隨著智能終端設(shè)備的快速更新迭代和發(fā)展，在工業(yè)流水線中設(shè)備的電源適配器生產(chǎn)規(guī)模也隨之?dāng)U大，但是在生產(chǎn)過程中會因?yàn)椴划?dāng)操作導(dǎo)致電源適配器的表面出現(xiàn)臟污劃痕等缺陷。生產(chǎn)流水線中自動(dòng)化電源適配器觀缺陷檢測越來越成為研究的熱點(diǎn)問題，尤其是針對不規(guī)則的細(xì)小的缺陷檢測，可以保證產(chǎn)品的品質(zhì)。

隨著機(jī)器視覺技術(shù)的飛速發(fā)展，徹底的改變的人們的生產(chǎn)和生活環(huán)境。機(jī)器視覺檢測技術(shù)綜合了機(jī)器視覺和自動(dòng)化技術(shù)，廣泛應(yīng)用于日常生活中，例如人臉識別等。在這幾年中，許多優(yōu)秀的卷積神經(jīng)網(wǎng)絡(luò)模型陸續(xù)出現(xiàn)。深度學(xué)習(xí)在特征提取和檢測分類上取得了非常好的效果，越來越多的研究人員和工程師開始將深度學(xué)習(xí)算法應(yīng)用于工業(yè)檢測領(lǐng)域，希望可以替代人工檢測，減小人力成本，提高生產(chǎn)效率。

但是現(xiàn)有的深度學(xué)習(xí)方法具有很大的局限性，很難應(yīng)用于智能終端設(shè)備的電源適配器外觀檢測中：首先，深度學(xué)習(xí)方法是數(shù)據(jù)驅(qū)動(dòng)型，需要大量的有標(biāo)注的缺陷樣本，但是在工業(yè)生產(chǎn)流水線中很難采集到大量的有缺陷的樣本；其次，訓(xùn)練的樣本的特征需要涵蓋應(yīng)用時(shí)用于檢測的目標(biāo)樣本，但是因?yàn)槿毕菥哂谐叽绮町惔笸瑫r(shí)外形特征具有隨機(jī)性；最后，由于工業(yè)中的缺陷檢測非常注重實(shí)時(shí)性、無漏檢，而大部分的深度學(xué)習(xí)都會出現(xiàn)不同程度的漏檢。所以在工業(yè)流水線中，深度學(xué)習(xí)往往是沒有辦法替代人工和滿足實(shí)際應(yīng)用中的需要的。

發(fā)明內(nèi)容

本發(fā)明的目的是克服現(xiàn)有技術(shù)中的不足，提供一種用于電源適配器外觀缺陷的實(shí)時(shí)高精度檢測方法。

這種用于電源適配器外觀缺陷的實(shí)時(shí)高精度檢測方法，包括以下步驟：

步驟1、將多個(gè)高分辨率的相機(jī)固定在流水線的左右和正上方，對電源適配器的外觀圖像進(jìn)行采集；在第一輪采集后，機(jī)械臂進(jìn)行交接和翻轉(zhuǎn)，對剩下的三個(gè)面表面圖像進(jìn)行采集；所述交接指一個(gè)機(jī)械臂把充電器穿過另一個(gè)機(jī)械臂；獲得電源適配器六個(gè)面的高清圖像；從高清圖像中獲取少量電源適配器外觀缺陷圖片，對缺陷圖片中的缺陷區(qū)域進(jìn)行人工標(biāo)注，得到的標(biāo)注為最小外接矩形：

[name_id，category，X_min，Y_min，w，h]

上式中，name_id表示缺陷在缺陷圖片中是第幾個(gè)缺陷，category表示該缺陷的種類，(X_min，Y_min)表示矩形標(biāo)注框的左上角橫坐標(biāo)，w表示矩形標(biāo)注框的寬，h表示矩形標(biāo)注框的高；人工提供正確的標(biāo)注才能保證卷積神經(jīng)網(wǎng)絡(luò)模型能進(jìn)行學(xué)習(xí)；

步驟2、對缺陷圖片中的缺陷部位進(jìn)行提取，把矩形標(biāo)注框部分從原圖中截取出來，然后通過圖像旋轉(zhuǎn)的方式，增強(qiáng)缺陷圖片的數(shù)量和類型：

X′＝(X₀-X_center)cosθ-(Y₀-Y_center)sinθ+X_center