[發(fā)明專利]基于深度學(xué)習(xí)檢測(cè)故障的視覺(jué)檢測(cè)系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 202210816827.4
• 申請(qǐng)日: 2022-07-12
• 公開(kāi)（公告）號(hào): CN116309239A
• 公開(kāi)（公告）日: 2023-06-23
• 發(fā)明（設(shè)計(jì)）人: 李庸柱;金孝昌;樸哲雨;朱賢哲;樸鏡石
• 申請(qǐng)（專利權(quán)）人: 埃核科技有限公司
• 主分類號(hào): G06T7/00
• 分類號(hào): G06T7/00;G06T7/70;G06V10/764;G06N3/04;G06N3/08
• 代理公司: 北京聿宏知識(shí)產(chǎn)權(quán)代理有限公司 11372
• 代理人: 吳大建;劉新宇

1.一種視覺(jué)檢測(cè)系統(tǒng)，其特征在于：

包括：

攝像頭，其用于拍攝檢測(cè)客體；

存儲(chǔ)器，其包括：提取與故障相關(guān)的語(yǔ)義(semantic)信息，檢測(cè)故障的第一人工智能模型以及提取特征信息(feature?information)，檢測(cè)故障的第二人工智能模型；以及

處理器，其與所述攝像頭及所述存儲(chǔ)器連接，

所述處理器將通過(guò)所述攝像頭獲取的圖像輸入到所述第一人工智能模型來(lái)獲取第一輸出信息，將所述圖像輸入到所述第二人工智能模型來(lái)獲取第二輸出信息，并基于所述第一輸出信息和所述第二輸出信息，檢測(cè)出包含于所述圖像的客體的故障。

2.根據(jù)權(quán)利要求1所述的視覺(jué)檢測(cè)系統(tǒng)，其特征在于：

所述第一人工智能模型是基于第一圖像和第二圖像經(jīng)過(guò)訓(xùn)練的模型，該第一圖像包含相當(dāng)于正常的客體，第二圖像包含相當(dāng)于故障的客體，

所述第二人工智能模型從所述第一圖像提取正常客體的特征信息。

3.根據(jù)權(quán)利要求1所述的視覺(jué)檢測(cè)系統(tǒng)，其特征在于：所述第一輸出信息包含第一掩膜，該第一掩膜顯示出包含于所述圖像的客體的故障區(qū)，所述第二輸出信息包含第二掩膜，該第二掩膜顯示出包含于所述圖像的客體的故障區(qū)。

4.根據(jù)權(quán)利要求3所述的視覺(jué)檢測(cè)系統(tǒng)，其特征在于：

所述第一人工智能模型可以獲取與包含于所述圖像的客體的故障相關(guān)的語(yǔ)義(semantic)信息，并依據(jù)所述被獲取的語(yǔ)義(semantic)信息，輸出所述第一掩膜，所述第二人工智能模型可以提取包含于所述圖像的客體的特征信息，基于所述被提取的特征信息辨別包含于所述圖像的客體的分類，將匹配于所述分類的正常客體的特征信息與所述被提取的特征信息進(jìn)行對(duì)比來(lái)獲取故障信息，并依據(jù)所述被獲取的故障信息，輸出所述第二掩膜。

5.根據(jù)權(quán)利要求1所述的視覺(jué)檢測(cè)系統(tǒng)，其特征在于：所述處理器針對(duì)所述第一輸出信息應(yīng)用第一加權(quán)值來(lái)獲取第一值，針對(duì)所述第二輸出信息應(yīng)用第二加權(quán)值來(lái)獲取第二值，并基于所述第一值和所述第二值，辨別出包含于所述圖像的客體的故障區(qū)。

6.根據(jù)權(quán)利要求5所述的視覺(jué)檢測(cè)系統(tǒng)，其特征在于：所述處理器基于所述圖像的拍攝環(huán)境信息，分別設(shè)定所述第一加權(quán)值和所述第二加權(quán)值。

7.根據(jù)權(quán)利要求1所述的視覺(jué)檢測(cè)系統(tǒng)，其特征在于：輸入有尺寸與所述第一人工智能模型和所述第二人工智能模型各自的輸入不匹配的圖像時(shí)，所述處理器可以將所述被輸入的圖像輸入到用于識(shí)別客體的至少一個(gè)人工智能模型而辨別客體，提取所述被輸入的圖像內(nèi)包含所述被辨別的客體的區(qū)域，將所述被提取的區(qū)域分別輸入到所述第一人工智能模型和所述第二人工智能模型。

8.一種視覺(jué)檢測(cè)系統(tǒng)，其特征在于：

包括：

存儲(chǔ)器，其包括：提取與故障相關(guān)的語(yǔ)義(semantic)信息，檢測(cè)故障的第一人工智能模型以及提取特征信息(feature?information)，檢測(cè)故障的第二人工智能模型；

處理器，其與所述存儲(chǔ)器連接，

所述處理器將包含客體的圖像輸入到所述第一人工智能模型來(lái)獲取第一輸出信息，將所述圖像輸入到所述第二人工智能模型來(lái)獲取第二輸出信息，并基于所述第一輸出信息和所述第二輸出信息檢測(cè)出包含于所述圖像的客體的故障。