[發明專利]一種六面識別檢測方法

在審

• 申請號: 202210973206.7
• 申請日: 2022-08-15
• 公開（公告）號: CN115456951A
• 公開（公告）日: 2022-12-09
• 發明（設計）人: 袁梁
• 申請（專利權）人: 四川物通科技有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06V10/764;G06V10/82;G06T19/00;G06N3/04;G06N3/08
• 代理公司: 成都蓉創智匯知識產權代理有限公司 51276
• 代理人: 王巖巖

本發明公開了一種六面識別檢測方法，所述方法包括以下步驟：S1：獲取零部件產品樣本數據，包括各種不同缺陷的產品樣本以及產品樣本六個面的圖像；S2：對產品樣本中的缺陷進行標注，對不同缺陷進行分類并貼上相應的標簽；S3：對所有產品樣本數據進行AI深度學習訓練，建立本地的圖像識別模型；S4：獲取合格零部件的實景圖像，并對實景圖像進行前期處理，所述合格零部件的實景圖像包括待測零部件的六個面；S5：對合格零部件的實景圖像的坐標數據采用神經網絡算法，在實景圖像上構建虛擬圖像，所述虛擬圖像與實景圖像混合起到增強現實的效果；S6：對待檢測零部件執行實時的圖像掃描，得到待檢測零部件的六個面的實時圖像。

技術領域

本發明涉及設備檢測技術領域，具體涉及一種六面識別檢測方法。

背景技術

在汽車板件的沖壓與汽車組裝的過程之中，檢查沖壓板件和零部件是否符合規范標準是否有外觀上的破損是智能化汽車工廠板件沖壓和零部件組裝環節中必不可少的。目前一些小型零件的檢測，由于需要對每個面進行全面檢查，在檢查時受到位置、光照以及方向等影響，傳統的視覺方式容易產生誤判，如何減少誤判成為待解決的問題，因此針對以上問題提供一種六面識別檢測方法。

發明內容

本發明的目的在于提供一種六面識別檢測方法，該方法基于視覺識別算法與增強現實投射技術，可有效識別物體，并輔助操作人員確認識別結果減少誤判。

為解決上述技術問題，本發明采用了以下方案：

一種六面識別檢測方法，所述方法包括以下步驟：

S1：獲取零部件產品樣本數據，包括各種不同缺陷的產品樣本以及產品樣本六個面的圖像；

S2：對產品樣本中的缺陷進行標注，對不同缺陷進行分類并貼上相應的標簽；

S3：對所有產品樣本數據進行AI深度學習訓練，建立本地的圖像識別模型，訓練完成后能夠識別預先定義的不同缺陷的故障圖像；

S4：獲取合格零部件的實景圖像，并對實景圖像進行前期處理，所述合格零部件的實景圖像包括待測零部件的六個面；

S5：對合格零部件的實景圖像的坐標數據采用神經網絡算法，在實景圖像上構建虛擬圖像，所述虛擬圖像與實景圖像混合起到增強現實的效果；

S6：對待檢測零部件執行實時的圖像掃描，得到待檢測零部件的六個面的實時圖像；

S7：基于本地的圖像識別模型針對掃描到的實時圖像進行圖像識別，判斷待檢測零部件是否存在缺陷，若存在缺陷，自動識別故障類型并輸出相應的標簽，以及輸出虛擬圖像并在掃描到的實時圖像上增強顯示。

進一步地，所述不同缺陷包括但不限于顏色、破損以及尺寸。

進一步地，還包括以下步驟：

S21：收集客戶缺陷種類和檢測需求，規劃好分類方式；

S22：手動標注區域，區域按像素級別分割，分割區域合并后為檢測的整個產品；

S23：形狀復雜的區域可采用自動提取制作標簽方式繪制；

S24：標注完成后保存到對應分類標簽中。

進一步地，還包括以下步驟：

S31：對不同缺陷的故障圖像執行增強處理；

S32：獲取六個面的圖像的面積、長度、寬度、像素比率、像素紋理分布以及灰度，并且將以上特征聚合為一個集合，作為特征集矢量；

S33：根據特征集矢量對各個特征進行訓練，確定模型參數；

S34：根據模型參數建立相應的缺陷圖像模型；