[发明专利]一种用于工业生产线的智能视觉检测方法、系统及装置

权利要求书

1.一种用于工业生产线的智能视觉检测方法，其特征在于，包括以下步骤：

对各种类生产线上的零部件进行样本图像采集，并对样本图像进行标注；

根据样本图像，通过RPN网络和SVM分类器处理，得到零部件检测模型；

根据得到的零部件检测模型，对待检测零部件进行检测，得到待检测零部件的检测数据。

2.根据权利要求1所述的一种用于工业生产线的智能视觉检测方法，其特征在于：所述的对样本图像进行标注，这一步骤具体包括：

对每张样本图像中所需检测的零部件进行图像截取，得到零部件的图像块；

根据截取得到的图像块，获取每个图像块的坐标信息并对样本图像中的图像块进行标注，得到标注的图像块。

3.根据权利要求2所述的一种用于工业生产线的智能视觉检测方法，其特征在于：所述的根据样本图像，通过RPN网络和SVM分类器处理，得到零部件检测模型，这一步骤包括：

对样本图像进行RPN卷积网络操作处理，得到最后一层的特征图；

将预设的卷积核与得到的特征图进行卷积，得到特征向量；

根据样本图像的尺寸种类和图像块的长宽比种类，通过卷积核得到预测的图像块；

将RPN卷积网络的最后卷基层接入分类层和回归层进行概率预测，得到每个预测的图像块的预测概率；

将各预测的图像块中与样本图像中标注的图像块进行重叠比率计算，选择重叠比率大于0.8的预测的图像块作为SVM训练的正样本，选择重叠比率小于0.3的预测的图像块作为训练的负样本，并将重叠比率介于0.3和0.8之间的预测的图像块舍去，得到训练样本集；

根据图像块的预测概率，从正样本的中选取预测概率最高的n个图像块作为SVM分类器的输入进行不同种类零部件的分类训练，训练时通过RPN网络获得训练样本集中的图像块，得到待检测零部件的粗选区域，然后将粗选区域送入到SVM分类器进行判别，通过特征向量判断待检测零部件的粗选区域是否为最佳区域，若是，则表示准确定位到位置，各种类零部件训练完成后得到零部件检测模型，其中n为预设值。

4.根据权利要求1所述的一种用于工业生产线的智能视觉检测方法，其特征在于：所述的根据得到的零部件检测模型，对待检测零部件进行检测，得到待检测零部件的检测数据，这一步骤包括：

对待检测零部件进行图像采集，得到待检测零部件图像；

将待检测零部件图像加载到零部件检测模型中，并通过GPU并行处理方式加速网络的传播，得到待检测零部件的得分和位置数据，即得到待检测零部件的检测数据。

5.一种用于工业生产线的智能视觉检测系统，其特征在于，包括：

图像采集单元，用于对各种类生产线上的零部件进行样本图像采集，并对样本图像进行标注；

建模训练单元，用于根据样本图像，通过RPN网络和SVM分类器处理，得到零部件检测模型；

目标检测单元，用于根据得到的零部件检测模型，对待检测零部件进行检测，得到待检测零部件的检测数据。

6.根据权利要求5所述的一种用于工业生产线的智能视觉检测系统，其特征在于：所述图像采集单元具体包括：

截取单元，用于对每张样本图像中所需检测的零部件进行图像截取，得到零部件的图像块；

标注单元，用于根据截取得到的图像块，获取每个图像块的坐标信息并对样本图像中的图像块进行标注，得到标注的图像块。