[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

说明书

本发明公开了一种用于工业生产线的智能视觉检测方法、系统及装置，包括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。本发明通过把RPN网络和SVM分类器相结合，即使对于纹理特征较少的工业生产线零部件和表面光滑包装袋也可以通过卷积神经网络训练出能表示物体特征的零部件检测模型，而且零部件检测模型对于光照、目标遮挡和形变均具有很好的适应性，有效提高检测的准确率，满足工业生产中实时检测的要求，可广泛应用于工业生产线上。

技术领域

本发明涉及视觉检测技术领域，尤其涉及一种用于工业生产线的智能视觉检测方法、系统及装置。

背景技术

在现代化的工业大生产中，许多新兴的行业对检测方面提出了更高的要求。例如，工业生产线上零配件检测，产品包装印刷的检测，图像实时监控，半导体芯片封装检测，印刷电路板定位等。在这些应用中，采用传统的人工检测的方法已经难以满足生产生活的需要，制约了生产力水平的发展和提高。这一方面是由于人类的本性，长时间工作容易产生疲劳，无法保证很高的检测正确率。另一方面，由于人眼的生理极限，很难在速度、精度等方面得到提高。因此，现代工业生产迫切需要一种新的智能视觉检测技术出现，来替代人类视觉。与此同时，随着计算机技术、机电控制技术、智能检测技术与数字图像处理技术不断发展和完善，人们开始将人类视觉的智能化抽象能力与处理器的高速度、高精度、高可靠性相结合，提高工业生产线上的生产效率。

现有工业生产线上的检测系统一般都是基于形状匹配和模板匹配的方法；该方法分为离线阶段和在线阶段。

离线阶段主要对图像进行预处理，也就是用户从参考图像选取含目标物体的ROI生成其模板，使用Canny滤波器处理模板和搜索图像，并计算出边缘上点的方向向量，构建模板和搜索图像的图像金字塔，并用均值滤波器平滑滤波。

在线阶段就是进行相似性度量匹配和通过最小二乘调整返回位姿参数。使用图像金字塔分层搜索策略。

上述现有技术的缺点在于，基于区域特征的一些匹配算法实质是利用了局部窗口之间灰度信息的相关程度，它在地势平坦而纹理丰富的地方可以达到较高的精度，并能获得致密的视差场，且具有很强的噪声抑制能力。但该匹配算法针对工业检测中纹理特征较少的零部件和产品包装袋束手无策，由于在匹配之前，首先要对模板进行特征点的提取和预处理，而对于局部比较光滑的零部件和一些包装袋就很难提取到有效的特征点，并且在匹配过程中选取一定大小窗口内的灰度分布特性作为匹配基元，这就决定了该算法对景物表面结构以及光照反射较为敏感，当光照发生变化时，匹配窗口大小难以选择。

一般工业生产线上基于区域特征匹配方法的检测，大都选择特殊的标记模板组合在需要检测的零部件上，而在所需检测的零部件上增加标记模板不仅增添了生产线上的检测工序，还花费了一定的成本，当标记模板由于人为原因被覆盖或遮挡后，很难保证检测的准确率，并且在工业生产线上检测的环境比较恶略，当所需检测的零部件由于光照，挤压等影响也会造成很大的误检率。

而且基于特征匹配方法的检测耗时较长，由于给定的匹配模板的大小是固定的，在检测的过程中，需要遍历整个搜索图，找出和模板图相关系数最大的图像块即为最佳匹配点，当搜索图越大，用时越长，不能满足工业生产线上的实时检测要求。

发明内容

为了解决上述技术问题，本发明的目的是提供一种能提供检测准确率的用于工业生产线的智能视觉检测方法、系统及装置。

本发明所采取的技术方案是：

一种用于工业生产线的智能视觉检测方法，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；