[发明专利]产品缺陷检测方法及系统在审
| 申请号： | 201810765439.1 | 申请日： | 2018-07-12 |
| 公开（公告）号： | CN109064454A | 公开（公告）日： | 2018-12-21 |
| 发明（设计）人： | 段艺霖 | 申请（专利权）人： | 上海蝶鱼智能科技有限公司 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G06T7/10;G06T7/90 |
| 代理公司： | 北京知呱呱知识产权代理有限公司 11577 | 代理人： | 武媛;吕学文 |
| 地址： | 200000 上海市金山区金山*** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 产品缺陷 待检测产品 检测 预处理 训练样本库 缺陷检测 采集 图像 卷积神经网络 图像数据输入 生产线产品 报警操作 产品图像 复杂环境 检测结果 缺陷分类 数据训练 图像类别 外界因素 准确检测 泛用性 准确率 减小 标注 预测 | ||
1.一种产品缺陷检测方法，其特征在于，包括：
步骤S1：采集待检测产品的图像；
步骤S2：对所述采集的待检测产品的图像进行预处理；
步骤S3：将所述预处理得到的图像数据输入采用训练样本库中的数据训练好的卷积神经网络模型中，实现特征的提取，其中，所述训练样本库包括多个已标注缺陷分类的产品图像；
步骤S4：根据所述提取的特征进行图像类别预测，实现所述待检测产品的缺陷检测。
2.根据权利要求1所述的产品缺陷检测方法，其特征在于，所述步骤S2包括：
步骤S21：对所述采集的待检测产品的图像进行图像矩阵化处理，将所述采集的待检测产品的图像分割为多个子图像。
3.根据权利要求2所述的产品缺陷检测方法，其特征在于，所述步骤S2还包括：
步骤S22：对所述子图像进行颜色通道处理。
4.根据权利要求1所述的产品缺陷检测方法，其特征在于，所述训练好的卷积神经网络模型采用以下方式得到：
对所述训练样本库中的每一个图像进行预处理；
构建卷积神经网络模型；
对于所述训练样本库中的每一个图像，将其预处理得到的图像数据输入所述构建的卷积神经网络模型中进行特征的提取，并根据对其提取的特征以及其标注的缺陷分类信息进行特征记忆；
根据所述记忆的特征对所述构建的卷积神经网络模型进行固化。
5.根据权利要求1所述的产品缺陷检测方法，其特征在于，在所述步骤S4之后还包括：
步骤S5：根据所述缺陷检测的结果执行报警操作。
6.一种产品缺陷检测系统，其特征在于，包括图像采集装置及分析处理装置；
所述图像采集装置用于采集待检测产品的图像；
所述分析处理装置包括预处理模块、特征提取模块、分类模块；
所述预处理模块用于对所述采集的待检测产品的图像进行预处理；
所述特征提取模块用于将所述预处理得到的图像数据输入采用训练样本库中的数据训练好的卷积神经网络模型中，实现特征的提取，其中，所述训练样本库包括多个已标注缺陷分类的产品图像；
所述分类模块用于根据所述提取的特征进行图像类别预测，实现所述待检测产品的缺陷检测。
7.根据权利要求6所述的产品缺陷检测系统，其特征在于，所述预处理模块包括：
矩阵化处理单元，用于对所述采集的待检测产品的图像进行图像矩阵化处理，将所述采集的待检测产品的图像分割为多个子图像。
8.根据权利要求7所述的产品缺陷检测系统，其特征在于，所述预处理模块还包括：
颜色通道处理单元，用于对所述子图像进行颜色通道处理。
9.根据权利要求6所述的产品缺陷检测系统，其特征在于，所述分析处理装置还包括：
报警模块，用于根据所述缺陷检测的结果执行报警操作。
10.根据权利要求6所述的产品缺陷检测系统，其特征在于，所述产品缺陷检测系统还包括光源以及数字信号连接卡件。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于上海蝶鱼智能科技有限公司，未经上海蝶鱼智能科技有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201810765439.1/1.html，转载请声明来源钻瓜专利网。
