[发明专利]基于边缘计算的机器视觉缺陷检测方法和平台

权利要求书

1.一种基于边缘计算的机器视觉缺陷检测方法，应用于边缘计算缺陷检测平台，其特征在于，所述方法包括：

通过网络接收机器视觉平台发送的设备图像数据；

基于所述设备图像数据建立设备模型并发送至所述机器视觉平台，以使其利用设备模型对生产线上的设备进行缺陷检测，得到漏检机率并发送至所述边缘计算缺陷检测平台；

通过漏检机率评估设备模型成熟度；

若评估结果为设备模型成熟度不满足预设要求，则基于上传的设备缺陷样本数据更新设备模型，然后将更新后的设备模型发送至所述机器视觉平台，以使其利用更新后的设备模型再次对生产线上的设备进行缺陷检测，直至更新后的设备模型成熟度满足预设要求；

若评估结果为设备模型成熟度满足预设要求，则将成熟度满足预设要求的设备模型发布到云应用平台。

2.根据权利要求1所述的方法，其特征在于，所述基于所述设备图像数据建立设备模型，包括：

对设备图像进行缺陷定位，以得到设备缺陷图像；

将设备缺陷图像分割成若干互不重叠的小区域；

对已分割成若干互不重叠小区域的设备缺陷图像进行边缘检测和边缘化处理；

根据经过边缘检测和边缘化处理的设备缺陷图像数据生成初级模型；

对初级模型进行AI训练，以建立所述设备模型，并将其发送至所述机器视觉平台。

3.根据权利要求2所述的方法，其特征在于，在对设备图像进行缺陷定位之前，还包括：

将原始的设备图像转换成建立设备模型所需要的图像格式，并将不符合预设条件的图像进行相应调整或剔除。

4.根据权利要求2所述的方法，其特征在于，所述对设备图像进行缺陷定位，包括：

将设备图像划分成若干互不重叠的子区域；

依次判断各个子区域的图像是否存在缺陷，若存在缺陷，则将该存在缺陷的子区域图像定位出来，所有存在缺陷的子区域图像形成所述设备缺陷图像。

5.根据权利要求2所述的方法，其特征在于，在对已分割成若干互不重叠小区域的设备缺陷图像进行边缘检测和边缘化处理之前，还包括：

采用高斯混合模型对已分割成若干互不重叠小区域的设备缺陷图像进行增强处理，然后再对增强后的图像进行边缘检测和边缘化处理。

6.一种基于边缘计算的机器视觉缺陷检测方法，应用于机器视觉平台，其特征在于，所述方法包括：

采集设备图像数据，并通过网络发送至边缘计算缺陷检测平台，以使其基于所述设备图像数据建立设备模型并发送至所述机器视觉平台；

利用设备模型对生产线上的设备进行缺陷检测，得到漏检机率并发送至所述边缘计算缺陷检测平台，以使其通过漏检机率评估设备模型成熟度，若评估结果为设备模型成熟度不满足预设要求，则基于上传的设备缺陷样本数据更新设备模型，然后将更新后的设备模型发送至所述机器视觉平台；

利用更新后的设备模型再次对生产线上的设备进行缺陷检测，得到漏检机率并发送至所述边缘计算缺陷检测平台，以使其通过漏检机率评估更新后的设备模型成熟度，直至更新后的设备模型成熟度满足预设要求；

利用成熟度满足预设要求的设备模型对生产线上的设备进行缺陷检测。

7.一种边缘计算缺陷检测平台，其特征在于，包括：

图像接收模块，其用于通过网络接收机器视觉平台发送的设备图像数据；

模型建立模块，其用于基于所述设备图像数据建立设备模型并发送至所述机器视觉平台，以使其利用设备模型对生产线上的设备进行缺陷检测，得到漏检机率并发送至所述边缘计算缺陷检测平台；

模型评估模块，其用于通过漏检机率评估设备模型成熟度；

所述模型建立模块还用于，在所述模型评估模块的评估结果为设备模型成熟度不满足预设要求时，基于上传的设备缺陷样本数据更新设备模型，然后将更新后的设备模型发送至所述机器视觉平台，以使其利用更新后的设备模型再次对生产线上的设备进行缺陷检测，直至更新后的设备模型成熟度满足预设要求；

模型发布模块，其用于在所述模型评估模块的评估结果为设备模型成熟度满足预设要求时，将成熟度满足预设要求的设备模型发布到云应用平台。