[发明专利]基于边缘计算的机器视觉缺陷检测方法和平台

说明书

本公开提供一种基于边缘计算的机器视觉缺陷检测方法、边缘计算缺陷检测平台和机器视觉平台，在所述方法中，边缘计算缺陷检测平台接收机器视觉平台发送的设备图像，基于所述设备图像建立设备模型，然后机器视觉平台利用所述设备模型对生产线上设备进行缺陷检测并得到漏检机率，接着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来不断完善迭代修复设备模型，直至得到成熟度满足预设要求的设备模型并发布到云应用平台，利用其进行缺陷检测对待检测产品的适应性较好，在综合考虑漏检机率等指标的情况下对大部分产品自身有形变的缺陷检测效果良好，而且准确率高，还能够显著缩短检测时间并保证运行稳定可靠，效率远高于人工。

技术领域

本公开涉及缺陷检测技术领域，具体涉及一种基于边缘计算 的机器视觉缺陷检测方法、一种边缘计算缺陷检测平台，以及一 种机器视觉平台。

背景技术

目前，工业设备缺陷检测大部分凭借工程师目测或多年工作 经验进行缺陷检测，在检测过程中由于工程师能力有限，目测或 凭经验检测无法达到很高的精确度，导致工程师在检测设备缺陷 时难度大，无法全面对设备缺陷进行缺陷检测，容易导致设备检 测不全面引起的生产损失和财产浪费。

鉴于人工检测设备缺陷，已经不能够适应市场需求，取而代 之的是机器视觉检测方式。机器视觉能够更好地检测在工业生辰 流程中出现且不易被人工发现的缺陷，提高工业生产的效率和生 产的自动化程度。

然而，现有的机器视觉系统适应性较差，包括对不同型号产 品的差异特性(组件、缺陷类别和状态等方面的差异)的适应性较差、 对设备运行外界环境适应性差、设备调试和可操作性较差，在综 合考虑漏检机率等指标的情况下对大部分产品自身有形变的缺陷检测效果不理想，准确率较低。

发明内容

为了至少部分解决现有技术中存在的技术问题而完成了本公 开。

根据本公开的一个方面，提供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，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。

根据本公开的另一方面，提供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，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。