[发明专利]基于深度学习的涂布缺陷检测系统

说明书

本发明涉及一种基于深度学习的涂布缺陷检测系统，其包括图像采集模块，用于获取涂布生产线的各种不同类型熔喷布涂胶面图像；图像处理模块连接图像采集模块，用于对相机获取的图像进行预处理、特征提取；图像处理模块包括图像预处理模块、图像特征提取模块；图像预处理模块，用于将获取的图像均匀分割为设定尺寸的多个小图像，图像分析模块与图像处理模块连接，用来判断图像是否具有缺陷。本发明通过图像采集模块、图像处理模块和图像分析模块之间的配合可以高效实现对不同类型熔喷布涂胶面缺陷的检测，不仅检测精度高，适应性广泛，速度快。

技术领域

本发明涉及机器视觉与图像处理技术领域，特别涉及一种基于深度学习的涂布缺陷检测系统。

背景技术

涂布广泛应用于各种膜、纸、无纺布等材料的表面加工，是生产纳滤膜与反渗透膜的工艺过程中关键环节之一。在涂布工业生产中，由于各种因素所涂的熔喷布会出现刮痕、竖线、亮点和褶皱等缺陷。这些缺陷的存在导致产品的良率降低。

在国内涂布工艺的生产过程中，大型公司均采用国外进口设备监测涂布厚度的变化，存在价格昂贵的不足。其他创业型小公司大多停留在传统人工目视抽检阶段。传统人工检测的特点不需要专业设备只需要指导培训专业人员即可，但是其缺点是结果受主观因素影响较大会导致漏检和误检情况，且只能在完成涂布后，离线抽样检测缺陷，无法实时在线检测。

因此，亟需提供一种可实现高效、准确的基于深度学习的涂布缺陷检测系统。

发明内容

为解决上述问题，本发明的目的为提供一种可实现高效、准确的基于深度学习的涂布缺陷检测系统。

为实现上述目的，本发明提供如下技术方案：一种基于深度学习的涂布缺陷检测系统，包括：

图像采集模块，用于获取涂布生产线的各种不同类型熔喷布涂胶面图像；

图像处理模块连接图像采集模块，用于对相机获取的图像进行预处理、特征提取；

图像处理模块包括图像预处理模块、图像特征提取模块；

图像预处理模块，用于将获取的图像均匀分割为设定尺寸的多个小图像，

图像特征提取模块，将预处理后的样本图像输入到深度学习网络模型中，通过大数据的迭代自动完成特征向量的提取；

图像分析模块与图像处理模块连接，用来判断图像是否具有缺陷。

所述图像采集模块为采用两个高分辨率的工业CMOS相机，两个相机垂直对准膜材料的涂胶面拍摄。

所述图像采集模块还可以通过LED来补光，使每次采集到的图像的暗亮程度相仿。

所述图像预处理模块通过对小图像进行灰度值转换得到对应的灰度图像；将所述灰度图像进行逐帧差运算后得到时间相邻的两张图像的灰度差值图，将灰度差值图进行阀值化处理得到二值图。

所述深度学习网络模型是基于每一设定尺寸的小图训练样本以及对应的检测结果进行训练后得到的。

与现有技术相比，本发明的有益效果是：通过图像采集模块、图像处理模块和图像分析模块之间的配合可以高效实现对不同类型熔喷布涂胶面缺陷的检测，不仅检测精度高，适应性广泛，而且鲁棒性强，速度快。

附图说明

图1为本发明基于深度学习的涂布缺陷检测系统框图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。