[发明专利]一种面向工业场景的产品表面缺陷自动识别方法在审
| 申请号： | 202011512109.5 | 申请日： | 2020-12-19 |
| 公开（公告）号： | CN112730425A | 公开（公告）日： | 2021-04-30 |
| 发明（设计）人： | 章俊;成孝刚;朱革雷 | 申请（专利权）人： | 滁州蜂云视觉科技有限公司 |
| 主分类号： | G01N21/88 | 分类号： | G01N21/88;G06F16/51;G06F16/583;G06N3/04;G06N3/08;G06T7/00;G06T7/73 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 239000 安徽省滁州市南谯区洪武东路*** | 国省代码： | 安徽;34 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 一种 面向 工业 场景 产品 表面 缺陷 自动识别 方法 | ||
1.一种面向工业场景的产品表面缺陷自动识别方法，其特征在于：其特征在于：包括以下步骤：
步骤一、改造深度学习网络结构：基于yolov5深度学习框架，改造网络结构；
步骤二、训练算法模型：基于大量的缺陷样本图像数据和标签数据，对改造后的yolov5进行深度学习模型训练，输出产品表面缺陷检测模型；
步骤三、集成工业相机：将多条生产线上接入多路工业相机，并利用多路工业相机对产品进行拍照，采集图像数据；
步骤四、检测产品缺陷：基于步骤二中得到的产品表面缺陷检测模型，检测到产品缺陷，并精确测量缺陷的大小、位置和方位等信息，同时识别缺陷种类；
步骤五、存储和管理产品缺陷信息：对缺陷信息和缺陷图像进行存储，支撑用户后续查询；
步骤六、消息通信：识别到产品缺陷之后，需要将相关信息发送给上位机。
2.根据权利要求1所述的一种面向工业场景的产品表面缺陷自动识别方法，其特征在于：所述步骤一中yolov5网络结构包括网络深度和卷积核数量。
3.根据权利要求1所述的一种面向工业场景的产品表面缺陷自动识别方法，其特征在于：所述步骤三中多路工业相机共同接入单台机器，且单台机器采集、分析和识别多路相机视觉图像。
4.根据权利要求1所述的一种面向工业场景的产品表面缺陷自动识别方法，其特征在于：所述步骤五中缺陷信息存储在SQLite数据库，缺陷图像保存为jpg文件，并用线框框出缺陷。
5.根据权利要求1所述的一种面向工业场景的产品表面缺陷自动识别方法，其特征在于：所述步骤六中上位机上电性连接有机械臂，且上位机控制机械臂对缺陷产品进行分拣。
6.根据权利要求1所述的一种面向工业场景的产品表面缺陷自动识别方法，其特征在于：所述步骤五中缺陷信息包括产品缺陷大小、产品缺陷位置、产品缺陷方位和产品缺陷类型。
7.根据权利要求4所述的一种面向工业场景的产品表面缺陷自动识别方法，其特征在于：所述SQLite数据库和jpg文件均位于用户管理查询平台内部。
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滁州蜂云视觉科技有限公司，未经滁州蜂云视觉科技有限公司许可，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/202011512109.5/1.html，转载请声明来源钻瓜专利网。
