[发明专利]视觉检测系统的神经网络、及包含它的检测系统和方法

权利要求书

1.一种用于陶瓷基板的视觉检测系统的神经网络，其特征在于，包括：

(1)输入层:向所述输入层输入的图片大小为224*224，对输入的图像使用卷积核为3，步长为2的卷积层缩小特征矩阵的尺寸，然后使用批标准化和激励函数RELU6提取特征矩阵D1；

(2)多次使用下采样层提取图像的特征，并缩小特征矩阵的尺寸，分别得到特征矩阵D2，D3，D4和D5；

(3)利用上采样层处理步骤(2)得到的特征矩阵D2得到S1_1，然后将S1_1与D1进行相加实现跨层连接；

(4)使用与步骤(3)相同的方法分别获得S1_2、S1_3、S2_1、S2_2和C3；

(5)对步骤(2)得到的特征矩阵D4使用软注意力计算层计算得到特征矩阵A1，然后A1与D5经过上采样层后得到的特征矩阵相乘实现特征的权重赋值，并得到特征矩阵U4；

(6)对步骤(4)得到特征矩阵S2_2使用软注意力计算层计算得到特征矩阵A2，然后A2与D3经过上采样层后得到的特征矩阵相乘实现特征的权重赋值，并得到特征矩阵U2；

(7)对U2经过上采样层后得到的特征矩阵与S1_3相加实现跨层连接，并生成特征矩阵U1；

(8)对U1使用二次线性内插法缩放特征矩阵的尺寸与输入矩阵尺寸一致，并使用卷积核为1的卷积层生成最终的特征矩阵，

所述下采样层是通过首先使用卷积核为3，步长为2的卷积层缩小特征矩阵的尺寸，然后使用批标准化和激励函数RELU6提取特征map，然后使用卷积核为3，步长为1的卷积层进一步提取特征，

所述上采样层是通过首先使用二次线性内插法扩大两倍特征矩阵的尺寸，然后使用卷积核为1的卷积层提取特征map，最后使用批标准化和激励函数RELU6来减小梯度弥散，提升训练速度；

所述软注意力计算层是通过首先使用卷积核为3的卷积层提取特征矩阵然后使用sigmoid函数计算特征权重。

2.一种基于神经网络的陶瓷基板的视觉检测系统，其特征在于，包括检测部和服务器，所述服务器包括权利要求1所述的神经网络，所述服务器用于对检测部得到的图像进行处理，并将预处理后的图像输入神经网络进行缺陷检测。

3.根据权利要求2所述的基于神经网络的陶瓷基板的视觉检测系统，其特征在于，还包括上料部和出料部，所述检测部设置在上料部和出料部中间，所述检测部包括依次设置的第一检测区、第二检测区和第三检测区，所述第一检测区包括第一检测相机和第一龙门架，在所述第一龙门架上设置有第一轨道，还包括与所述第一轨道相滑接的第一滑块，还包括与所述第一滑块连接的第一吸盘，所述第一吸盘用于吸附待检测的陶瓷基板，所述第一检测相机朝上设置，且所述第一吸盘能经过所述第一检测相机的上方。

4.根据权利要求3所述的陶瓷基板的视觉检测系统，其特征在于，还包括用于带动所述第一滑块移动的第一驱动部，所述第一驱动部包括第一驱动电机和与所述第一驱动电机同轴连接的第一丝杆，所述第一丝杆与所述第一滑块螺接并从所述第一滑块的中部穿过，在所述第一滑块上设置有与所述第一轨道相卡合的卡接头。

5.根据权利要求4所述的陶瓷基板的视觉检测系统，其特征在于，所述第二检测区包括第二龙门架，在所述第二龙门架上设置有第二轨道，还包括与所述第二轨道相滑接的第二滑块，在所述第二滑块上设置有可旋转的第二吸盘，在所述第二轨道的两侧相对的设置有一对第二检测相机。

6.根据权利要求5所述的陶瓷基板的视觉检测系统，其特征在于，还包括与所述第二滑块连接的旋转气缸，所述旋转气缸的旋转头穿过所述第二滑块并与第二吸盘连接。

7.根据权利要求6所述的陶瓷基板的视觉检测系统，其特征在于，所述第三检测区包括设置于第二龙门架上端的第三检测相机，所述第二滑块能经过所述第三检测相机的下方。

8.根据权利要求7所述的陶瓷基板的视觉检测系统，其特征在于，所述上料部包括至少一个上料盘和上料机械手，所述上料机械手位于第一龙门架和第二龙门架中间，所述出料部包括靠近第三检测区的下料机械手、良品回收盘和不良品回收盘。