[发明专利]一种基于机器视觉和深度学习的铜板表面缺陷检测及自动化分类方法在审

专利信息
申请号: 202110317188.2 申请日: 2021-03-25
公开(公告)号: CN113070240A 公开(公告)日: 2021-07-06
发明(设计)人: 倪受东;王正超 申请(专利权)人: 南京工业大学
主分类号: B07C5/34 分类号: B07C5/34;B07C5/36;G01N21/88
代理公司: 北京卓岚智财知识产权代理事务所(特殊普通合伙) 11624 代理人: 蒋真
地址: 210000 *** 国省代码: 江苏;32
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 基于 机器 视觉 深度 学习 铜板 表面 缺陷 检测 自动化 分类 方法
【权利要求书】:

1.一种基于机器视觉和深度学习的铜板表面缺陷检测及自动化分类方法,其特征在于,包括:

S1:铜板通过传送装置,传送到传感器固定位置;

S2:传感器控制传送装置停止运动,并触发工业相机进行图像采集;

S3:对采集图像进行预处理;

S4:将预处理后的缺陷图像输入预先训练好的缺陷检测模型中;

S5:缺陷检测模型判断铜板表面是否有缺陷;

S6:PC机驱动机械臂对有缺陷的铜板进行抓取到相应的次品槽中。

2.根据权利要求1所述的基于机器视觉和深度学习的铜板表面缺陷检测及自动化分类方法,其特征在于,所述传感器为光电传感器,通过铜件阻挡光信号来判断铜件是否到达固定位置。

3.根据权利要求1所述的基于机器视觉和深度学习的铜板表面缺陷检测及自动化分类方法,其特征在于,所述图像预处理具体步骤为:

S3.1:将图像进行灰度处理;

S3.2:对灰度图进行中值滤波处理,去除图像内部噪声;

S3.3:将中值滤波处理后的图像进行Canny边缘检测,提取图像边缘;

S3.4:将边缘检测图进行区域生长法分割处理,消除孔洞和小区域噪声干扰;

S3.5:将区域生长法分割图进行Otsu分割,得到二值化图像。

4.根据权利要求1所述的基于机器视觉和深度学习的铜板表面缺陷检测及自动化分类方法,其特征在于,所述缺陷图像包括气泡缺陷、划痕缺陷、擦伤缺陷、起皮缺陷;所述预先训练好的缺陷检测模型主要步骤为:将大量的四种人工标记的缺陷铜块图片输入到基于SE模块的ResNet神经网络检测模型中训练,得到缺陷检测模型。

5.根据权利要求1所述的基于机器视觉和深度学习的铜板表面缺陷检测及自动化分类方法,其特征在于,所述步骤S5中,将采集后的预处理图像传送到目标检测模型中,判断铜板是否有缺陷;若有缺陷,识别出为何种缺陷。

6.根据权利要求1所述的基于机器视觉和深度学习的铜板表面缺陷检测及自动化分类方法,其特征在于,所述步骤S6中,若检测模型识别出铜件为某种缺陷,则PC机驱动机械臂抓取铜板到相应的次品槽中。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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南京工业大学,未经南京工业大学许可,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/202110317188.2/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top