[发明专利]一种陶瓷产品检测方法、装置和设备

权利要求书

1.一种陶瓷产品检测方法，其特征在于，包括：

获取待训练陶瓷产品图像集；

对所述待训练陶瓷产品图像集的待训练陶瓷产品图像进行色差计算，得到色差计算结果；

当所述色差计算结果大于或等于第一阈值时，所述待训练陶瓷产品图像对应的陶瓷产品的检测结果为不合格，当所述色差计算结果小于所述第一阈值时，所述待训练陶瓷产品图像对应的陶瓷产品的检测结果为合格；

对所述待训练陶瓷产品图像进行二值化处理；

对所述二值化处理后的所述待训练陶瓷产品图像进行特征提取，得到特征向量，具体的，对所述二值化处理后的所述待训练陶瓷产品图像采用模糊自适应的Hough变换进行倾斜角提取和自适应的Canny边缘化检测，得到特征向量；或，对所述二值化处理后的所述待训练陶瓷产品图像采用SURF算法进行特征提取，得到特征向量；

将所述特征向量输入到训练好的分类器中，输出检测结果，所述检测结果包括合格或不合格，所述分类器为SVM分类器或KNN分类器；

将所述检测结果为合格和不合格的所述待训练陶瓷产品图像进行分类保存；

将所述分类保存的合格和不合格的所述待训练陶瓷产品图像输入到卷积神经网络中，对所述卷积神经网络进行训练；

计算所述陶瓷产品图像的检测准确率，当所述检测准确率高于第二阈值时，训练完成，得到训练好的卷积神经网络模型；

将待检测陶瓷产品图像输入到所述训练好的卷积神经网络模型中，输出检测结果。

2.根据权利要求1所述的陶瓷产品检测方法，其特征在于，所述获取待训练陶瓷产品图像，之前还包括：

搭建光源一致的检测台，通过所述检测台采集多个视角的陶瓷产品图像集，所述陶瓷产品图像集包括待训练陶瓷产品图像集和/或待检测陶瓷产品图像集。

3.根据权利要求1所述的陶瓷产品检测方法，其特征在于，所述将所述检测结果为合格和不合格的陶瓷产品图像进行分类保存，之前还包括：

建立所述待训练陶瓷产品图像中的陶瓷产品的三维模型；

将所述陶瓷产品的三维模型与标准三维模型进行尺寸比对，将尺寸比对结果进行量化，得到所述陶瓷产品的形变结果；

当所述形变结果大于或等于第三阈值时，所述检测结果为不合格，当所述形变结果小于所述第三阈值时，所述检测结果为合格。

4.一种陶瓷产品检测装置，其特征在于，包括：

图像获取模块，用于获取待训练陶瓷产品图像集；

色差计算模块，用于对所述待训练陶瓷产品图像集的待训练陶瓷产品图像进行色差计算，得到色差计算结果；

色差检测模块，用于当所述色差计算结果大于或等于第一阈值时，所述待训练陶瓷产品图像对应的陶瓷产品的检测结果为不合格，当所述色差计算结果小于所述第一阈值时，所述待训练陶瓷产品图像对应的陶瓷产品的检测结果为合格；

二值化处理模块，用于对所述待训练陶瓷产品图像进行二值化处理；

特征提取模块，用于对所述二值化处理后的所述待训练陶瓷产品图像进行特征提取，得到特征向量；

所述特征提取模块，具体用于对所述二值化处理后的所述待训练陶瓷产品图像采用模糊自适应的Hough变换进行倾斜角提取和自适应的Canny边缘化检测，得到特征向量；或，对所述二值化处理后的所述待训练陶瓷产品图像采用SURF算法进行特征提取，得到特征向量；

第二检测模块，用于将所述特征向量输入到训练好的分类器中，输出检测结果，所述检测结果包括合格或不合格，所述分类器为SVM分类器或KNN分类器；

分类保存模块，用于将所述检测结果为合格和不合格的所述待训练陶瓷产品图像进行分类保存；

训练模块，用于将所述分类保存的合格和不合格的所述待训练陶瓷产品图像输入到卷积神经网络中，对所述卷积神经网络进行训练；

计算模块，用于计算所述陶瓷产品图像的检测准确率，当所述检测准确率高于第二阈值时，训练完成，得到训练好的卷积神经网络模型；

第一检测模块，用于将待检测陶瓷产品图像输入到所述训练好的卷积神经网络模型中，输出检测结果。