[发明专利]一种产品缺陷检测方法、装置与系统有效

专利信息
申请号: 201911402024.9 申请日: 2019-12-30
公开(公告)号: CN111060520B 公开(公告)日: 2021-10-29
发明(设计)人: 刘杰 申请(专利权)人: 歌尔股份有限公司
主分类号: G01N21/88 分类号: G01N21/88;G01N21/01
代理公司: 北京市隆安律师事务所 11323 代理人: 权鲜枝
地址: 261031 山东省潍*** 国省代码: 山东;37
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 产品 缺陷 检测 方法 装置 系统
【说明书】:

发明公开一种产品缺陷检测方法、装置与系统。本发明实施例的方法包括:构建包括分类网络、定位检测网络和判断网络的缺陷检测框架,根据分类网络的分类结果设置定位检测网络的数量和判断网络的判断规则,每个定位检测网络关联一种分类结果,每种判断规则关联一个定位检测网络的检测结果;在进行产品缺陷检测时,将采集到的产品图像输入缺陷检测框架,利用分类网络对产品图像中的缺陷类型进行分类,根据分类结果关联的定位检测网络对产品图像的缺陷进行检测之后,再根据得到的检测结果关联的判断规则判断出产品是否存在的缺陷,并在产品存在缺陷时,检测出缺陷类型及缺陷位置。

技术领域

本发明涉及一种产品缺陷检测方法、装置与系统。

背景技术

在传统的精密制造行业,产品的缺陷检测一般通过人工检验来完成。在一般的制造工厂中,检验人力占比将近30%,由于人力需求大,经常出现人力资源紧张的局面;而且人力检验的劳动强度大,容易因作业员疲劳而造成检验质量的波动。因此,检验质量稳定、效果一致、不受人为因素影响的机器自动化检测方案必将受到精密制造行业的青睐。

发明内容

本发明的目的在于提供了一种产品缺陷检测方法、装置与系统。

一方面,本发明实施例提供了一种产品缺陷检测方法,包括:

构建缺陷检测框架,缺陷检测框架包括分类网络、定位检测网络和判断网络;并根据分类网络的分类结果设置定位检测网络的数量和判断网络的判断规则,每个定位检测网络关联一种分类结果,每种判断规则关联一个定位检测网络的检测结果;

利用包含不同缺陷类型的产品的样本图像对分类网络进行训练,得到能够将样本图像中存在的缺陷类型分类的分类网络;

在进行产品缺陷检测时,将采集到的产品图像输入缺陷检测框架,利用分类网络对产品图像中的缺陷类型进行分类,根据分类结果关联的定位检测网络对产品图像的缺陷进行检测之后,再根据得到的检测结果关联的判断规则判断出产品是否存在的缺陷,并在产品存在缺陷时,检测出缺陷类型及缺陷位置。

另一方面,本发明实施例提供了一种产品缺陷检测装置,包括:

预处理单元,用于构建缺陷检测框架,缺陷检测框架包括分类网络、定位检测网络和判断网络;并根据分类网络的分类结果设置定位检测网络的数量和判断网络的判断规则,每个定位检测网络关联一种分类结果,每种判断规则关联一个定位检测网络的检测结果;利用包含不同缺陷类型的产品的样本图像对分类网络进行训练,得到能够将样本图像中存在的缺陷类型分类的分类网络;

缺陷检测单元,用于在进行产品缺陷检测时,将采集到的产品图像输入缺陷检测框架,利用分类网络对产品图像中的缺陷类型进行分类,根据分类结果关联的定位检测网络对产品图像的缺陷进行检测之后,再根据得到的检测结果关联的判断规则判断出产品是否存在的缺陷,并在产品存在缺陷时,检测出缺陷类型及缺陷位置。

再一方面,本发明实施例提供了一种产品缺陷检测系统,包括:存储器和处理器;

存储器,存储计算机可执行指令;

处理器,计算机可执行指令在被执行时使处理器执行产品缺陷检测方法。

又一方面,本发明实施例提供了一种计算机可读存储介质,计算机可读存储介质上存储有一个或多个计算机程序,一个或多个计算机程序被执行时实现产品缺陷检测方法。

本发明至少取得以下技术效果:利用分类网络、定位检测网络和判断网络构建缺陷检测框架,在构建缺陷检测框架构建过程中,基于产品缺陷类型设置分类网络和定位检测网络,这样在产品缺陷检测过程中,可以先利用分类算法对产品图像可能存在的缺陷进行分类,并在缺陷分类的基础上,再采用定位检测算法来快速定位缺陷位置,由此通过两级检测可以准确的检测出产品是否存在缺陷,并在产品存在缺陷时,检测出缺陷类型和缺陷位置。

附图说明

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歌尔股份有限公司,未经歌尔股份有限公司许可,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/201911402024.9/2.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