[发明专利]一种基于人工智能的片式多层陶瓷电容六面外观检测方法

权利要求书

1.一种基于人工智能的片式多层陶瓷电容六面外观检测方法，其特征在于：其检测步骤如下：

S1，收集不良样本：收集各种不同缺陷的产品样本，对样本六个面进行拍摄图片，并且把图片加载到系统资源中；

S2，标注缺陷：用标注软件对缺陷样本图片进行区域标注，先对图像上不同特征区域进行分类，然后贴上相应的标签；

S3，进行AI学习：对所有样本数据进行AI学习，通过分析各个标注区域的特征，不断自主学习达到和手动绘制标签一样的分割效果，学习过程中当前学习效果以数据模型的形式记录下来，使得系统具备自主识别缺陷能力；在S3进行AI学习时，其具体学习过程如下：

1)对缺陷样本图像执行增强处理；

2)获取各个独立区域图像的面积、长度、宽度、像素比率、像素纹理分布以及灰度，并且将以上特征聚合为一个集合，作为特征集矢量；

3)根据特征集矢量对各个特征进行训练，确定模型参数；

4)根据模型参数建立相应的缺陷图像模型；

5)把建立的图像模型存储在系统数据库中；

S4，产品检测：检测设备通过高清相机获取产品六面图片，并上传到高速AI图像处理系统中，系统通过学习好的数据模型自动将新采集到的图像进行区域分割，然后对分割出来的缺陷或其他区域进行特征判定以判定产品是否符合产品外观要求，最后把判断数据录入系统中；在S4产品检测时，其具体检测过程如下：

1)拍摄产品六面照片；

2)每个面的图像调用对应的高速AI模型进行区域分类，通过对独立区域二次动态提取出有效检测区域；

3)再将有效检测区域一次封装打包，交由GPU的CUDA核心进行实时高速AI并行运算；

4)系统根据AI并行运算提取得到的像素级分割对象特征与数据库中的规格进行对比，识别判断产品是否具有缺陷；如有超出给定规格的区域，该产品将被判定为不良，如所有区域特征符合规格标准，该产品被判定为良品；

S5，分拣出料：若产品判断为正常产品，则把产品分到正常区域；若产品判断为缺陷产品，则把产品分到缺陷产品区域。

2.根据权利要求1所述的一种基于人工智能的片式多层陶瓷电容六面外观检测方法，其特征在于：在S1收集不良样本时，需要对缺陷样本进行分类，把具有同样缺陷的不同样本设置在同一标注列表中，并且在标注列表内采用不同序号区分缺陷类别。

3.根据权利要求1所述的一种基于人工智能的片式多层陶瓷电容六面外观检测方法，其特征在于：在S2标注缺陷时，其标注方法如下：

1)收集客户缺陷种类和检测需求，规划好分类方式；

2)手动标注区域，区域按像素级别分割，分割区域合并后为检测的整个产品；

3)形状复杂的区域可采用自动提取制作标签方式绘制；

4)标注完成后保存到对应分类标签中。

4.根据权利要求1所述的一种基于人工智能的片式多层陶瓷电容六面外观检测方法，其特征在于：系统数据库中包括多个子数据库，不同缺陷样本的图像模型存储在不同的子数据库中以进行分类。

5.根据权利要求1所述的一种基于人工智能的片式多层陶瓷电容六面外观检测方法，其特征在于：在S3进行AI学习时，需要对相同缺陷的样本进行叠加学习，并且进行学习反馈训练，直到反馈训练检测准确率达到99％以上，在学习过程中，还可以同时追加其他缺陷样本进行AI学习。

6.根据权利要求5所述的一种基于人工智能的片式多层陶瓷电容六面外观检测方法，其特征在于：在学习过程中，包括拍摄原图、标注图像和学习图像的对比，在每一次学习后，得到的学习图像与标准图像更加相似，重复学习后，直到学习图像与标注图像相似度达到99％以上即可停止学习，得到一个高速AI模型。

7.根据权利要求6所述的一种基于人工智能的片式多层陶瓷电容六面外观检测方法，其特征在于：反馈训练中，使用AI学习后的系统检测缺陷样本和同样缺陷的其他样本图片对比，直到检测结果准确率达到99％以上。

8.根据权利要求1所述的一种基于人工智能的片式多层陶瓷电容六面外观检测方法，其特征在于：在S4产品检测时，系统还会进行产品计数，若系统判断产品为正常产品，则系统在对应正常产品的计数器增加1，若系统判断产品为缺陷产品时，根据产品的缺陷类型，在对应缺陷产品的计数器增加1。