[发明专利]一种基于树莓派的深度学习产品缺陷检测系统及方法

权利要求书

1.一种基于树莓派的深度学习产品缺陷检测系统，其特征在于，包括：

采集模块，用于采集待检测产品图像；

树莓派，与采集模块通信连接，接收并对采集到的待检测产品图像进行预处理，根据预处理后的待检测产品图像，识别缺陷产品并获取缺陷产品图像信息；

显示模块，与树莓派通信连接，接收缺陷产品图像信息，并根据缺陷产品图像信息显示缺陷产品图像以及缺陷产品图像轮廓。

2.如权利要求1所述的一种基于树莓派的深度学习产品缺陷检测系统，其特征在于，所述采集模块为摄像头。

3.如权利要求2所述的一种基于树莓派的深度学习产品缺陷检测系统，其特征在于，所述摄像头与所述树莓派通过串口通信连接。

4.如权利要求3所述的一种基于树莓派的深度学习产品缺陷检测系统，其特征在于，所述显示模块为人机交互界面。

5.一种基于树莓派的深度学习产品缺陷检测方法，应用于如权利要求1至4中任何一项所述的基于树莓派的深度学习产品缺陷检测系统，其特征在于，包括如下步骤：

步骤1，采集待检测产品图像；

步骤2，对采集到的待检测产品图像进行预处理，根据预处理后的待检测产品图像，识别缺陷产品并获取缺陷产品的图像信息；

步骤3，根据缺陷产品的图像信息显示缺陷产品图像以及缺陷产品图像轮廓。

6.如权利要求5所述的一种基于树莓派的深度学习产品缺陷检测方法，其特征在于，在步骤2中，根据预处理后的待检测产品图像，识别缺陷产品并获取缺陷产品的图像信息的具体方法包括：

步骤2a，利用样本数据对深度卷积神经网络进行训练；

步骤2b，利用训练好的深度卷积神经网络对预处理后的待检测产品图像进行特征提取；

步骤2c，根据待检测产品图像的特征，识别缺陷产品并获取缺陷产品的图像信息。

7.如权利要求6所述的一种基于树莓派的深度学习产品缺陷检测方法，其特征在于，在步骤2中，对采集到的待检测产品图像进行预处理的具体方法包括：

步骤2d，对采集到的待检测产品图像进行灰度转换处理；

步骤2e，对灰度转换处理后的待检测产品图像进行图像增强处理；

步骤2f，对图像增强处理后的待检测产品图像进行归一化处理；

步骤2g，将归一化处理后的待检测产品图像转换成深度卷积神经网络所需要的像素大小。

8.如权利要求7所述的一种基于树莓派的深度学习产品缺陷检测方法，其特征在于，在步骤2c中，缺陷产品的图像信息包括缺陷产品的图像轮廓信息，缺陷产品的图像轮廓信息通过对缺陷产品的图像进行边缘提取获得。

9.如权利要求8所述的一种基于树莓派的深度学习产品缺陷检测方法，其特征在于，对缺陷产品的图像进行边缘提取的具体方法包括：

步骤2h，通过高斯滤波对缺陷产品的图像进行平滑处理；

步骤2i，利用Sobel算子计算平滑处理后的缺陷产品的图像的梯度幅值；

步骤2j，对缺陷产品的图像的梯度幅值进行非极大值抑制处理；

步骤2k，对非极大值抑制处理后的缺陷产品的图像进行滞后阈值处理，以对缺陷产品的图像进行边缘连接，并对缺陷产品的图像进行边缘提取。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，当所述计算机程序被执行时实现如权利要求5至9中任何一项所述的基于树莓派的深度学习产品缺陷检测方法。