[发明专利]一种基于机器视觉和深度学习的外观缺陷检测方法在审
申请号: | 202011026650.5 | 申请日: | 2020-09-25 |
公开(公告)号: | CN112311852A | 公开(公告)日: | 2021-02-02 |
发明(设计)人: | 汪海;吴际;王羽中 | 申请(专利权)人: | 安徽润谷科技有限公司 |
主分类号: | H04L29/08 | 分类号: | H04L29/08;H04N5/225;H04N7/18;H04W4/38;H04W84/18;G01D21/02 |
代理公司: | 杭州君度专利代理事务所(特殊普通合伙) 33240 | 代理人: | 马聪 |
地址: | 246001 安徽省安庆*** | 国省代码: | 安徽;34 |
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 外观 缺陷 检测 方法 | ||
本发明涉及一种基于机器视觉和深度学习的外观缺陷检测方法,包括与局域网相连接的网络硬盘录像机、视频管理服务器、网络存储器、停车系统、门禁管理集成服务器、报警系统工作站以及若干个编解码器和现场控制器,所述编解码器输入端分别连接有球形摄像机和监视器墙,所述网络硬盘录像机输入端连接有若干个监控器,所述报警系统工作站包括与家庭安防显示器相连接的便携式遥控器,所述家庭安防显示器输入端分别连接有烟雾监测器、无线门磁控制装置、与燃气阀相连接的浓度传感器以及无线红外器。有益效果:本发明安全性能高、能够及时有效的对小区调动警力和消防设备,保证家庭生活的正常休息,数据传输实现一体化,停车以及生活管理便利。
技术领域
本发明涉及外观缺陷监测系统技术领域,具体涉及一种基于机器视觉和深度学习的外观缺陷检测方法。
背景技术
现有的外观缺陷监测系统主要对外界影像以及各施工单元进行有效的摄影以及联系作业,但是现有的监控系统功能性较为单一,对于施工的安全性不能够进行全面有效的监控,并将数据清晰实时的给以警示以及传输至监控中心内,同时对于建筑施工较大的地方来说,数据得不到有效的集中处理,同时不能形成一个独立的区域网络,一旦某些设备或者系统出现状况时,不会影响到其它监控系统的正常作业,这些都是先有的监控系统所不能够完成的。
发明内容
本发明目的是提供一种控制性能强、能够将区域信息进行集成得到一个完成的处理系统和保证建筑作业安全稳定进行的基于机器视觉和深度学习的外观缺陷检测方法,是通过如下方案实现的。
为了实现以上目的,本发明采用的技术方案为:一种基于机器视觉和深度学习的外观缺陷检测方法,包括位于围墙四周内的户内信息接入点,所述户内信息接入点输入端设有与其相适配的户外信息接入点,所述户外信息接入点和户内信息接入点之间通过无线传输方式并将数据传递到计算机中心处,所述户内信息接入点和户外信息接入点之间设有与计算机中心相连接的吊塔监控端,其中,信息接入端上均安装有IP摄像头和监控系统,所述IP摄像头通过无线网络桥接的方式连接有交换机,所述交换机输出一端通过网络连接的方式连接有显示器,所述交换机输出另一端通过通过光纤连接有广域网,所述广域网输出端通过无线视频管理平台数据连接有总部监控中心;
所述监控系统包括与数据采集器相连接的扬尘传感器、噪声传感器、温度传感器、湿度传感器、风速传感器、风向传感器、气压传感器和浓度传感器,所述数据采集器输出端分别连接有语音播放器、报警器和数据传输系统,所述数据传输系统输出端通过云平台分别连接有手机、电脑和监控中心。
进一步的,还包括与交换机相连接的现场录像机,所述现场录像机内分别设有存储器、反馈单元和截屏器,所述反馈单元输出端设有与现场录像机相连接的影像调节器,其中,影像调节器用于调节外部影像的分辨率以及适应性的改变光照度。
进一步的,所述吊塔监控端上安装有调节摄像球,所述调节摄像球输入端设有与其相适配的语音呼叫器,所述调节摄像球和语音呼叫器输出端均通过信号放大器连接有计算机中心。
进一步的,所述数据采集器输入端还包括与扬尘传感器、噪声传感器、温度传感器、湿度传感器、风速传感器、风向传感器、气压传感器和浓度传感器相连接的对比单元,其中,对比单元用于将与以前的信息之间进行数据核对并加以处理分析。
进一步的,所述云平台输出一端固定连接有交管平台。
与现有技术相比,本发明的技术效果在于:
1、采用户内信息接入点和户外信息接入点以及吊塔监控端,可以有效保证信息的全面获取,不仅是对建筑施工地点的信息获取,也能够对围墙外部的影像进行实时的监控,而吊塔监控端是对吊塔在高空作业时进行影像的传导,防止物料与人员之间的碰撞,也能够保证物料在施工场地的及时对接。
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安徽润谷科技有限公司,未经安徽润谷科技有限公司许可,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/202011026650.5/2.html,转载请声明来源钻瓜专利网。