[发明专利]混合型深度学习视觉检测方法、装置、设备及存储介质

说明书

本发明公开了一种混合型深度学习视觉检测方法、装置、设备及存储介质，涉及人工智能领域。所述方法包括：通过预设的训练数据集训练预设的卷积神经网络模型；将训练后的卷积神经网络模型的输出层删除得到目标卷积神经网络模型；将训练数据集的样本图片输入到目标卷积神经网络模型中，提取图片的图像特征值；将图像特征值输入到预设的聚类分类器中得到多个类别；确定类别与标签的映射关系；通过判断待测样本图片的图像特征值与所述合格类别的类心的距离是否小于预设的距离阈值从而判定所述待测样本图片的标签为合格品。通过实施该方法可有效应对不在训练数据集中出现的新的次品问题，提高质检的准确率和鲁棒性。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种混合型深度学习视觉检测方法、装置、设备及存储介质。

背景技术

焊接又称熔接、镕接，是一种以加热或加压方式接合金属或其他热塑性塑料的工艺及技术。焊接的实现方式主要有下面三种方式：

1.加热欲接合之工件使之局部熔化形成熔池，熔池冷却凝固后便接合，必要时可加入熔填物辅助，单独加热熔点较低的焊料，无需熔化工件本身，借焊料的毛细作用连接工件(如软钎焊、硬焊)。

2.在相当于或低于工件熔点的温度下辅以高压、叠合挤塑或振动等使两工件间相互渗透接合(如锻焊、固态焊接)。

3.依具体的焊接工艺，焊接可细分为气焊、电阻焊、电弧焊、感应焊接及激光焊接等其他特殊焊接。

焊接的能量来源有很多种，包括气体焰、电弧、激光、电子束、摩擦和超声波等。除了在工厂中使用外，焊接还可以在多种环境下进行，如野外、水下和太空。

随着人口老龄化现象的加剧和人力成本的逐渐增高，工业生产特别是制造业焊接领域的用工难问题日益严重，中国的焊工人数缺口高达数百万之多。

此外，焊接给操作者的健康带来危险，焊接给人体可能造成的伤害包括烧伤、触电、视力损害、吸入有毒气体、紫外线照射过度等。

为了提高生产安全和生产效率，工厂正在逐步使用焊接机器人替代工人焊接，来提高效率降低成本。目前利用焊接机器人对产品进行焊接的领域逐年增多，比如手机精密零部件焊接、汽车车身焊接等。

然而，焊接机器人往往缺少智能的感知系统，在稳定运行工作前需要机器人操作员进行调试，其中包括一整套机器人控制，工艺，焊接参数相关的设置工作。而且机器人在实际操作中往往缺少灵活性，比如遇到各种工差情况仍然会按照旧路径模式运行，极容易造成废件和不良品，降低生产效率并提高了生产成本。因此焊接机器人的智能化是一个迫在眉睫的需求。

焊接机器人的智能化主要分为4个主要部分：

一、指定焊接场景下的初始参数的设置：一套量化的工艺包，输入场景信息(焊接母材材料，厚度，焊接类型)，输出焊接参数(电流，电压，速度，保护气等)供操作员设置使焊接机器人开始有效运行，满足焊接质量标准。

二、焊接待作业工件焊接点/线的定位，识别定位工件或目标物的同时，有效指引机器臂，解决实际生产中精细化作业的需求。

三、焊接过程中的实时监控，通过对熔池状态进行检测，实时调整焊接速度和路径，从而保证焊接质量。

四、焊接后的质量检测，及时区分良品与不良品，将不良品进行返工，同时追踪问题来源，不断提高良品率。

上述二至四部分都需要大量结合计算视觉相关的技术好算法。

人工智能的研究始于上世纪50年代,但是一直受到软硬件两方面的技术局限。近年来，受益于大规模并行计算、GPU等加速单元的应用、大数据、深度学习算法的发展，计算成本大幅度降低，使得人工智能技术获得了突飞猛进的发展。