[发明专利]AI辅助检测方法、装置、电子设备及计算机可读存储介质在审

专利信息
申请号: 202011539568.2 申请日: 2020-12-23
公开(公告)号: CN112611757A 公开(公告)日: 2021-04-06
发明(设计)人: 陈海波;李宗剑 申请(专利权)人: 深兰人工智能芯片研究院(江苏)有限公司
主分类号: G01N21/88 分类号: G01N21/88;G01N21/01;G06N3/08
代理公司: 苏州领跃知识产权代理有限公司 32370 代理人: 王宁
地址: 213000 江苏省常州市武进*** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: ai 辅助 检测 方法 装置 电子设备 计算机 可读 存储 介质
【权利要求书】:

1.一种AI辅助检测方法,其特征在于,所述方法包括:

获取待检测对象的2D检测信息;

根据所述2D检测信息,使用缺陷检测模型得到缺陷的位置信息;

根据所述缺陷的位置信息控制3D轮廓仪对所述待检测对象进行区域性扫描,以使所述3D轮廓仪得到所述缺陷的轮廓信息。

2.根据权利要求1所述的AI辅助检测方法,其特征在于,所述方法还包括:

检测所述待检测对象是否就位;

若就位,则控制2D检测装置检测所述待检测对象,以使所述2D检测装置得到所述待检测对象的2D检测信息。

3.根据权利要求2所述的AI辅助检测方法,其特征在于,所述方法还包括:

若未就位,则等待预定时间后再次检测所述待检测对象是否就位,并在检测到所述待检测对象就位后,控制所述2D检测装置检测所述待检测对象。

4.根据权利要求1所述的AI辅助检测方法,其特征在于,获取所述缺陷检测模型的方法包括:

获取样本对象的2D检测信息以及所述样本对象的缺陷的标注数据;

根据所述样本对象的2D检测信息以及所述样本对象的缺陷的标注数据,使用深度学习模型进行训练,得到所述缺陷检测模型。

5.根据权利要求1所述的AI辅助检测方法,其特征在于,所述根据所述2D检测信息,使用缺陷检测模型得到缺陷的位置信息,包括:

根据所述2D检测信息,使用所述缺陷检测模型检测所述待检测对象是否存在缺陷;

如果存在缺陷,则得到所述缺陷的位置信息。

6.根据权利要求5所述的AI辅助检测方法,其特征在于,所述方法还包括:

如果不存在缺陷,则控制2D检测装置检测下一个所述待检测对象。

7.根据权利要求1所述的AI辅助检测方法,其特征在于,所述方法还包括:

根据所述2D检测信息,获取所述待检测对象的2D尺寸信息;

所述根据所述缺陷的位置信息控制3D轮廓仪对所述待检测对象进行区域性扫描,包括:

根据所述缺陷的位置信息和所述2D尺寸信息,控制所述3D轮廓仪对所述待检测对象进行区域性扫描。

8.根据权利要求1所述的AI辅助检测方法,其特征在于,所述根据所述缺陷的位置信息控制3D轮廓仪对所述待检测对象进行区域性扫描,包括:

根据所述缺陷的位置信息获取扫描区域信息;

根据所述扫描区域信息控制所述3D轮廓仪对所述待检测对象进行区域性扫描。

9.一种AI辅助检测装置,其特征在于,所述装置包括:

信息获取模块,用于获取待检测对象的2D检测信息;

缺陷获取模块,用于根据所述2D检测信息,使用缺陷检测模型得到缺陷的位置信息;

扫描控制模块,用于根据所述缺陷的位置信息控制3D轮廓仪对所述待检测对象进行区域性扫描,以使所述3D轮廓仪得到所述缺陷的轮廓信息。

10.根据权利要求9所述的AI辅助检测装置,其特征在于,所述装置还包括就位检测模块,所述就位检测模块用于检测所述待检测对象是否就位,若就位,则控制2D检测装置检测所述待检测对象,以使所述2D检测装置得到所述待检测对象的2D检测信息。

11.根据权利要求10所述的AI辅助检测装置,其特征在于,所述就位检测模块还用于若未就位,则等待预定时间后再次检测所述待检测对象是否就位,并在检测到所述待检测对象就位后,控制所述2D检测装置检测所述待检测对象。

12.根据权利要求9所述的AI辅助检测装置,其特征在于,所述信息获取模块还用于根据所述2D检测信息,获取所述待检测对象的2D尺寸信息;

所述扫描控制模块还用于根据所述缺陷的位置信息和所述2D尺寸信息,控制所述3D轮廓仪对所述待检测对象进行区域性扫描。

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深兰人工智能芯片研究院(江苏)有限公司,未经深兰人工智能芯片研究院(江苏)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/202011539568.2/1.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