[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

说明书

本申请提供了一种AI辅助检测方法、装置、电子设备及计算机可读存储介质，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。上述方法将复杂场景下待检测对象的缺陷初定位问题交给AI技术处理，利用AI技术中对大数据强化学习的优势解决目前传统图像算法无法解决的问题，即使用2D深度学习识别定位，加上3D机器视觉定量分析，大大降低检测过程的复杂程度，同时显著提高检测的效率和准确度。

技术领域

本申请涉及工业检测和人工智能的技术领域，尤其涉及AI辅助检测方法及装置、电子设备及计算机可读存储介质。

背景技术

随着工业自动化技术的发展，一些重复性、程序化的工作越来越多地利用机器代替人进行操作，这样一方面降低了人的工作强度，另一方面，提高了工作效率。

当前故障检测技术迅速发展，已经有智能终端面板视觉故障检测系统被运用在生产生活中。现有技术提供了一种故障检测系统，该系统包括高帧率相机、电脑和图像检测系统模块，其中图像检测系统模块又包含WIFI设备、图像采集模块、图像数字处理模块、缺陷故障识别模块、APP模块等，通过图像采集模块、图像数字处理模块、缺陷故障识别模块进行图像采集和分析、识别，最后图像检测系统模块输出视觉检测报告。但是通过这种方法获得的检测报告，并不能数字化定义被检测对象的缺陷的位置及其具体形状特征，因而具有一定的局限性。而且操作步骤繁多，时间成本过高。

发明内容

本申请的目的在于提供一种AI辅助检测方法、装置、电子设备及计算机可读存储介质，使用AI技术解决复杂场景下待检测对象的缺陷初定位问题，优化检测流程，调高检测效率和准确度。

本申请的目的采用以下技术方案实现：

第一方面，本申请提供了一种AI辅助检测方法，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。该技术方案的有益效果在于，将复杂场景下待检测对象的缺陷初定位问题交给AI技术处理，利用AI技术中对大数据强化学习的优势解决目前传统图像算法无法解决的问题，即使用2D深度学习识别定位，加上3D机器视觉定量分析，大大降低检测过程的复杂程度，同时显著提高检测的效率和准确度。

在一些可选的实施例中，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。该技术方案的有益效果在于，当待检测对象就位后再进行检测，避免了由于出现故障，操作台上没有被检测对象，而2D检测装置还在执行检测指令，导致消耗能量而没有实际效率。

在一些可选的实施例中，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。该技术方案的有益效果在于，当待检测对象未就位时不进行检测，避免检测资源的浪费。

在一些可选的实施例中，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。该技术方案的有益效果在于，对所述样本对象的缺陷进行数据标注，并使用深度学习模型进行训练，得到数字化的缺陷检测模型，比一般方法中仅用图像识别法得到的结果，更加精确。

在一些可选的实施例中，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。该技术方案的有益效果在于，将没有缺陷的待检测对象提前排除掉，避免了无缺陷对象参与3D检测而做无用功。