[发明专利]一种基于云边协同模型优化的产品外观检测方法及其实现系统

权利要求书

1.一种基于云边协同模型优化的产品外观检测方法，其特征在于，包括步骤如下：

S1、收集已知是否合格的产品外观的图片，对产品外观的图片进行标注后，建立基础数据集；

S2、使用基础数据集分别训练YOLOv3-tiny模型和YOLOv3模型，将训练好的YOLOv3-tiny模型部署在边缘服务器端，训练好的YOLOv3模型部署在云平台；

S3、在边缘服务器端处，使用训练好的YOLOv3-tiny模型对需要检测的产品外观的图片进行检测识别；

当检测置信度大于等于设定置信度时，判定为合格，并将产品外机的图片和检测结果均发送至云平台，然后进行步骤S5；

当检测置信度小于设定置信度时，判定为疑似不合格，并将产品外机的图片单独发送至云平台，然后进行步骤S4；

S4、在云平台，使用训练好的YOLOv3模型对疑似不合格的产品外机的图片进行二次检测识别；

当二次检测的置信度小于设定置信度时，检测结果为不合格，输出检测结果，结束检测；

当二次检测的置信度大于等于设定置信度时，检测结果为合格时，则进行步骤S5；

S5、将合格的产品外机的图片保存在云平台，输出检测结果，结束检测；并将该产品外机的图片标注后，更新基础数据集。

2.根据权利要求1所述的一种基于云边协同模型优化的产品外观检测方法，其特征在于，还包括步骤S6：使用步骤S5更新得到的基础数据集，周期性的对YOLOv3-tiny模型和YOLOv3模型进行进行更新训练，并把更新后的YOLOv3-tiny模型部署到边缘设备上，更新后的YOLOv3模型部署在云端。

3.根据权利要求1所述的一种基于云边协同模型优化的产品外观检测方法，其特征在于，步骤S3中，通过使用工业摄像头对产品流水线上的产品外机实时定位检测抓拍。

4.根据权利要求1所述的一种基于云边协同模型优化的产品外观检测方法，其特征在于，步骤S1中，使用labelimg图像标注工具对产品外机的图片进行标注，画框标注出待检测部分，

labelimg图像标注工具输出的文件经过Python编程处理后，生成用于YOLOv3或YOLOv3-tiny训练的文件，从而完成初始有效数据集的构建。

5.根据权利要求1所述的一种基于云边协同模型优化的产品外观检测方法，其特征在于，步骤S2中，YOLOv3模型包括52层卷积层，所述52层卷积层包括1个连接输入的卷积层、5个用于降采样的卷积层和23个残差块，每个残差块包括两个卷积层，且两个卷积层之间设置有shortcut进行跨层连接；

YOLOv3模型输出52×52、26×26、13×13三个输出尺寸，三个输出尺寸分别从三个残差块引出；输出结果包括目标识别框、目标名称标签和检测置信度。

6.根据权利要求1所述的一种基于云边协同模型优化的产品外观检测方法，其特征在于，步骤S2中，YOLOv3-tiny模型包括10个卷积层和8个maxpool最大池化层，输出尺寸为13×13×255；同时，YOLOv3-tiny模型的第5层卷积层和第8层卷积层分别输出26×26×256、13×13×256的中间值，13×13×256通过一层卷积层、升采样层与26×26×256张量拼接、再经过两层卷积层输出最终结果，最终输出尺寸为26×26×255。

7.根据权利要求1所述的一种基于云边协同模型优化的产品外观检测方法，其特征在于，边缘服务器与云平台之间采用socket网络套接字进行通信，边缘服务器作为客户端，云平台作为服务器端，进行双向通信。

8.根据权利要求1所述的一种基于云边协同模型优化的产品外观检测方法，其特征在于，步骤S3中，产品外观的图片在边缘服务器端处压缩后，再从边缘服务器端向云平台上传。