[发明专利]基于人工智能拉拔线表面缺陷检测系统及方法

说明书

本发明公开了基于人工智能拉拔线表面缺陷检测系统及方法，涉及人工智能技术领域；采用六面柱光学检测平台与深度学习识别算法实现产品缺陷检测，实现拉拔线产品缺陷自动检测，替代传统的人工检测，减少传统检测方式的不确定因素影响，提高产品质量；包括六面柱光学检测平台、图像处理模块、控制器、实时预警模块以及预警管理模块；所述实时预警模块用于对分析结果进行预警分析，确定对应的拉拔线设备是否存在生产不合格产品的趋势；以及时调整拉拔线设备的生产参数，避免不合格产品的产生；所述预警管理模块用于接收预警指令后根据检配值合理分配对应的管理人员进行检修，提高检修效率；同时有利于提高产品的生产合格率。

技术领域

本发明涉及人工智能技术领域，具体涉及基于人工智能拉拔线表面缺陷检测系统及方法。

背景技术

视觉测量技术是集视觉、光学、电子、计算机和自动控制等现代技术为一体的综合性技术，具有非接触、速度快、自动化程度高、柔性好等突出优点。机器视觉就是用机器代替人眼，检测和判断产品是否符合生产要求的技术。机器视觉技术涉及诸多领域的学科，包括人工智能、神经生物学、心理物理学、计算机科学、图像处理、模式识别等。机器视觉主要用图像采集设备来模拟人的视觉功能，获取客观图像，从图像中提取数据，进行处理并加以理解，最终用于实际定位、检测、测量、识别、引导和控制，从而可降低人工操作量，提高产品检测的精度和高度。

拉拔线设备在生产过程中受产品原材料、温度、生产工艺等因素影响，生产出的产品存在气泡、鼓包、毛刺、异物等缺陷。目前拉拔线产品检测仍然依靠传统的人工检查，但是传统的人工检测受人工影响很大；检测标准无法统一、无法做到精准检测与实时检测。基于计算机视觉的检测技术以其非接触、响应速度快等优点成为拉拔线表面缺陷检测技术的热点，为此，我们提出一种基于人工智能拉拔线表面缺陷检测系统及方法。

发明内容

针对现有技术存在的不足，本发明目的是提供基于人工智能拉拔线表面缺陷检测系统及方法。本发明采用六面柱光学检测平台与深度学习识别算法实现产品缺陷检测，实现拉拔线产品缺陷自动检测，替代传统的人工检测，减少传统检测方式的不确定因素影响，提高产品质量；本发明通过图形化展示图像处理模块在预设时间内检测的多个拉拔线产品的分析结果的变化趋势；根据多个拉拔线产品的分析结果的变化趋势确定对应拉拔线设备是否存在生产不合格产品的趋势；以及时调整拉拔线设备的生产参数并根据检配值合理分配对应的管理人员进行检修，避免不合格产品的产生，提高检修效率；同时有利于提高产品的生产合格率。

本发明的目的可以通过以下技术方案实现：

基于人工智能拉拔线表面缺陷检测系统，包括六面柱光学检测平台、图像处理模块、控制器、数据库、存储模块、实时预警模块以及预警管理模块；

所述六面柱光学检测平台包括旋转编码器触发模块、六面柱图像采集模块以及平行无影光照明模块；所述旋转编码器触发模块用于感应拉拔线产品的运动，当拉拔线产品运动时，旋转编码器随之转动，旋转编码器触发模块输出相机触发采集信号并将相机触发采集信号传输至六面柱图像采集模块；所述六面柱图像采集模块用于接收相机触发采集信号后采集拉拔线产品的图像信息，并将图像信息传输至图像处理模块；所述平行无影光照明模块用于对拉拔线产品进行平行无影光照射；

本发明采用深度学习识别算法，所以前期需要大量收集不良品图像然后进行分类标注；所述六面柱图像采集模块用于采集不良产品的图像信息，得到检测模型；具体步骤为：

步骤一：采集不良产品的图像，所述不良产品表现为存在气泡、鼓包、毛刺、异物等缺陷；从中选取800张包含不同缺陷的样本图片；并人工标注出其中的缺陷类型；

步骤二：将800张包含不同缺陷的样本图片构成样本集S1；对样本集S1中的每一张样本图片进行特征标准化操作，得到新的样本集S2；对样本集S1中的每一张样本图片，以其中心坐标为旋转中心，随机旋转+35°或旋转-35°，得到新的样本集S3；对样本集S1中的每一张样本图片进行水平翻转，得到新的样本集S4；