[发明专利]机箱外壳检测方法、装置、电子设备和计算机可读介质有效

专利信息
申请号: 202111534086.2 申请日: 2021-12-15
公开(公告)号: CN114399467B 公开(公告)日: 2022-11-11
发明(设计)人: 傅世勇;黄继勇;杨伟;康兆龙 申请(专利权)人: 北京德风新征程科技有限公司
主分类号: G06T7/00 分类号: G06T7/00;G06T7/13;G06N3/04;G06N3/08
代理公司: 北京唯智勤实知识产权代理事务所(普通合伙) 11557 代理人: 孙姣
地址: 100015 北京市朝阳*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 机箱 外壳 检测 方法 装置 电子设备 计算机 可读 介质
【权利要求书】:

1.一种机箱外壳检测方法,包括:

控制相关联的摄像装置拍摄目标机箱外壳的每一表面的外壳区域图像,得到外壳区域图像组,其中,所述外壳区域图像组中的外壳区域图像包括外壳灰度区域图像和对应所述外壳灰度区域图像的外壳点云区域图像;

对于所述外壳区域图像组包括的每个外壳灰度区域图像,执行如下处理步骤:

对所述外壳灰度区域图像中的目标外壳区域进行标注,以生成标注外壳灰度区域图像;

对所述标注外壳灰度区域图像中的标注的目标外壳区域进行边缘检测处理,得到对应所述目标外壳区域的外壳轮廓;

从所述外壳灰度区域图像中识别出所述外壳轮廓对应的外壳灰度轮廓图;

基于所述外壳灰度轮廓图和对应所述外壳灰度区域图像的外壳点云区域图像,生成外壳点云轮廓图;

将所述外壳点云轮廓图输入至预先训练的外壳图像识别模型中,得到外壳图像识别结果;

其中,预先训练的外壳图像识别模型是通过以下步骤训练得到的:

确定初始外壳图像识别模型的网络结构以及初始化所述初始外壳图像识别模型的网络参数;

获取训练图像样本集,其中,训练图像样本集包括机箱外壳点云图像样本集和与所述机箱外壳点云图像样本集对应的标注信息集合;

将所述训练图像样本集中的机箱外壳点云图像样本集和与所述标注信息集合分别作为所述初始外壳图像识别模型的输入和期望输出,利用深度学习方法训练所述初始外壳图像识别模型;

将训练得到的初始外壳图像识别模型确定为所述预先训练的外壳图像识别模型;

响应于所述外壳图像识别结果满足预设异常条件,将所述外壳图像识别结果确定为异常外壳图像识别结果;

控制相关联的移动检测设备对所述目标机箱的每一表面进行表面缺陷检测,以生成表面缺陷检测结果,得到表面缺陷检测结果组;

对于所述表面缺陷检测结果组中的每个表面缺陷检测结果,执行如下校验步骤:

确定所述表面缺陷检测结果是否满足所述预设异常条件;

响应于确定所述表面缺陷检测结果满足所述预设异常条件,确定所述表面缺陷检测结果是否存在对应的异常外壳图像识别结果;

响应于确定所述表面缺陷检测结果存在对应的异常外壳图像识别结果,确定所述表面缺陷检测结果所表征的缺陷结果是否与所述异常外壳图像识别结果所表征的缺陷结果一致;

响应于确定所述表面缺陷检测结果所表征的缺陷结果与所述异常外壳图像识别结果所表征的缺陷结果一致,将所述表面缺陷检测结果确定为异常表面缺陷检测结果。

2.根据权利要求1所述的方法,其中,所述校验步骤还包括:

响应于确定所述表面缺陷检测结果所表征的缺陷结果与所述异常外壳图像识别结果所表征的缺陷结果不一致,将所述预先训练的外壳图像识别模型确定为待训练外壳图像识别模型。

3.根据权利要求2所述的方法,其中,所述方法还包括:

获取机箱外壳的训练样本集,其中,所述训练样本集中的训练样本包括样本外壳图像和对应所述样本外壳图像的标签;

根据所述训练样本集,对所述待训练外壳图像识别模型进行训练,得到训练完成的外壳图像识别模型作为新的外壳图像识别模型。

4.根据权利要求1所述的方法,其中,所述基于所述外壳灰度轮廓图和对应所述外壳灰度区域图像的外壳点云区域图像,生成外壳点云轮廓图,包括:

对所述外壳点云区域图像进行标准化处理,以生成标准化外壳点云区域图像;

从所述标准化外壳点云区域图像中识别出对应所述外壳灰度轮廓图的标准化外壳点云轮廓图作为外壳点云轮廓图。

5.根据权利要求1所述的方法,其中,所述方法还包括:

将所确定的各个异常表面缺陷检测结果发送至维修终端,以提醒维修人员对所述目标机箱外壳进行维修。

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北京德风新征程科技有限公司,未经北京德风新征程科技有限公司许可,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/202111534086.2/1.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