[发明专利]一种电池盒外观检测方法及装置

权利要求书

1.一种电池盒外观检测方法，包括如下步骤：

步骤S1，通过采集大量的目标异物图片，使用深度学习算法构建并训练深度神经网络模型，以用于完成视觉识别任务；

步骤S2，对所构建的深度神经网络模型进行打包，生成一个可执行文件；

步骤S3，构建传统机器视觉框架作为主软件运行，并单独建立新线程调用所述可执行文件启动运行；

步骤S4，在所述可执行文件启动时创建服务端，将主软件作为客户端与服务端进行连接，以实现传统机器视觉框架主软件与服务端可执行文件之间的数据通信；

步骤S5，在进行电池盒外观检测时，作为主软件的传统机器视觉框架采集并获取电池盒外观的图像将其发送至服务端，于服务端执行所述可执行文件获得识别结果，并将识别结果返回至作为主软件的传统机器视觉框架予以输出。

2.如权利要求1所述的一种电池盒外观检测方法，其特征在于：于步骤S1中，基于Python语言的深度学习算法构建所述深度神经网络模型，并利用所采集的目标异物图片对构建的模型进行训练。

3.如权利要求2所述的一种电池盒外观检测方法，其特征在于：于步骤S2中，使用Python的第三方库Pyinstaller将所构建的深度神经网络模型如yolov5模型进行打包，最终生成所述可执行文件，以保证证打包后该可执行文件在没有安装软件的环境也能运行。

4.如权利要求3所述的一种电池盒外观检测方法，其特征在于：打包后的所述深度神经网络模型的接口输入变量为工业相机采集到的图片，接口输出变量为图片中识别到的异物种类、数量及坐标值信息。

5.如权利要求3所述的一种电池盒外观检测方法，其特征在于：于步骤S3中，基于C#语言构建传统机器视觉框架，将所述传统机器视觉框架作为主软件运行，在该传统机器视觉框架作为主软件运行后，单独建立新线程调用所述可执行文件，使两个程序单独运行。

6.如权利要求5所述的一种电池盒外观检测方法，其特征在于：所述主软件通过Process类建立新线程调用所述可执行文件，使其启动并运行。

7.如权利要求5所述的一种电池盒外观检测方法，其特征在于：于步骤S4中，在所述可执行文件启动时即创建与主软件Socket通讯的服务端，与主软件建立Socket连接。

8.如权利要求7所述的一种电池盒外观检测方法，其特征在于：通过Socket通讯中的write函数和read函数实现主软件与所述服务端可执行文件之间的数据通信。

9.如权利要求8所述的一种电池盒外观检测方法，其特征在于：于步骤S5中，主软件在进行图像采集获得该外观图像后将图像地址通过write函数发送给服务端可执行文件，服务端在读取到图像后执行所述可执行文件，从而通过所述深度神经网络模型对其进行识别，并获得异物种类、数量及坐标值等识别结果，将识别结果发送给主软件，主软件则通过read函数读取该信息，并将异物区域进行显示操作。

10.一种电池盒外观检测装置，包括：

视觉识别模型建立单元，用于通过采集大量的目标异物图片，使用深度学习算法构建并训练深度神经网络模型，以用于完成视觉识别任务；

可执行文件生成单元，用于对所构建的深度神经网络模型进行打包，生成一个可执行文件；

传统机器视觉框架构建单元，用于构建传统机器视觉框架作为主软件运行，并单独建立新线程调用所述可执行文件启动运行；

服务端创建单元，用于在所述可执行文件启动时创建服务端，将主软件作为客户端与服务端进行链接，实现主软件与服务端之间的数据通信；

外观检测处理单元，用于在进行电池盒外观检测时，控制作为主软件的传统机器视觉框架采集并获取电池盒外观的图像将其发送至服务端，于服务端执行所述可执行文件获得识别结果，并将识别结果返回至作为主软件的传统机器视觉框架予以输出显示。