[发明专利]一种基于人工智能的高速线阵相机FPGA瑕疵检测方法和系统

说明书

本发明公开了一种基于人工智能的高速线阵相机FPGA瑕疵检测方法和系统，图像采集卡控制高速线阵相机对目标图像进行图像采集以得到第一数字信号；根据所述第一数字信号建立三维图像；将所述第一数字信号输入到预先训练模型中进行训练以得到预设标准图像；对所述三维图像与所述预设标准图像进行图像匹配得到第二数字信号；对所述第二数字信号进行瑕疵目标提取以得到瑕疵检测结果。本发明中所提出的一种基于人工智能的高速线阵相机FPGA瑕疵检测方法，AI算法与FPGA对接更方便，开发难度降低，能够快速地接入各种类型的算法项目，能够应对行业应用的碎片化、场景复杂化、产品多样性等问题。

技术领域

本发明涉及机器视觉技术领域，尤其涉及一种基于人工智能的高速线阵相机FPGA瑕疵检测方法和系统。

背景技术

机器视觉是人工智能正在快速发展的一个分支，按照应用的领域与细分技术的特点，机器视觉进一步可分为工业视觉、计算机视觉两类。工业视觉主要解决以往需要人眼进行的工件定位、测量、检测等重复性劳动；计算机视觉主要是赋予智能机器人视觉，利用物体标定、瑕疵目标检测与缺陷识别等功能实现对目标定位、目标检测、目标识别等高阶概率性识别与判断，机器视觉技术最大的特点是提高生产的灵活性和自动化程度，大大提高了检测效率和精度。机器视觉应用领域广泛，是机器人与外界交互与自主行动的前提，从工业视觉到计算机视觉，是工业制造需求的不断升级对应的机器视觉技术升级。

新要求下的人工智能机器视觉系统需要面对复杂的应用场景。定制化小批量多样性生产模式、日新月异多种多样的产品SKU，不同的光亮条件、产品表面性状，几乎每一个项目都需要定制相机、光源、算法，存在技术通用性和智能性的不足；传统机器视觉技术大都是利用模式识别进行匹配，无法检测各类非规则且复杂的缺陷、漏检及过检率高，往往还需要进行人工复检，且存在功能相对单一、泛化能力差、系统建设维护周期长等问题。

发明内容

为解决背景技术中存在的技术问题，本发明提出一种基于人工智能的高速线阵相机FPGA瑕疵检测方法，包括以下步骤：

S1：图像采集卡控制高速线阵相机对目标物体进行图像采集以得到第一数字信号；

S2：根据所述第一数字信号建立目标物体的三维图像；

S3：将所述第一数字信号作为模型输入到预先训练模型中，预先训练模型基于AI算法对所述第一数字信号进行模型训练以得到预设标准图像；

S4：对所述目标物体的三维图像与所述预设标准图像进行图像匹配得到第二数字信号；

S5：对所述第二数字信号进行瑕疵目标提取以得到瑕疵检测结果。

优选地，根据所述第一数字信号建立三维图像具体包括：对第一数字信号包含的线阵图像进行图像拼接得到二维图像，基于拼接得到的二维图像通过三维重建技术得到三维图像。

优选地，预先训练模型基于AI算法对所述第一数字信号进行模型训练以得到预设标准图像，具体包括：利用two-stage算法通过候选区产生可能包含目标物体的预测框，再用分类器去判断每个预测框里是否包含有目标物体，以及目标物体所属的类别，从而得到预设标准图像。

优选地，预先训练模型基于AI算法对所述第一数字信号进行模型训练以得到预设标准图像还包括：利用one-stage算法将检测任务当做一个回归问题来处理，使用一个神经网络，直接从一整张图像来预测出可能包含目标物体的预测框的坐标、预测框中包含物体的置信度和包含物体的可能性，从而得到预设标准图像。

优选地，对所述目标物体的三维图像与所述预设标准图像进行图像匹配得到第二数字信号具体包括：通过预先配置在预设标准图像中的特征点与三维图像进行图像匹配。

优选地，第二数字信号包括三维图像中的像素分布信息、颜色信息和亮度信息与预设标准图像中的像素分布信息、颜色信息和亮度信息进行比对后获得的结果。