[发明专利]一种基于深度学习和法向图的零件缺陷检测和定位方法在审
| 申请号： | 201810063526.2 | 申请日： | 2018-01-23 |
| 公开（公告）号： | CN108389181A | 公开（公告）日： | 2018-08-10 |
| 发明（设计）人： | 宋佳;张扬;郭延文 | 申请（专利权）人： | 南京大学 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G06T7/90;G06N3/04 |
| 代理公司： | 江苏圣典律师事务所 32237 | 代理人： | 胡建华;于瀚文 |
| 地址： | 210023 江苏省南*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于深度学习和法向图的零件缺陷检测和定位方法，包括以下步骤：步骤1：采集原始图像并计算得到材质表面法向图；步骤2：对表面法向图进行网格划分；步骤3：用具有不同缺陷的零件划分后的法向图以及正常零件划分后的法向图训练模型；步骤4：采集待检测零件图像并计算材质表面法向图；步骤5：对待检测零件的法向图进行网格划分；步骤6：根据步骤3得到的训练好的模型用步骤5得到的划分后的图像作为输入进行缺陷检测；步骤7：根据步骤6的检测结果以及步骤5的划分结果进行反馈和定位缺陷位置。 | ||
| 搜索关键词： | 法向 零件缺陷检测 材质表面 网格 采集原始图像 图像 待检测零件 定位缺陷 划分结果 检测结果 检测零件 缺陷检测 训练模型 正常零件 表面法 采集 反馈 学习 | ||
【主权项】：
1.一种基于深度学习和法向图的零件缺陷检测和定位方法，其特征在于，包括以下步骤：步骤1：采集原始图像并计算得到材质表面法向图；步骤2：对材质表面法向图进行网格划分，得到划分后的图像；步骤3：用具有不同缺陷的零件划分后的材质表面法向图以及步骤2划分后的图像训练模型；步骤4：采集待检测零件图像并计算材质表面法向图；步骤5：对待检测零件的材质表面法向图进行网格划分；步骤6：根据步骤3得到的训练好的模型用步骤5得到的划分后的图像作为输入进行缺陷检测；步骤7：根据步骤6的检测结果以及步骤5的划分结果进行反馈和定位缺陷位置。
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南京大学，未经南京大学许可，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/patent/201810063526.2/，转载请声明来源钻瓜专利网。
