[发明专利]一种基于深度学习的机器视觉技术检测方法在审
| 申请号： | 201810944235.4 | 申请日： | 2018-08-18 |
| 公开（公告）号： | CN109242830A | 公开（公告）日： | 2019-01-18 |
| 发明（设计）人： | 孙庆新 | 申请（专利权）人： | 苏州翔升人工智能科技有限公司 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 215000 江苏省苏州市常熟*** | 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： | 一种基于深度学习的机器视觉技术检测方法，本发明涉及工业检测技术领域；通过工业相机在良好工业光源下采集大量的有缺陷的产品图片作为样本；将这些样本图片通过软件进行标定，标出关心的缺陷处位置，并标出缺陷种类；利用上述标出缺陷种类的样本图片作为素材钩件深度学习网络模型，并进行深度学习网络模型的训练；将训练好的深度学习网络模型导入机器视觉系统，从而识别出现场的各种缺陷，配合工业自动化设备完成缺陷产品的分拣。避免漏检误检，还可学习新的样本不断提高准确度，适应性和稳定性好，实现专家系统来满足各种复杂场景的工业检测需求。 | ||
| 搜索关键词： | 网络模型 机器视觉技术 学习 工业检测 样本图片 样本 工业自动化设备 机器视觉系统 准确度 产品图片 复杂场景 工业光源 工业相机 缺陷产品 专家系统 缺陷处 检测 标定 分拣 钩件 漏检 误检 素材 采集 配合 | ||
【主权项】：
1.一种基于深度学习的机器视觉技术检测方法，其特征在于：它的操作步骤如下：(1)、通过工业相机在良好工业光源下采集大量的有缺陷的产品图片作为样本；(2)、将这些样本图片通过软件进行标定，标出关心的缺陷处位置，并标出缺陷种类；(3)、利用上述标出缺陷种类的样本图片作为素材钩件深度学习网络模型，并进行深度学习网络模型的训练；(4)、将训练好的深度学习网络模型导入机器视觉系统，从而识别出现场的各种缺陷，配合工业自动化设备完成缺陷产品的分拣。
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苏州翔升人工智能科技有限公司，未经苏州翔升人工智能科技有限公司许可，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/patent/201810944235.4/，转载请声明来源钻瓜专利网。
