本发明专利技术提出一种产品缺陷检测定位方法,包括以下步骤:接收待检测的产品图片数据,并生成产品缺陷的检测请求;根据负载均衡和调度策略,将所述产品图片数据和检测请求发送至搭载检测模型的最佳服务器上;接收由检测模型对产品图片数据进行预测计算后输出的预测结果,所述预测结果包括产品缺陷的位置;根据检测模型输出的预测结果,执行相应的响应动作。本发明专利技术实施例通过对实时采集的产品图像进行检测判断,最终获取产品缺陷所在的位置及其所属的类别。进一步,本发明专利技术实施例进行检测模型的迭代更新,使检测模型能够适应生产环境的最新需求,在分类精度、可扩展性、规范化等方面为工业生产线带来显著的提升。
【技术实现步骤摘要】
产品缺陷检测定位方法、装置、设备及计算机可读介质
本专利技术涉及人工智能
,尤其涉及一种产品缺陷检测定位方法及装置、设备和计算机可读介质。
技术介绍
在传统工业制造业生产场景中,质检是生产流程中的关键环节。在钢铁生产、汽车制造、造纸、电池制造、太阳能板制造等领域中,对产品质量进行控制的一种重要手段是对产品的表面状态进行检测,以判断产品是否存在瑕疵和缺陷,并根据检测结果对产品做相应的处理。在传统工业制造业生产中,这种基于产品表面状态的质检多为人工巡检或半自动化光学仪器辅助质检,不仅效率低下,而且容易出现误判,另外,这种方式产生的工业数据不易存储、管理和二次挖掘再利用。而现有的质检系统在缺陷检测和定位应用中主要有两种方式。第一种方式为纯人工质检方式,即依赖于行业专家肉眼观察生产环境中的照片给出判断。第二种方式为机器辅助的人工质检方式,主要由具有一定判断能力的质检系统过滤没有缺陷的照片,由行业专家对疑似存在缺陷的照片进行检测判断。其中,第二种方式多为专家系统和特征工程系统发展而来,专家将经验固化在质检系统中,具有一定的自动化能力。然而,对于第一种质检方式,由于现有工业生产线质检系统中,缺陷图片的检测和定位主要依靠纯人工检查或基于特征工程的检测系统。在人工质检的情况下,需要业务专家在生产现场进行巡视检查,发现缺陷之后人工记录下来再做后续处理。这种方法不仅效率低,容易漏判误判,数据很难进行二次利用挖掘,而且工业生产环境往往比较恶劣,对人员的健康和安全会造成不利影响。对于第二种质检方式,在基于传统专家系统或特征工程的质检系统中,特征和判定规则都是基于经验固化到机器中的,难以随业务的发展迭代,导致随着生产工艺的发展,系统的检测精度越来越低,甚至降低到完全不可用的状态。此外,传统质检系统的特征都由第三方供应商预先固化在硬件中,升级时不仅需要对生产线进行重大改造,而且价格昂贵。传统质检系统在安全性、规范化、可扩展性等方面都存在着明显不足,不利于传统工业生产线的优化升级。
技术实现思路
本专利技术实施例提供一种产品缺陷检测定位方法、装置、设备及计算机可读介质,以解决或缓解现有技术中的以上技术问题。第一方面,本专利技术实施例提供了一种产品缺陷检测定位方法,包括以下步骤:接收待检测的产品图片数据,并生成产品缺陷的检测请求;根据负载均衡和调度策略,将所述产品图片数据和检测请求发送至搭载检测模型的最佳服务器上;接收由检测模型对产品图片数据进行预测计算后输出的预测结果,所述预测结果包括产品缺陷的位置;根据检测模型的预测结果,执行相应的响应动作。结合第一方面,本专利技术在第一方面的第一种实现方式中,所述根据检测模型输出的预测结果,执行相应的响应动作的步骤之后,还包括:发送更新指令至最佳服务器,由最佳服务器根据接收的产品图片数据和预测结果对所述检测模型进行训练更新。第二方面,本专利技术实施例提供了一种产品缺陷检测定位方法,包括以下步骤:接收产品图片数据及产品缺陷的检测请求;通过检测模型对产品的图片数据进行产品缺陷的预测计算并输出预测结果,所述预测结果包括产品缺陷的位置。结合第二方面,本专利技术在第二方面的第一种实现方式中,所述检测模型包括:深度卷积神经网络和缺陷定位分类网络;所述深度卷积神经网络用于提取产品图片的特征,并将所述特征输入至所述缺陷定位分类网络中;所述缺陷定位分类网络用于判断深度卷积神经网络所提取的特征是否存在缺陷,并获得该缺陷的位置。结合第二方面的第一种实现方式,本专利技术在第二方面的第二种实现方式中,所述深度卷积神经网络包括:卷积层,用于利用权值不同的卷积核对产品图像进行扫描卷积,从中提取各种意义的特征,并输出至特征图中;池化层,用于对特征图进行降维操作;全连接层,用于将提取的特征映射到缺陷定位分类网络。结合第二方面,本专利技术在第二方面的第三种实现方式中,还包括步骤:根据接收的产品图片数据和预测结果对所述检测模型进行训练更新。结合第二方面的第三种实现方式,本专利技术在第二方面的第四种实现方式中,所述根据接收的产品图片数据和预测结果对所述检测模型进行训练更新的步骤包括:存储产品图片数据和预测结果,并对检测模型的训练数据进行更新;根据更新后的训练数据对检测模型进行训练,更新检测模型。第三方面,本专利技术实施例提供了一种产品缺陷检测定位装置,包括:接收模块,用于接收待检测的产品图片数据,并生成产品缺陷的检测请求;调度模块,用于根据负载均衡和调度策略,将所述产品图片数据和检测请求发送至搭载检测模型的最佳服务器上;计算结果接收模块,用于接收由检测模型对产品图片数据进行预测计算后输出的预测结果,所述预测结果包括产品缺陷的位置;响应模块,用于根据检测模型输出的预测结果,执行相应的响应动作。结合第三方面,本专利技术在第三方面的第一种实现方式中,还包括更新指令发送模块,用于发送更新指令至最佳服务器,由最佳服务器根据接收的产品图片数据和预测结果对所述检测模型进行训练更新。第四方面,本专利技术实施例提供了一种产品缺陷检测定位装置,包括:检测请求接收模块,用于接收产品图片数据及产品缺陷的检测请求;计算模块,用于通过检测模型对产品的图片数据进行产品缺陷的预测计算并输出预测结果,所述预测结果包括产品缺陷的位置。结合第四方面,本专利技术在第四方面的第一种实现方式中,所述检测模型包括:深度卷积神经网络和缺陷定位分类网络;所述深度卷积神经网络用于提取产品图片的特征,并将所述特征输入至所述缺陷定位分类网络中;所述缺陷定位分类网络用于判断深度卷积神经网络所提取的特征是否存在缺陷,并获得该缺陷的位置。结合第四方面的第一种实现方式,本专利技术在第四方面的第二种实现方式中,所述深度卷积神经网络包括:卷积层,用于利用权值不同的卷积核对产品图像进行扫描卷积,从中提取各种意义的特征,并输出至特征图中;池化层,用于对特征图进行降维操作;全连接层,用于将特征图中的特征映射到缺陷定位分类网络。结合第四方面,本专利技术在第二方面的第三种实现方式中,还包括更新模块,用于根据接收的产品图片数据和预测结果对所述检测模型进行训练更新。结合第四方面的第三种实现方式,本专利技术在第四方面的第四种实现方式中,所述更新模块包括:存储子模块,用于存储产品图片数据和预测结果,并对检测模型的训练数据进行更新;训练子模块,用于根据更新后的训练数据对检测模型进行训练,更新检测模型。所述装置的功能可以通过硬件实现,也可以通过硬件执行相应的软件实现。所述硬件或软件包括一个或多个与上述功能相对应的模块。在一个可能的设计中,产品缺陷检测定位装置的结构中包括处理器和存储器,所述存储器用于存储支持产品缺陷检测定位装置执行上述第一方面中产品缺陷检测定位方法的程序,所述处理器被配置为用于执行所述存储器中存储的程序。所述产品缺陷检测定位装置还可以包括通信接口,用于产品缺陷检测定位装置与其他设备或通信网络通信。第五方面,本专利技术实施例提供了一种计算机可读介质,用于存储产品缺陷检测定位装置所用的计算机软件指令,其包括用于执行上述第一方面和第二方面的产品缺陷检测定位方法所涉及的程序。上述技术方案中的一个技术方案具有如下优点或有益效果:本专利技术实施例通过对实时采集的产品图像进行检测判断,最终获取产品缺陷所在的位置及其所属的类别。进一步,本专利技术实施例进行检测模型的迭代更新,使检本文档来自技高网...
【技术保护点】
1.一种产品缺陷检测定位方法,其特征在于,包括以下步骤:接收待检测的产品图片数据,并生成产品缺陷的检测请求;根据负载均衡和调度策略,将所述产品图片数据和检测请求发送至搭载检测模型的最佳服务器上;接收由检测模型对产品图片数据进行预测计算后输出的预测结果,所述预测结果包括产品缺陷的位置;根据检测模型的预测结果,执行相应的响应动作。
【技术特征摘要】
1.一种产品缺陷检测定位方法,其特征在于,包括以下步骤:接收待检测的产品图片数据,并生成产品缺陷的检测请求;根据负载均衡和调度策略,将所述产品图片数据和检测请求发送至搭载检测模型的最佳服务器上;接收由检测模型对产品图片数据进行预测计算后输出的预测结果,所述预测结果包括产品缺陷的位置;根据检测模型的预测结果,执行相应的响应动作。2.根据权利要求1所述产品缺陷检测定位方法,其特征在于,所述根据检测模型输出的预测结果,执行相应的响应动作的步骤之后,还包括:发送更新指令至最佳服务器,由最佳服务器根据接收的产品图片数据和预测结果对所述检测模型进行训练更新。3.一种产品缺陷检测定位方法,其特征在于,包括以下步骤:接收产品图片数据及产品缺陷的检测请求;通过检测模型对产品的图片数据进行产品缺陷的预测计算并输出预测结果,所述预测结果包括产品缺陷的位置。4.根据权利要求3所述产品缺陷检测定位方法,其特征在于,所述检测模型包括:深度卷积神经网络和缺陷定位分类网络;所述深度卷积神经网络用于提取产品图片的特征,并将所述特征输入至所述缺陷定位分类网络中;所述缺陷定位分类网络用于判断深度卷积神经网络所提取的特征是否存在缺陷,并获得该缺陷的位置。5.根据权利要求4所述产品缺陷检测定位方法,其特征在于,所述深度卷积神经网络包括:卷积层,用于利用权值不同的卷积核对产品图像进行扫描卷积,从中提取各种意义的特征,并输出至特征图中;池化层,用于对特征图进行降维操作;全连接层,用于将提取的特征映射到缺陷定位分类网络。6.根据权利要求3所述产品缺陷检测定位方法,其特征在于,还包括步骤:根据接收的产品图片数据和预测结果对所述检测模型进行训练更新。7.根据权利要求6所述产品缺陷检测定位方法,其特征在于,所述根据接收的产品图片数据和预测结果对所述检测模型进行训练更新的步骤包括:存储产品图片数据和预测结果,并对检测模型的训练数据进行更新;根据更新后的训练数据对检测模型进行训练,更新检测模型。8.一种产品缺陷检测定位装置,其特征在于,包括:接收模块,用于接收待检测的产品图片数据,并生成产品缺陷的检测请求;调度模块,用于根据负载均衡和调度策略,将所述产品图片数据和检测请求发送至搭载检测模型的最佳服务器上...
【专利技术属性】
技术研发人员:冷家冰,刘明浩,梁阳,文亚伟,张发恩,郭江亮,唐进,尹世明,
申请(专利权)人:北京百度网讯科技有限公司,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。