产品缺陷检测方法、装置、系统、服务器及存储介质制造方法及图纸

本发明专利技术提出一种产品缺陷检测方法、装置、系统、服务器及计算机可读存储介质，其中产品缺陷检测方法包括：获取产品的图像数据；将所述图像数据转化为分类请求，根据在多个服务器上的分类预测模型的部署情况确定执行服务器，并将所述分类请求发送至所述执行服务器，以通过所述执行服务器上的分类预测模型给出缺陷类别的预测结果。本发明专利技术提供的实施例可随业务发展迭代模型，使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，且并行处理进一步提升了效率。

Product defect detection method, device, system, server and storage medium

The invention provides a product defect detection method, device, system, server and computer readable storage medium, wherein the product defect detection method includes: acquiring image data of the product; converting the image data into classification requests, and determining execution according to the deployment of classification prediction models on multiple servers. The server sends the classification request to the execution server to give the prediction result of the defect category by the classification prediction model on the execution server. The embodiment provided by the invention can iterate the model with the development of the business, so that the model can adapt to the latest requirements of the production environment, and bring significant improvements in the classification accuracy, scalability, standardization and other aspects of the industrial production line, and the parallel processing further improves the efficiency.

【技术实现步骤摘要】
产品缺陷检测方法、装置、系统、服务器及存储介质
本专利技术涉及信息
，尤其涉及一种产品缺陷检测方法、装置、系统、服务器及计算机可读存储介质。
技术介绍
目前很多生产行业中的质检环节主要是以视觉方式针对产品表面图像进行缺陷检测。以造纸业为例，纸张质量的检测主要根据纸张表面的图片进行判定。在造纸业生产线上，其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。在人工巡检的情况下，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。后一种质检方式多为基于传统专家系统或特征工程的质检系统，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方法、装置、系统、服务器及计算机可读存储介质，以至少解决现有技术中的一个或多个技术问题。第一方面，本专利技术实施例提供了一种产品缺陷检测方法，包括：获取产品的图像数据；将所述图像数据转化为分类请求，根据在多个服务器上的分类预测模型的部署情况确定执行服务器，并将所述分类请求发送至执行服务器，以通过所述执行服务器上的分类预测模型给出缺陷类别的预测结果。结合第一方面，本专利技术在第一方面的第一种实施方式中，根据在多个服务器上的分类预测模型的部署情况确定执行服务器，包括：查询预先设置的服务器资源配置管理表，所述服务器资源配置管理表用于记录各个部署有所述分类预测模型的服务器的负载状态；比较各个部署有所述分类预测模型的服务器的负载状态，将负载最低的服务器确定为执行服务器。结合第一方面、第一方面的第一种实施方式，本专利技术在第一方面的第二种实施方式中，接收所述执行服务器返回的缺陷类别的预测结果；根据所述缺陷类别的预测结果做出相对应的缺陷处理操作，所述缺陷处理操作包括：报警、打标签、存储日志和/或停机。结合第一方面的第一种实施方式，根据所述缺陷类别的预测结果做出相应的缺陷处理操作，包括：根据预先设置的所述缺陷类别的预测结果与所述缺陷处理操作的对应关系，做出相应的缺陷处理操作；或者，根据预先设置的所述缺陷类别的预测结果的等级，以及所述缺陷类别的预测结果的等级与所述缺陷处理操作的对应关系，做出相应的缺陷处理操作。第二方面，本专利技术实施例提供了一种产品缺陷检测方法，包括：接收产品的图像数据的分类请求；通过预先训练的分类预测模型对所述分类请求进行分类计算，给出缺陷类别的预测结果；所述分类预测模型包括特征提取模型和缺陷定位分类模型；所述特征提取模型用于提取所述分类请求中的图像数据的特征；所述缺陷定位分类模型用于根据提取的所述图像数据的特征给出缺陷类别的预测结果，所述预测结果包括：所述分类请求中的图像是否存在缺陷，以及缺陷的类别和位置坐标。结合第二方面，本专利技术在第二方面的第一种实施方式中，在对所述分类请求进行分类计算之前，还包括：对所述分类请求中的图像数据进行预处理，所述预处理包括图像去噪、去除背景、图像压缩和/或格式转化。结合第二方面、第二方面的第一种实施方式，本专利技术在第二方面的第二种实施方式中，还包括：根据产品的图像数据的历史标注数据预先训练得到所述分类预测模型。结合第二方面的第三种实施方式，本专利技术在第二方面的第三种实施方式中，所述特征提取模型包括深度卷积神经网络；所述缺陷定位分类模型包括RCNN、SSD或MaskRCNN。结合第二方面、第二方面的第一种实施方式，本专利技术在第二方面的第四种实施方式中，在给出缺陷类别的预测结果之后，还包括：根据所述缺陷类别的预测结果做出相对应的缺陷处理操作，所述缺陷处理操作包括：报警、打标签、存储日志和/或停机。结合第二方面的第四种实施方式，根据所述缺陷类别的预测结果做出相应的缺陷处理操作，包括：根据预先设置的所述缺陷类别的预测结果与所述缺陷处理操作的对应关系，做出相应的缺陷处理操作；或者，根据预先设置的所述缺陷类别的预测结果的等级，以及所述缺陷类别的预测结果的等级与所述缺陷处理操作的对应关系，做出相应的缺陷处理操作。第三方面，本专利技术实施例提供了一种产品缺陷检测装置，包括：数据采集模块，用于获取产品的图像数据；负载均衡模块，用于将所述图像数据转化为分类请求，根据在多个服务器上的分类预测模型的部署情况确定执行服务器，并将所述分类请求发送至执行服务器，以通过所述执行服务器上的分类预测模型给出缺陷类别的预测结果。结合第三方面，本专利技术在第三方面的第一种实施方式中，所述负载均衡模块还用于：查询预先设置的服务器资源配置管理表，所述服务器资源配置管理表用于记录各个部署有所述分类预测模型的服务器的负载状态；比较各个部署有所述分类预测模型的服务器的负载状态，将负载最低的服务器确定为执行服务器。第四方面，本专利技术实施例提供了一种产品缺陷检测装置，包括：数据接收模块，用于接收产品的图像数据的分类请求；分类预测模型，用于通过预先训练的分类预测模型对所述分类请求进行分类计算，给出缺陷类别的预测结果；所述分类预测模型包括特征提取模型和缺陷定位分类模型；所述特征提取模型用于提取所述分类请求中的图像数据的特征；所述缺陷定位分类模型用于根据提取的所述图像数据的特征给出缺陷类别的预测结果，所述预测结果包括：所述分类请求中的图像是否存在缺陷，以及缺陷的类别和位置坐标。结合第四方面，本专利技术在第四方面的第一种实施方式中，还包括控制模块，用于：根据所述缺陷类别的预测结果做出相对应的缺陷处理操作，所述缺陷处理操作包括：报警、打标签、存储日志和/或停机。在一个可能的设计中，产品缺陷检测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装置执行上述第一方面或第二方面中产品缺陷检测方法的程序，所述处理器被配置为用于执行所述存储器中存储的程序。第五方面，本专利技术实施例提供了一种产品缺陷检测系统，包括上述第三方面或第四方面中任一所述的装置，以及，生产数据库，用于存储产品的图像数据，以及与所述产品的图像数据对应的缺陷类别的预测结果和与所述缺陷类别的预测结果对应的缺陷处理操作；训练数据库，用于存储产品的图像数据的历史标注数据，所述历史标注数据用于训练分类预测模型。第六方面，本专利技术实施例提供了一种服务器，包括：一个或多个处理器；存储装置，用于存储一个或多个程序；当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如上述第一方面或第二方面中任一所述的方法。第七方面，本专利技术实施例提供了一种计算机可读存储介质，其存储有计算机程序，该程序被处理器执行时实现上述第一方面或第二方面中任一所述的方法。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：本专利技术提供的实施例适用于任何利用人眼、照片或机器视觉进行缺陷分类的场景，可随业务发展迭代模型，使模型能够适应生产本文档来自技高网...

【技术保护点】
1.一种产品缺陷检测方法，其特征在于，包括：获取产品的图像数据；将所述图像数据转化为分类请求，根据在多个服务器上的分类预测模型的部署情况确定执行服务器，并将所述分类请求发送至所述执行服务器，以通过所述执行服务器上的分类预测模型给出缺陷类别的预测结果。

【技术特征摘要】
1.一种产品缺陷检测方法，其特征在于，包括：获取产品的图像数据；将所述图像数据转化为分类请求，根据在多个服务器上的分类预测模型的部署情况确定执行服务器，并将所述分类请求发送至所述执行服务器，以通过所述执行服务器上的分类预测模型给出缺陷类别的预测结果。2.根据权利要求1所述的方法，其特征在于，根据在多个服务器上的分类预测模型的部署情况确定执行服务器，包括：查询预先设置的服务器资源配置管理表，所述服务器资源配置管理表用于记录各个部署有所述分类预测模型的服务器的负载状态；比较各个部署有所述分类预测模型的服务器的负载状态，将负载最低的服务器确定为执行服务器。3.根据权利要求1或2所述的方法，其特征在于，还包括：接收所述执行服务器返回的缺陷类别的预测结果；根据所述缺陷类别的预测结果做出相对应的缺陷处理操作，所述缺陷处理操作包括：报警、打标签、存储日志和/或停机。4.根据权利要求3所述的方法，其特征在于，根据所述缺陷类别的预测结果做出相应的缺陷处理操作，包括：根据预先设置的所述缺陷类别的预测结果与所述缺陷处理操作的对应关系，做出相应的缺陷处理操作；或者，根据预先设置的所述缺陷类别的预测结果的等级，以及所述缺陷类别的预测结果的等级与所述缺陷处理操作的对应关系，做出相应的缺陷处理操作。5.一种产品缺陷检测方法，其特征在于，包括：接收产品的图像数据的分类请求；通过预先训练的分类预测模型对所述分类请求进行分类计算，给出缺陷类别的预测结果；所述分类预测模型包括特征提取模型和缺陷定位分类模型；所述特征提取模型用于提取所述分类请求中的图像数据的特征；所述缺陷定位分类模型用于根据提取的所述图像数据的特征给出缺陷类别的预测结果，所述预测结果包括：所述分类请求中的图像是否存在缺陷，以及缺陷的类别和位置坐标。6.根据权利要求5所述的方法，其特征在于，在对所述分类请求进行分类计算之前，还包括：对所述分类请求中的图像数据进行预处理，所述预处理包括图像去噪、去除背景、图像压缩和/或格式转化。7.根据权利要求5或6所述的方法，其特征在于，还包括：根据产品的图像数据的历史标注数据预先训练得到所述分类预测模型。8.根据权利要求5或6所述的方法，其特征在于，所述特征提取模型包括深度卷积神经网络；所述缺陷定位分类模型包括RCNN、SSD或MaskRCNN。9.根据权利要求5或6所述的方法，其特征在于，在给出缺陷类别的预测结果之后，还包括：根据所述缺陷类别的预测结果做出相对应的缺陷处理操作，所述缺陷处理操作包括：报警、打标签、存储日志和/或停机。10.根据权利要求9所述的方法...

【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