本公开提供了一种利用深度学习模型检测物体的表面的缺陷的系统及方法。该系统包括:处理器,被配置为接收所述物体的表面的第一图像和标识所述物体的标识码信息,以及通过对所述第一图像应用深度学习模型来对第一图像进行处理以生成第二图像和缺陷指示,所述缺陷指示包含关于所述物体的表面的缺陷的信息,并且当所述物体的表面具有缺陷时,所述第二图像包括指示所述缺陷的标记;和存储器,被配置为将所述标识码信息、所述第一图像、所述第二图像和所述缺陷指示相关联地存储。
A System and Method for Detecting Surface Defects of Objects Using Deep Learning Model
【技术实现步骤摘要】
一种利用深度学习模型检测物体表面缺陷的系统及方法
本公开涉及计算机视觉领域,特别涉及一种基于深度学习模型检测物体表面缺陷的系统及方法。
技术介绍
产品,特别是对安全性有较高要求的产品,例如汽车的发动机缸盖,在出厂前必须经过缺陷检测。传统上人工用肉眼对发动机缸盖的表面质量进行检测。这种方式由于人工的视觉疲劳而可能出现漏检的情况。此外人工检测方法效率较低。也存在利用传统的图像处理方法进行物体表面缺陷检测的方法。这种的方法基于传统的图像识别和处理技术,但是由于缺陷的多样性、缺陷形状较小、现场环境的光照、缸盖表面纹理等因素的影响,传统的图像处理方法并不能达到很高的检测准确率,同时还会将缸盖表面的纹理误检成缺陷,导致误检率非常高,因而并不能满足生产线的检测要求。因此,存在对于高效率地检测物体表面缺陷的系统及方法的需求。
技术实现思路
本公开提供了基于深度学习模型检测物体表面缺陷的系统及方法。根据本公开的第一方面,提供了一种用于检测物体的表面的缺陷的系统,包括:处理器,被配置为接收所述物体的表面的第一图像和标识所述物体的标识码信息,以及通过对所述第一图像应用深度学习模型来对第一图像进行处理以生成第二图像和缺陷指示,所述缺陷指示包含关于所述物体的表面的缺陷的信息,并且当所述物体的表面具有缺陷时,所述第二图像包括指示所述缺陷的标记;和存储器,被配置为将所述标识码信息、所述第一图像、所述第二图像和所述缺陷指示相关联地存储。所述系统还包括:标识码识别装置,被配置为识别所述物体的表面的标识码以生成所述标识码信息;和照相机,被配置为对所述物体进行拍照以生成所述第一图像。所述物体可以被放置在传送带上。所述系统还包括:传动信号发生设备,被配置为感测所述物体的接近,并且当所述物体接近所述传动信号发生设备时,生成传动暂停信号以使得所述传送带停止传动。所述处理器进一步被配置为在接收到所述第一图像和标识码信息之后向所述传动信号发生设备发送传送恢复指令。所述传动信号发生设备进一步被配置为根据接收的传送恢复指令生成传动恢复信号以使得所述传送带恢复传动。所述系统还包括:标识码扫描装置,被配置为扫描所述物体的表面的标识码以生成标识码信息;终端设备,连接到所述标识码扫描装置、所述处理器和所述存储器,并且被配置为接收所述扫描的标识码信息、将其发送到所述处理器、以及从所述处理器接收与所述标识码信息相对应的第二图像和缺陷指示;和显示器,连接到所述终端设备并且被配置为显示所述接收的第二图像和缺陷指示。根据本公开的第二方面,提供了一种用于检测物体的表面的缺陷的方法,包括:接收所述物体的表面的第一图像和标识所述物体的标识码信息;通过对所述第一图像应用深度学习模型来对第一图像进行处理以生成第二图像和缺陷指示,所述缺陷指示包含关于所述物体的表面的缺陷的信息,并且当所述物体的表面具有缺陷时,所述第二图像包括指示所述缺陷的标记;和将所述标识码信息、所述第一图像、所述第二图像和所述缺陷指示相关联地存储。所述物体可以被放置在传送带上。所述方法还包括:感测所述物体与传动信号发生设备的接近;当所述物体接近所述传动信号发生设备时,生成传动暂停信号以使得所述传送带停止传动;以及在接收所述第一图像和标识码信息之后,生成传动恢复信号以使得所述传送带恢复传动。所述方法还包括:扫描所述物体的表面的标识码以生成所述标识码信息;从所述存储器中检索与所述标识码信息对应的第二图像和缺陷指示;以及显示检索到的第二图像和缺陷指示。根据本公开的第三方面,提供了一种非暂态的计算机可读介质,其上存储有计算机可执行指令,所述计算机可执行指令在由一个或更多个处理器运行时使得所述一个或更多个处理器执行根据本公开记载的方法。根据本公开的第四方面,提供了一种用于检测物体的表面缺陷的装置,包括用于执行根据本公开记载的方法的步骤的部件。所述物体是汽车的发动机缸盖。所述识别码是二维码或条形码。所述深度学习模型包括卷积神经网络模型,包括YOLO模型。所述深度学习模型通过使用包括有缺陷的物体表面图片数据和无缺陷的物体表面图片数据的历史数据被训练。所述深度学习模型通过使用包括有缺陷的物体表面图片数据和无缺陷的物体表面图片数据的实时数据被训练。通过以下参照附图对本专利技术的示例性实施例的详细描述,本专利技术的其它特征及其优点将会变得更为清楚。附图说明构成说明书的一部分的附图描述了本公开的实施例,并且连同说明书一起用于解释本公开的原理。参照附图,根据下面的详细描述,可以更加清楚地理解本公开,其中:图1示出了根据本专利技术的一个示例性实施例的系统的示意图。图2示出了根据本专利技术的一个示例性实施例的物体表面缺陷检测方法的示意图。图3示出了根据本专利技术的另一个示例性实施例的物体表面缺陷检测方法的示意图。图4示出了根据本专利技术的一个示例性实施例的查看物体表面缺陷检测结果的方法的示意图。图5A和5B分别示出了根据本专利技术的一个示例性实施例的处理前和处理后的图像的示意图。图6示出了根据本专利技术的一个示例性实施例的显示缺陷检测结果的图形界面的示意图。图7A和7B根据本专利技术的一个示例性实施例的深度学习模型YOLO的原理的示意图。图8示出了根据本专利技术的一个示例性实施例的用于训练深度学习模型的流程图。图9示出了可以实现根据本专利技术的实施例的计算设备的示例性配置。具体实施方式下面将参考附图来详细描述本专利技术的优选的实施例。不是本专利技术必需的细节和功能被省略,以便不会混淆本专利技术的理解。请注意,类似的参考数字和字母指的是图中的类似的项目,因而一旦在一幅图中定义了一个项目,就不需要在之后的图中讨论了。在本公开中,术语“第一”、“第二”等仅仅被用来在元件或步骤之间进行区分,而并不意图表示时间顺序、优先级或重要性。图1示出了根据本专利技术的一个示例性实施例的系统的示意图。如图1所示,本专利技术的物体表面缺陷检测系统100可以被配置为对传送带102上的物体101进行实时检测。本领域技术人员应当理解,这仅仅是物体表面缺陷检测系统的一个示例,本专利技术构思不限于此。例如,本专利技术的系统可以对不在传送带上的物体进行检测。在系统100被配置为对传送带102上的物体101进行实时检测的实施例中,系统100可以包括传动信号发生设备103,用于感测101物体的接近,当物体101接近传动信号发生设备103时,生成传动暂停信号以使得所述传送带停止传动。停止传动的时间可以由用户设置,例如可以设置为2秒。系统100还可以包括标识码识别装置104和照相机105。标识码识别装置104用于识别物体101的表面的标识码。标识码的示例例如二维码或条形码等,或者其他任何可以唯一地标识物体的图形或数字串等。照相机105用于对物体进行拍照以获取物体的表面图像。作为一个示例,照相机105可以是工业级相机,其具有图像像素高、快门时间短、工作之间长、可在较差环境下工作等优点。本领域技术人员应当理解,本专利技术不局限于此,而是可以采用其他具有类似功能的相机或者可以进行折中而采用其他相机。照相机105可放置在支架上,支架可以架设在物体101的生产线上,以便于照相机对生产线上的物体进行实时拍照。系统100还可以包括工作站106,其是一种能够进行快速图像处理并支持大容量的图片存储的计算机。工作站106可以与照相机105和标识码识别装置104远程放置本文档来自技高网...
【技术保护点】
1.一种用于利用深度学习模型检测物体的表面的缺陷的系统,包括:处理器,被配置为接收所述物体的表面的第一图像和标识所述物体的标识码信息,以及通过对所述第一图像应用深度学习模型来对第一图像进行处理以生成第二图像和缺陷指示,所述缺陷指示包含关于所述物体的表面的缺陷的信息,并且当所述物体的表面具有缺陷时,所述第二图像包括指示所述缺陷的标记;和存储器,被配置为将所述标识码信息、所述第一图像、所述第二图像和所述缺陷指示相关联地存储。
【技术特征摘要】
1.一种用于利用深度学习模型检测物体的表面的缺陷的系统,包括:处理器,被配置为接收所述物体的表面的第一图像和标识所述物体的标识码信息,以及通过对所述第一图像应用深度学习模型来对第一图像进行处理以生成第二图像和缺陷指示,所述缺陷指示包含关于所述物体的表面的缺陷的信息,并且当所述物体的表面具有缺陷时,所述第二图像包括指示所述缺陷的标记;和存储器,被配置为将所述标识码信息、所述第一图像、所述第二图像和所述缺陷指示相关联地存储。2.如权利要求1所述的系统,还包括:标识码识别装置,被配置为识别所述物体的表面的标识码以生成所述标识码信息;和照相机,被配置为对所述物体进行拍照以生成所述第一图像。3.如权利要求1所述的系统,其中所述物体被放置在传送带上,所述系统还包括:传动信号发生设备,被配置为感测所述物体的接近,并且当所述物体接近所述传动信号发生设备时,生成传动暂停信号以使得所述传送带停止传动,其中所述处理器进一步被配置为在接收到所述第一图像和标识码信息之后向所述传动信号发生设备发送传送恢复指令,以及所述传动信号发生设备进一步被配置为根据接收的传送恢复指令生成传动恢复信号以使得所述传送带恢复传动。4.如权利要求1所述的系统,还包括:标识码扫描装置,被配置为扫描所述物体的表面的标识码以生成标识码信息;终端设备,连接到所述标识码扫描装置、所述处理器和所述存储器,并且被配置为接收所述扫描的标识码信息、将其发送到所述处理器、以及从所述处理器接收与所述标识码信息相对应的第二图像和缺陷指示;和显示器,连接到所述终端设备并且被配置为显示所述接收的第二图像和缺陷指示。5.如权利要求1所述的系统,其中所述识别码是二维码或条形码。6.如权利要求1所述的系统,其中所述深度学习模型通过使用包括有缺陷的物体表面图片数据和无缺陷的物体表面图片数据的历史数据被训练。7.如权利要求1所述的系统,其中所述深度学习模型通过使用包括有缺陷的物体表面图片数据和无缺陷的物体表面图片数据的实时数据被训练。8.如权利要求1所述的系统,其中所述深度学习模型包括卷积神经网络模型。9.如权利要求7所述的系统,其中所述卷积神经网...
【专利技术属性】
技术研发人员:戴福双,齐浩楠,
申请(专利权)人:华晨宝马汽车有限公司,
类型:发明
国别省市:辽宁,21
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。