一种基于深度学习算法的缺陷检测识别装置和方法制造方法及图纸

本发明专利技术公开了一种基于深度学习算法的缺陷检测识别装置，涉及缺陷检测识别领域，包括检测台，检测系统，模型推理系统，所述检测系统和所述检测台相连接，所述模型推理系统运行于所述检测系统。本发明专利技术在真实加工缺陷数据样本不足的情况下训练出有效的神经网络模型对待检测加工缺陷图像进行检测识别，利用深度学习算法降低了漏检率，实现了待检测装饰板材的全自动检测，降低了人工工作量。

A Defect Detection and Recognition Device and Method Based on Deep Learning Algorithms

The invention discloses a defect detection and recognition device based on deep learning algorithm, which relates to the field of defect detection and recognition, including a detection platform, a detection system, a model reasoning system, the detection system and the detection platform are connected, and the model reasoning system runs in the detection system. The invention trains an effective neural network model to detect and recognize the processing defect image in the case of insufficient real processing defect data samples, reduces the missed detection rate by using depth learning algorithm, realizes the automatic detection of decorative plate to be detected, and reduces the manual workload.

【技术实现步骤摘要】
一种基于深度学习算法的缺陷检测识别装置和方法
本专利技术涉及深度学习
，尤其涉及一种基于深度学习算法的缺陷检测识别装置和方法。
技术介绍
装饰板材作为室内装修的重要材料，被大量应用于各类室内场所，如体育馆，宾馆，住宅楼等。在装饰板材的生产制作过程中，质量检测是关键的一环，在实际的生产中，生产企业通常雇佣数名技术熟练且经验丰富的检验员在生产线上对装饰板材表面加工缺陷进行检测。然而装饰板材生产数量巨大，且其加工缺陷类型繁多，如：划痕、污点、斑块、磨损、碎屑等，因而造成了人工检测效率低下，且容易因为检验员的疲劳而漏检，其时间和经济成本很高。采用自动化检测装置及方法对装饰板材加工缺陷进行检测是行之有效的提高效率，降低成本及漏检率的方法。早期的自动化检测方法倾向于根据缺陷的类型提取特定的手工图像特征，采用数字图像处理方法如阈值分割、椭圆Gabor滤波器、RGB直方图等选择特定的图像特征。目前暂未有关于对装饰板材加工缺陷检测识别方法的相关专利，在其他表面检测方法中，如专利“基于机器视觉的玻璃表面缺陷检测装置及方法”[CN106248686A]提出采用CCD相机对玻璃图像进行采集，在采用数字本文档来自技高网...

【技术保护点】
1.一种基于深度学习算法的缺陷检测识别装置，其特征在于，包括检测台，检测系统，模型推理系统，所述检测系统和所述检测台相连接，所述模型推理系统运行于所述检测系统。

【技术特征摘要】
1.一种基于深度学习算法的缺陷检测识别装置，其特征在于，包括检测台，检测系统，模型推理系统，所述检测系统和所述检测台相连接，所述模型推理系统运行于所述检测系统。2.如权利要求1所述的基于深度学习算法的缺陷检测识别装置，其特征在于，所述检测台包括固定在地面的工作台、安装在工作台上运输板材的传送带机构、安装在工作台上的相机安装支架，所述传送带机构由两个同步轮、同步带和驱动电机组成，所述两个同步轮分别为主动同步轮和从动同步轮，分别支撑在所述工作台两端，所述主动同步轮与所述驱动电机相连接，所述主动同步轮和所述从动同步轮带动所述同步带，所述驱动电机驱动所述主动同步轮。3.如权利要求1或2所述的基于深度学习算法的缺陷检测识别装置，其特征在于，所述检测系统包括图像采集卡、CCD(chargecoupleddevice)相机、运动控制卡、红外线检测模块和上位计算机；所述CCD相机安装在所述相机安装支架上，位于所述传送带机构的正上方，所述CCD相机镜面朝向所述传同步带，运动控制卡与所述驱动电机连接；所述图像采集卡控制所述CCD相机采集所述传送带上待检测装饰板材图像，并将所述图像传至所述上位计算机；所述运动控制卡收到所述上位计算机的指令后，控制所述驱动电机驱动所述同步轮运动，带动所述同步带将下一块装饰板材运送至所述CCD相机镜头下；所述上位计算机连续扫描与所述运动控制卡连接的端口，当检测到所述传送带有装饰板材经过时，向所述图像采集卡发送采集待检测装饰板材图像的指令；所述红外检测模块包括红外线发射装置和红外线接受装置，所述红外线检测模块通过串口与所述运动控制卡相连，用于检测装饰板材是否到达图像采集区域。4.如权利要求1-3任一所述的基于深度学习算法的缺陷检测识别装置，其特征在于，所述模型推理系统运行于上位计算机，利用深度学习模型检索并识别出不同种类的装饰板加工缺陷，当所述图像采集卡采集到装饰板材图像后，经所述上位计算机将所述图像输入所述模型推理模块进行缺陷检索识别。5.如权利要求3所述的基于深度学习算法的缺陷检测识别装置，其特征在于，所述红外线检测模块根据检测单块装饰板材的前沿判断装饰板材是否到达所述图像采集区域。6.一种基于深度学习算法的缺陷检测识别方法，其特征在于，包括以下步骤：S100，使用如权利要求1-5任一所述的基于深度学习算法的缺陷检测识别装置；S101，采集真实的装饰板材加工缺陷图...

【专利技术属性】
技术研发人员：乐心怡，黄梓田，习俊通，周博宇，何欣，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：上海,31