疵点识别设备制造技术

本申请公开了疵点识别设备，包括：第一成像装置，用于采集被测产品位于检测区域内的全局图像；第二成像装置，用于根据全局图像所包含的被测产品的疵点位置信息采集包含疵点的局部图像；以及图像识别装置，用于接收与所述全局图像对应的第一数据和与所述局部图像对应的第二数据并对所述第一数据和所述第二数据进行疵点识别处理。本申请的实施例的方案先对被测产品的全局图像进行识别，在确定存在表面疵点时，再对被测产品的局部图像进行识别，有效提高了行进中的长产品的表面疵点识别速度。

Defect identification equipment

The application discloses a defect recognition device, which includes: a first imaging device for collecting a global image of the tested product in the detection area; a second imaging device for collecting a local image containing defects according to the defect position information of the tested product contained in the global image; and an image recognition device for receiving the first data corresponding to the global image and the The second data corresponding to the local image and the defect identification processing for the first data and the second data. The scheme of the embodiment of the application first identifies the global image of the tested product, and then identifies the local image of the tested product when it is determined that there is a surface defect, which effectively improves the speed of surface defect identification of the long product in motion.

【技术实现步骤摘要】
疵点识别设备
本申请涉及识别设备领域，特别涉及疵点识别设备。
技术介绍
在例如纺织品、皮革等产品的生产线上，需要识别正在生产或生产出的产品是否存在表面疵点，例如，产品上是否有污渍、斑点等。这类产品均为长产品，具有一定的长度，当对这类产品进行识别时，目前主要是通过识别设备将产品展开并连续传送至检测区域，或者是生产设备一边生产一边将生产出的产品连续传送经过检测区域，然后由检测人员站在检测设备或生产设备前通过肉眼识别的方式观察识别区域中的被测产品，从而发现是否存在疵点并进行记录。在产量很大的情况下，由检测人员来识别将会很费人力，而且，检测人员识别速度很慢，在工作一段时间之后容易疲劳，从而存在发生误检的可能性。因此，由检测人员来识别的总体疵点检测效率不高、并且识别准确度不够稳定。近年来，逐渐发展基于机器视觉的疵点识别技术以代替人工检测，其利用相机采集被测产品图像并利用图像识别装置运行的疵点识别应用程序和/或识别算法(例如神经网络模型)对图像进行检测以对疵点进行识别。目前往往是通过采集一定范围内的全局图像，对全局图像进行分析，但由于疵点往往很小，因此对全局图像进行分析所占用的计算资源较大，导致疵点识别速度较慢。
技术实现思路
鉴于以上问题，本申请的实施例提供疵点识别设备，其能提高表面疵点识别速度和准确度。按照本申请的实施例的疵点识别设备，包括：第一成像装置，用于采集被测产品位于检测区域内的全局图像；第二成像装置，用于根据全局图像所包含的被测产品的疵点位置信息采集包含疵点的局部图像；以及图像识别装置，用于接收与所述全局图像对应的第一数据和与所述局部图像对应的第二数据并对所述第一数据和所述第二数据进行疵点识别处理。在一个实施方式中，所述图像识别装置包括第一图像识别装置和第二图像识别装置，所述第一图像识别装置用于接收所述第一数据并对所述第一数据进行疵点识别处理，所述第二图像识别装置用于接收所述第二数据并对所述第二数据进行疵点识别处理。在一个实施方式中，所述第一图像识别装置运行第一神经网络模型，以及所述第二图像识别装置运行第二神经网络模型。在一个实施方式中，所述第一神经网络模型是卷积神经网络模型，以及所述第二神经网络模型是基于区域的卷积神经网络模型。在一个实施方式中，所述第一成像装置包括一个或多个位置固定的相机，以及所述第二成像装置包括一个或多个位置可调整的相机。在一个实施方式中，所述设备还包括控制装置，其用于控制所述第一成像装置采集全局图像，以及控制第二成像装置采集局部图像。在一个实施方式中，所述设备还包括标记装置，其用于根据所述控制装置的控制指令对疵点进行标记。在一个实施方式中，所述设备还包括输送装置，其用于输送被测产品连续地通过所述检测区域。在一个实施方式中，所述输送装置包括第一传动辊和第二传动辊，所述检测区域设置在所述第一传动辊和所述第二传动辊之间，所述检测区域上方设置有支架，所述第一成像装置和所述第二成像装置沿传动方向一前一后设置在所述支架上从以上的描述可以看出，本申请的实施例的方案利用神经网络技术，而不是人，来识别图像所包含的被测产品是否存在表面疵点，与人相比，神经网络技术不会出现疲劳的情况，其能够持续地以较高的识别准确度来识别图像所包含的被测产品是否存在表面疵点，而且，本申请的实施例的方案先对被测产品的全局图像进行识别，在确定存在表面疵点时，再对被测产品的局部图像进行识别，有效提高了行进中的长产品的表面疵点识别速度。附图说明图1为本申请一个实施例的疵点识别设备的示意图；图2为本申请另一个实施例的疵点识别设备的示意图。图3为本申请一个实施例的疵点识别设备的结构示意图。具体实施方式现在将参考示例实施方式讨论本文描述的主题。应该理解，讨论这些实施方式只是为了使得本领域技术人员能够更好地理解从而实现本文描述的主题，并非是对权利要求书中所阐述的保护范围、适用性或者示例的限制。可以在不脱离本公开内容的保护范围的情况下，对所讨论的元素的功能和排列进行改变。各个示例可以根据需要，省略、替代或者添加各种过程或组件。例如，所描述的方法可以按照与所描述的顺序不同的顺序来执行，以及各个步骤可以被添加、省略或者组合。另外，相对一些示例所描述的特征在其他例子中也可以进行组合。如本文中使用的，术语“包括”及其变型表示开放的术语，含义是“包括但不限于”。术语“基于”表示“至少部分地基于”。术语“一个实施例”和“一实施例”表示“至少一个实施例”。术语“另一个实施例”表示“至少一个其他实施例”。术语“第一”、“第二”等可以指代不同的或相同的对象。下面可以包括其他的定义，无论是明确的还是隐含的。除非上下文中明确地指明，否则一个术语的定义在整个说明书中是一致的。在本申请的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。在本申请的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接或可以相互通信；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本申请中的具体含义。下文的公开提供了许多不同的实施方式或例子用来实现本申请的不同结构。为了简化本申请的公开，下文中对特定例子的部件和设定进行描述。当然，它们仅仅为示例，并且目的不在于限制本申请。此外，本申请提供了的各种特定的工艺和材料的例子，但是本领域普通技术人员可以意识到其他工艺的应用和/或其他材料的使用。本申请实施例提供的方案利用第一成像装置采集被测产品位于检测区域内的全局图像，利用第二成像装置根据全局图像所包含的被测产品的疵点位置信息采集包含疵点的局部图像，以及利用图像识别装置对全局图像对应的第一数据和局部图像对应的第二数据进行疵点识别处理，因此，与现有技术本申请的实施例的方案利用神经网络技术，而不是人，来识别图像所包含的被测产品是否存在表面疵点，与人相比，神经网络技术不会出现疲劳的情况，其能够持续地以较高的识别准确度来识别图像所包含的被测产品是否存在表面疵点，而且，本申请的实施例的方案先对被测产品的全局图像进行疵点识别，在确定存在表面疵点时，再对被测产品的局部图像进行疵点识别，有效提高了行进中的长产品的表面疵点识别速度。本申请实施例所述长产品是指例如纺织品、皮革等具有一定长度的产品，在采用成像装置对产品进行图像采集时，需要通过多次采集才能完成整个产品的表面图像采集。以纺织品为例，其具有一定的码长，通常以成卷的方式存放。本申请实施例所述行进中的长产品可以是指长产品通过传送设备连续地传送经过检测区域，以便对长产品的表面进行连续的图像采集和检测。该检测区域可以是产品检测设备的检测台，也可以是产品生产设备的产品产出区域，例如可以是验布机的验布台，或织机的织造区域。为了使本申请的技术方案更加清楚，下面将结合具体场景对本申请实施例提供的疵点识别设备进行介绍。如图1所示，在一实施例中，疵点识别设备可以包括第一成像装置102、第二成像装置104、图像识别装置106以及输送装置108。第一成像装置102和第二成像装置104分别与图像识别装置106连接。其中，第一本文档来自技高网...

【技术保护点】
1.疵点识别设备，其特征是，包括：第一成像装置，用于采集被测产品位于检测区域内的全局图像；第二成像装置，用于根据全局图像所包含的被测产品的疵点位置信息采集包含疵点的局部图像；以及图像识别装置，用于接收与所述全局图像对应的第一数据和与所述局部图像对应的第二数据并对所述第一数据和所述第二数据进行疵点识别处理。

【技术特征摘要】
1.疵点识别设备，其特征是，包括：第一成像装置，用于采集被测产品位于检测区域内的全局图像；第二成像装置，用于根据全局图像所包含的被测产品的疵点位置信息采集包含疵点的局部图像；以及图像识别装置，用于接收与所述全局图像对应的第一数据和与所述局部图像对应的第二数据并对所述第一数据和所述第二数据进行疵点识别处理。2.根据权利要求1所述的设备，其中，所述图像识别装置包括第一图像识别装置和第二图像识别装置，所述第一图像识别装置用于接收所述第一数据并对所述第一数据进行疵点识别处理，所述第二图像识别装置用于接收所述第二数据并对所述第二数据进行疵点识别处理。3.根据权利要求2所述的设备，其中，所述第一图像识别装置运行第一神经网络模型，以及所述第二图像识别装置运行第二神经网络模型。4.根据权利要求3所述的设备，其中，所述第一神经网络模型是卷...

【专利技术属性】
技术研发人员：金玲玲，饶东升，何文玮，
申请(专利权)人：深圳灵图慧视科技有限公司，
类型：新型
国别省市：广东,44