一种基于视觉传感器的缺陷分析系统技术方案

本实用新型专利技术提供了一种基于视觉传感器的缺陷分析系统，包括视觉传感器端和服务器端，所述视觉传感器端连接至服务器端，所述服务器端设有数据存储模块、图像处理模块以及数据处理模块，所述视觉传感器端、数据存储模块、图像处理模块以及数据处理模块依次连接，有效解决了现有产品缺陷检测的各种问题。

【技术实现步骤摘要】
一种基于视觉传感器的缺陷分析系统
本技术涉及一种缺陷分析系统，特别指一种基于视觉传感器的缺陷分析系统。
技术介绍
当前采用计算机从视觉图像中自动识别产品缺陷，在理论上与实际应用中一直都是一个非常难的问题，尤其是复杂背景的视觉图像中产品缺陷的自动识别。这通常是产品缺陷在线检测中的一个主要瓶颈。不过近些年来，随着数学形态学、计算机纹理分析技术与模式识别技术的发展，各种新的自动识别方法不断出现，为产品缺陷的自动识别在理论与方法上提供了很好的支持。目前针对工业上产品缺陷人工检测效率低下的问题，提出一种基于视觉传感器端的缺陷分析系统，能够代替人工进行高效率，高精度的在线缺陷检测且将缺陷反馈到服务器进行进一步分析找出缺陷的原因，为生产流程的改进提供数据依据。综上所述，大多数现有产品缺陷检测存在的效率低，人工成本高，精度低等问题。
技术实现思路
本技术要解决的技术问题，在于提供一种基于视觉传感器的缺陷分析系统，有效解决了现有产品缺陷检测的各种问题。本技术是这样实现的：一种基于视觉传感器的缺陷分析系统，包括视觉传感器端和服务器端，所述视觉传感器端连接至服务器端，所述服务器端设有数据存储模块、图像处理模块以及数据处理模块，所述视觉传感器端、数据存储模块、图像处理模块以及数据处理模块依次连接；所述包括视觉传感器端包括多个视觉传感器，多个视觉传感器从不同位置采集设备的设备运行数据、缺陷图像，并将其发送至服务器端；所述视觉传感器端包括有线视觉传感器和无线视觉传感器，所述数据存储模块分别连接至所述有线视觉传感器和无线视觉传感器。数据存储模块用于对视觉传感器端发送的设备运行数据、缺陷图像和图像处理模块得出的缺陷结果数据进行保存；图像处理模块用于将所有收集到的缺陷图像利用深度学习进行缺陷大数据分析，得到缺陷结果数据；数据处理模块用于将缺陷结果数据与设备运行数据综合分析，获取设备故障结果。进一步地，所述数据存储模块为硬盘。进一步地，所述图像处理模块为GPU。进一步地，所述数据处理模块为CPU。本技术的优点在于：本技术一种基于视觉传感器的缺陷分析系统，将视觉传感器端和服务器端缺陷分析技术相结合，不仅可以多角度采集缺陷数据，而且可以识别缺陷图和分析缺陷数据，达到缺陷检测精准，高效率，而且大大降低部署成本，获得更好的经济效益。该技术可广泛应用于各种工业产品缺陷检测中。附图说明下面参照附图结合实施例对本技术作进一步的说明。图1是本技术一种基于视觉传感器的缺陷分析系统原理框图。具体实施方式请参阅图1所示，本技术的基于视觉传感器的缺陷分析系统，包括视觉传感器端和服务器端，所述视觉传感器端连接至服务器端，所述服务器端设有数据存储模块、图像处理模块以及数据处理模块，所述视觉传感器端、数据存储模块、图像处理模块以及数据处理模块依次连接；所述包括视觉传感器端包括多个视觉传感器，多个视觉传感器从不同位置采集设备的设备运行数据、缺陷图像，并将其发送至服务器端；所述视觉传感器端包括有线视觉传感器和无线视觉传感器，所述数据存储模块分别连接至所述有线视觉传感器和无线视觉传感器。数据存储模块用于对视觉传感器端发送的设备运行数据、缺陷图像和图像处理模块得出的缺陷结果数据进行保存；图像处理模块用于将所有收集到的缺陷图像利用深度学习进行缺陷大数据分析，得到缺陷结果数据；数据处理模块用于将缺陷结果数据与设备运行数据综合分析，获取设备故障结果。所述数据存储模块为硬盘，所述图像处理模块为GPU，所述数据处理模块为CPU。本专利技术一种具体实施方式：请参照图1所示，本实施例提供一种基于视觉传感器的缺陷分析系统，包括视觉传感器端和服务器端。其中，视觉传感器端有多组有线视觉传感器和无线视觉传感器(譬如：CognexIn-Sight2000系列或CognexIn-Sight5000系列)组成，用于从不同位置采集设备运行数据、缺陷图像发送服务器。服务器端由数据存储模块、图像处理模块和数据处理模块组成。其中，数据存储模块为硬盘，图像处理模块为GPU，数据处理模块为CPU。首先，多组视觉传感器从各个角度拍摄图像，将图像通过视觉传感器的CMOS传感器进行采集，并由DSP处理器对图像进行识别和分析(视觉传感器内的CMOS传感器用于采集图像，视觉传感器内的DSP处理器专门进行图像分析)，从而得出设备运行数据(如运行状态、速度等)以及缺陷图像，并通过有线或无线网络的tcp/ip协议将设备运行数据、缺陷图像发送到服务器端。服务器端的数据存储模块将视觉传感器发送的数据保存在本地硬盘。所述图像处理模块采用深度学习中的卷积神经网络进行缺陷图像的大数据分析，因为本技术在同一位置通过多组视觉传感器进行图像采集，所以针对某一缺陷，会采集到多组图像，因此可以运用深度学习进行大数据分析，从而得出更为准确的缺陷结果数据；数据处理模块用于将缺陷结果数据与设备运行数据综合分析，获取设备故障结果。例如，二维码印刷流水线，某处视觉传感器采集到多组印刷出的二维码图像，通过对多张缺陷图像的深度学习分析，得出二维码图像被拉长失真的缺陷结果数据，而数据存储模块中所存储的某传送带的速度出现异常，经过数据处理模块分析得出，由于传送带速度异常导致在传送带上进行喷码的二维码出现失真，从而正确得出流水线故障结果。图像处理模块就是服务器的GPU硬件设备，所用的方法是现有的深度学习之卷积神经网络；数据处理模块就是IntelCPU硬件来进行综合运算分析。深度学习、大数据分析以及缺陷原因的综合运算，分别运用到先进的现有技术以及行业内经验，而本技术的系统，由于设有多组视觉传感器以及数据存储模块、图像处理模块和数据处理模块，使得系统可以方便的运用上这些先进技术，达到缺陷检测精准，高效率，而且大大降低部署成本，获得更好的经济效益。虽然以上描述了本技术的具体实施方式，但是熟悉本
的技术人员应当理解，我们所描述的具体的实施例只是说明性的，而不是用于对本技术的范围的限定，熟悉本领域的技术人员在依照本技术的精神所作的等效的修饰以及变化，都应当涵盖在本技术的权利要求所保护的范围内。本文档来自技高网...

【技术保护点】
1.一种基于视觉传感器的缺陷分析系统，包括视觉传感器端和服务器端，所述视觉传感器端连接至服务器端，所述服务器端设有数据存储模块、图像处理模块以及数据处理模块，所述视觉传感器端、数据存储模块、图像处理模块以及数据处理模块依次连接；/n数据存储模块用于对视觉传感器端发送的设备运行数据、缺陷图像和图像处理模块得出的缺陷结果数据进行保存，所述数据存储模块为硬盘；/n图像处理模块用于将所有收集到的缺陷图像利用深度学习进行缺陷大数据分析，得到缺陷结果数据，所述图像处理模块为GPU；/n数据处理模块用于将缺陷结果数据与设备运行数据综合分析，获取设备故障结果，所述数据处理模块为CPU；/n其特征在于：所述视觉传感器端包括多个视觉传感器，多个视觉传感器从不同位置采集设备的设备运行数据、缺陷图像，并将其发送至服务器端；/n所述视觉传感器端包括有线视觉传感器和无线视觉传感器，所述数据存储模块分别连接至所述有线视觉传感器和无线视觉传感器。/n

【技术特征摘要】
1.一种基于视觉传感器的缺陷分析系统，包括视觉传感器端和服务器端，所述视觉传感器端连接至服务器端，所述服务器端设有数据存储模块、图像处理模块以及数据处理模块，所述视觉传感器端、数据存储模块、图像处理模块以及数据处理模块依次连接；
数据存储模块用于对视觉传感器端发送的设备运行数据、缺陷图像和图像处理模块得出的缺陷结果数据进行保存，所述数据存储模块为硬盘；
图像处理模块用于将所有收集到的缺陷图像利用深度学习进行...

【专利技术属性】
技术研发人员：林瑞滨，
申请(专利权)人：维库厦门信息技术有限公司，
类型：新型
国别省市：福建;35