一种基于机器视觉的陶瓷杯缺陷检测方法技术

本发明专利技术涉及机器视觉以及陶瓷缺陷检测领域，尤其涉及一种基于深度学习算法的陶瓷杯缺陷检测方法。属于机器视觉和深度学习领域，所述方法包括：对陶瓷产品图片进行像素级别的缺陷标注，并将原始产品图片以及对应的标注信息作为样本数据从而得到原始数据集、训练集以及测试集；构建基于深度学习的缺陷检测网络模型；将所述训练集和测试集输入搭建好的缺陷检测模型进行训练，通过参数微调得到完整检测模型之后，该模型完成在线检测陶瓷产品缺陷任务。本发明专利技术采用目标检测机器学习算法，针对具体应用场景改进了深度学习网络的具体结构，使得该模型在陶瓷缺陷种类繁多、缺陷区域微小等不利条件下，仍能高效、准确地检出并进行自动缺陷种类判别。

A method of ceramic cup defect detection based on machine vision

【技术实现步骤摘要】
一种基于机器视觉的陶瓷杯缺陷检测方法
本专利技术涉及机器视觉以及陶瓷缺陷检测领域，具体的说是一种基于机器视觉的陶瓷杯缺陷检测方法。
技术介绍
将机器视觉应用于工业产线检测环节是智能制造的重要应用场景之一，传统的机器视觉检测方法是将待检对象的形状、颜色等特征建立模板，利用模板对待检测对象进行匹配。陶瓷类产品检测，往往缺陷种类繁多且形状大小不一，传统的机器视觉方法因缺乏通用性而效率较低。引入基于深度学习方法的机器视觉系统，不仅可以大大提高陶瓷残次品检测效率，并且兼具灵活性及高精度。
技术实现思路
本专利技术的目的在于使用视觉设备对陶瓷杯缺陷进行检测，提供一种能够识别陶瓷杯缺陷的机器视觉检测算法。本专利技术的目的通过下述技术方案实现：一种基于机器视觉的陶瓷杯缺陷检测方法，具体的，所述机器视觉技术为基于深度学习的缺陷检测算法，具体步骤主要包括：，步骤1：数据采集与图片标注具体的，所述步骤1包括在生产制造陶瓷杯的工厂中，现场在产线上采集大量陶瓷杯图片(包括合格品与残次品)，对产品图片进行分类型的像素级别本文档来自技高网...

【技术保护点】
1.一种基于机器视觉的陶瓷缺陷检测方法，其特征在于，包括如下步骤：/n步骤1：数据采集与图片标注/n步骤2：建立数据集/n步骤3：构建神经网络模型并进行样本数据训练/n步骤4：模型参数调整/n步骤5：在线检测。/n

【技术特征摘要】
1.一种基于机器视觉的陶瓷缺陷检测方法，其特征在于，包括如下步骤：
步骤1：数据采集与图片标注
步骤2：建立数据集
步骤3：构建神经网络模型并进行样本数据训练
步骤4：模型参数调整
步骤5：在线检测。


2.根据权利要求1所述的基于机器视觉的陶瓷缺陷检测方法，其特征在于，所述步骤1包括在生产制造陶瓷杯的工厂中，线上采集大量陶瓷杯图片(包括合格品与残次品)，对产品图片进行分类型的像素级别的缺陷标注。


3.根据权利要求1所述的基于机器视觉的陶瓷缺陷检测方法，其特征在于，所述步骤1还包括定义缺陷类型包括：针孔、开裂、裂把、疙瘩、脏点、色脏、硬伤。


4.据...

【专利技术属性】
技术研发人员：赵宇坤，何其伟，宗兆翔，
申请(专利权)人：上海电机学院，
类型：发明
国别省市：上海;31