【技术实现步骤摘要】
以反馈数据自主学习提升检测精度的视觉检测方法和系统
本专利技术涉及视觉检测
，尤其涉及一种以反馈数据自主学习提升检测精度的视觉检测方法和系统。
技术介绍
在制药行业中，灯检机是一种针对药品灌注后的玻璃药瓶进行检测的装置。灯检机根据功能可分为人工灯检机、半自动灯检机和全自动灯检机，其中半自动灯检机和全自动灯检机目前仍广泛用于国内外的制药行业中。半自动灯检机的基本原理是，在待检药瓶的自动传输过程中，人工对药瓶进行检视，剔除不合格品，其中，检视的方式可以为直接目视判断或者通过电子显示屏幕对摄像装置拍摄的药瓶序列图像进行间接目视判断。如果用计算机图像算法分析软件替代人工对摄像装置拍摄的药瓶序列图像进行检测分析，并根据检测结果向机电控制装置发送命令以剔除不合格瓶，则为全自动灯检机。理论上，全自动灯检机较半自动灯检机有很大的优势：如提升效率、降低人为不稳定因素等。但是，在实际应用过程中，全自动灯检机概念提出多年，有多款国内外产品问世，但尚未能实现普及或对半自动灯检机的广泛替代。其原因主要有如下两个方面：首先是图像分析算法成...
【技术保护点】
1.一种以反馈数据自主学习提升检测精度的视觉检测方法，应用于服务器，其特征在于，该方法包括以下步骤：/nA、接收检测终端上传的反馈信息，其中，反馈信息为检测终端将检测结果和复核结果不一致的图像生成的反馈信息，所述检测终端安装有深度学习算法模块，所述检测结果为深度学习算法模块对产品的图像进行检测得出的结果，所述复核结果是对检测结果进行复核得出的结果；/nB、对反馈信息进行分类；/nC、所述反馈信息包括问题图像数据，根据分类将问题图像数据加入训练数据集，应用数据增加后的所述训练数据集对检测算法参数进行优化，将优化后的算法参数下发至检测终端。/n
【技术特征摘要】
1.一种以反馈数据自主学习提升检测精度的视觉检测方法，应用于服务器，其特征在于，该方法包括以下步骤：
A、接收检测终端上传的反馈信息，其中，反馈信息为检测终端将检测结果和复核结果不一致的图像生成的反馈信息，所述检测终端安装有深度学习算法模块，所述检测结果为深度学习算法模块对产品的图像进行检测得出的结果，所述复核结果是对检测结果进行复核得出的结果；
B、对反馈信息进行分类；
C、所述反馈信息包括问题图像数据，根据分类将问题图像数据加入训练数据集，应用数据增加后的所述训练数据集对检测算法参数进行优化，将优化后的算法参数下发至检测终端。
2.根据权利要求1所述的以反馈数据自主学习提升检测精度的视觉检测方法，其特征在于，所述反馈信息还包括对应问题图像数据的标签信息，所述标签信息中包含检测终端编号、产品规格、检测时间和复核结果。
3.根据权利要求2所述的以反馈数据自主学习提升检测精度的视觉检测方法，其特征在于，所述步骤B中，服务器中预存有多个缺陷类别和多个原因，所述原因是指检测结果与复核结果不一致可能的原因；
判断问题图像数据中的产品缺陷，并匹配缺陷类别和原因；
然后根据标签信息、缺陷类别和原因对问题图像数据进行分类。
4.根据权利要求3所述的以反馈数据自主学习提升检测精度的视觉检测方法，其特征在于，所述训练数据集包括合格品数据集和不合格品数据集，所述不合格品数据集以产品缺陷种类分为多个子数据集；
将复核结果为合格且无对应缺陷类别的问题图像数据归入合格品数据集，将配有缺陷类别的问题图像数据归入对应的子数据集；
将对应不详原因的问题图像数据和标签信息存入独立的目录。
5.根据权利要求3所述的以反馈数据自主学习提升检测精度的视觉检测方法，其特征在于，首先根据标签信息首先将设备编号相同和产品规格相同的反馈信息归为一类，然后将每个类别以缺陷类别和原因对问题图像数据进行分类。
6.一种以反馈数据自主学习提升检测精度的视觉检测方法，应用于检测终端，其特征在于，检测终端安装有深度学习算法模块，该方法包括以下步骤：
a、获取传输线上产品的图像，深度学习算法模块对图像进行检测，得出检测结果；
b、接收复核结果，当检测结果与复核结果不一致时生成反馈信息，将反馈信息上传至服务器；
c、接收服务器下发的算法参数，对深度学习算法模块中的相应参数进行更新；所述反馈信息包括问题图像数据，服务器对反馈信息进行分类并根据分类将问题图像数据加入训练数据集，服务器应用所述增加问题数据的训练数据集对深度学习算法模块参数进行优化，所述服务器下...
【专利技术属性】
技术研发人员：陈思，杨雪松，高竞恒，谢振华，邓晓，
申请(专利权)人：佛山读图科技有限公司，
类型：发明
国别省市：广东;44
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。