基于深度学习的涂布缺陷检测系统技术方案

本发明专利技术涉及一种基于深度学习的涂布缺陷检测系统，其包括图像采集模块，用于获取涂布生产线的各种不同类型熔喷布涂胶面图像；图像处理模块连接图像采集模块，用于对相机获取的图像进行预处理、特征提取；图像处理模块包括图像预处理模块、图像特征提取模块；图像预处理模块，用于将获取的图像均匀分割为设定尺寸的多个小图像，图像分析模块与图像处理模块连接，用来判断图像是否具有缺陷。本发明专利技术通过图像采集模块、图像处理模块和图像分析模块之间的配合可以高效实现对不同类型熔喷布涂胶面缺陷的检测，不仅检测精度高，适应性广泛，速度快。

【技术实现步骤摘要】
基于深度学习的涂布缺陷检测系统
本专利技术涉及机器视觉与图像处理
，特别涉及一种基于深度学习的涂布缺陷检测系统。
技术介绍
涂布广泛应用于各种膜、纸、无纺布等材料的表面加工，是生产纳滤膜与反渗透膜的工艺过程中关键环节之一。在涂布工业生产中，由于各种因素所涂的熔喷布会出现刮痕、竖线、亮点和褶皱等缺陷。这些缺陷的存在导致产品的良率降低。在国内涂布工艺的生产过程中，大型公司均采用国外进口设备监测涂布厚度的变化，存在价格昂贵的不足。其他创业型小公司大多停留在传统人工目视抽检阶段。传统人工检测的特点不需要专业设备只需要指导培训专业人员即可，但是其缺点是结果受主观因素影响较大会导致漏检和误检情况，且只能在完成涂布后，离线抽样检测缺陷，无法实时在线检测。因此，亟需提供一种可实现高效、准确的基于深度学习的涂布缺陷检测系统。
技术实现思路
为解决上述问题，本专利技术的目的为提供一种可实现高效、准确的基于深度学习的涂布缺陷检测系统。为实现上述目的，本专利技术提供如下技术方案：一种基于深度学习的涂布缺陷检测系统，包括：...

【技术保护点】
1.一种基于深度学习的涂布缺陷检测系统，其特征在于，包括：/n图像采集模块，用于获取涂布生产线的各种不同类型熔喷布涂胶面图像；/n图像处理模块连接图像采集模块，用于对相机获取的图像进行预处理、特征提取；/n图像处理模块包括图像预处理模块、图像特征提取模块；/n图像预处理模块，用于将获取的图像均匀分割为设定尺寸的多个小图像，/n图像特征提取模块，将预处理后的样本图像输入到深度学习网络模型中，通过大数据的迭代自动完成特征向量的提取；/n图像分析模块与图像处理模块连接，用来判断图像是否具有缺陷。/n

【技术特征摘要】
1.一种基于深度学习的涂布缺陷检测系统，其特征在于，包括：
图像采集模块，用于获取涂布生产线的各种不同类型熔喷布涂胶面图像；
图像处理模块连接图像采集模块，用于对相机获取的图像进行预处理、特征提取；
图像处理模块包括图像预处理模块、图像特征提取模块；
图像预处理模块，用于将获取的图像均匀分割为设定尺寸的多个小图像，
图像特征提取模块，将预处理后的样本图像输入到深度学习网络模型中，通过大数据的迭代自动完成特征向量的提取；
图像分析模块与图像处理模块连接，用来判断图像是否具有缺陷。


2.根据权利要求1所述的基于深度学习的涂布缺陷检测系统，其特征在于：所述图像采集模块为采用两个高分辨率的工业C...

【专利技术属性】
技术研发人员：卢岩，
申请(专利权)人：苏州岩建智能科技有限公司，
类型：发明
国别省市：江苏;32