一种高速高精度视觉检测方法技术

本发明专利技术涉及一种高速高精度视觉检测方法，属于图像识别技术领域。具体包括：统计产品工艺发生变化时，产品发生变化后量测人员的量测方法；对量测方法进行整理，建立表格文档；从归纳的量测方法表格文档中挑选出不同条件下量测方法的差异重点；建立深度学习网络，利用该网络将产品进行归类划分；将所有在可承受的差异变化内的产品分别归类到这几类产品中，每类产品设置一套最优参数；当有新的产品需要检测时，先通过深度学习网络，将该产品定义至被归类的某一类中，调取该归类的检测参数；选择完成最优参数后，使用图像识别算法进行测量。本发明专利技术能够提高在产品检测中的视觉识别的数据准确性和软件对产品的适应性，以及软件检测的效率。

【技术实现步骤摘要】
一种高速高精度视觉检测方法
本专利技术属于图像识别
，涉及一种高速高精度视觉检测方法。
技术介绍
图像处理技术是用计算机对图像信息进行处理的技术。主要包括图像数字化、图像增强和复原、图像数据编码、图像分割和图像识别等。图像的处理技术包括点处理、组处理、几何处理和帧处理四种方法。图像处理技术的应用领域非常广泛，在工厂自动化应用中主要用于精确定位，精确测量等，其精度可达到微米级别，但是该技术存在的缺点就是会受到被侧产品特征变化的影响，当被侧产品特征发生一定的变化时，图像处理技术很难跟着变化进行自适应的调整。深度学习是近十年来人工智能领域取得的重要突破。它在语音识别、自然语言处理、计算机视觉、图像与视频分析、多媒体等诸多领域的应用取得了巨大成功。现有的深度学习模型属于神经网络。神经网络的起源可追溯到20世纪40年代，曾经在八九十年代流行。神经网络试图通过模拟大脑认知的机理解决各种机器学习问题，该技术在工厂自动化应用中主要用于外观缺陷的检测和一些需要人为参与的简单的逻辑判断功能，该技术具有很强的适应性，但是该技术无法进行精确测量，且其检测本文档来自技高网...

【技术保护点】
1.一种高速高精度视觉检测方法，其特征在于：该方法包括以下步骤：/nS1：统计分析产品工艺发生变化时，产品发生变化后量测人员的量测方法信息，作为基础数据；/nS2：将基础数据进行归类记录，即对量测方法信息进行整理，建立量测方法表格文档；/nS3：从归纳的量测方法表格文档中挑选出不同条件下量测方法的差异重点；/nS4：将量测方法进行归类与对应的图片录入数据库，建立深度学习网络，利用该网络将产品进行归类划分；/nS5：将所有在可承受的差异变化内的产品分别归类到这几类产品中，每类产品设置一套最优参数；/nS6：当有新的产品需要检测时，先通过深度学习网络，将该产品定义至被归类的某一类中，调取该归类的检...

【技术特征摘要】
1.一种高速高精度视觉检测方法，其特征在于：该方法包括以下步骤：
S1：统计分析产品工艺发生变化时，产品发生变化后量测人员的量测方法信息，作为基础数据；
S2：将基础数据进行归类记录，即对量测方法信息进行整理，建立量测方法表格文档；
S3：从归纳的量测方法表格文档中挑选出不同条件下量测方法的差异重点；
S4：将量测方法进行归类与对应的图片录入数据库，建立深度学习网络，利用该网络将产品进行归类划分；
S5：将所有在可承受的差异变化内的产品分别归类到这几类产品中，每类产品设置一套最优参数；
S6：当有新的产品需要检测时，先通过深度学习网络，将该产品定义至被归类的某一类中，调取该归类的检测参数；
S7：选择完成最优参数后，使用图像识别算法进行测量，获得测量值并生成数据报表。


2.根据权利要求1所述的一种高速高精度视觉检测方法，其特征在于：在步骤S3中，所述的不同条件下量测方法的差异重点主要包括：
1)光源照度的调整：不同批次产品表面存在差异时，调整不同的光源照度来进行量测；
2)量测位置的调整：不同批次产品外形存在差异时，调整不同的量测位置进行量测。


3.根据权利要求2所述的一种高速高精度视觉检测方法，其特征在于：在本视觉检测方法中，对神经网络系统进行优化，针对需要检测产品三种不同区域不同类型的缺陷特征，建立三个神经网络系统，在每个单一...

【专利技术属性】
技术研发人员：沈宗凯，罗峰，
申请(专利权)人：苏州睿信诺智能科技有限公司，
类型：发明
国别省市：江苏;32