一种基于卷积神经网络的工业产品表面缺陷检测和分类装置制造方法及图纸

本发明专利技术涉及工业产品表面的缺陷检测和分类技术领域，公开了一种基于卷积神经网络的工业产品表面缺陷检测和分类装置，包括图片采集系统、缺陷检测系统、显示系统、数据分发系统和模型更新系统，所述图片采集系统包括ARM芯片、标号模块、摄像模块和数据发送模块A。本发明专利技术具有缺陷检出、缺陷定位和缺陷分类的功能，利用监控模块可以实时采集产品表面情况以及进行相应的缺陷检测和分类任务，且基于度量学习的小样本分类网络进行缺陷的分类，能够在ImageNet数据集上训练，在缺陷检测时，不需要大量的数据集进行训练，只要很少的产品缺陷数据就能获得良好的结果，且自动化程度高，准确率高，成本较低。成本较低。成本较低。

【技术实现步骤摘要】
一种基于卷积神经网络的工业产品表面缺陷检测和分类装置


[0001]本专利技术涉及工业产品表面的缺陷检测和分类
，具体是一种基于卷积神经网络的工业产品表面缺陷检测和分类装置。

技术介绍

[0002]在工业生产中，为了保证最后产品的质量，最后的质量检查是必不可少的步骤，由于缺陷存在，导致使用该产品的设备不稳定，或者生产该产品的工厂的良品率太低。
[0003]目前一般会采用人工检查的方式，然而这会带来很大的人力资源消耗，并且效率比较低下，人一旦疲劳，可能会造成很多漏检的情况，而且工业产品种类繁多，每次在检查新产品时总是需要培养工人，且自动化程度低，准确率低，成本较高。

技术实现思路

[0004]本专利技术的目的在于提供一种基于卷积神经网络的工业产品表面缺陷检测和分类装置，以解决上述
技术介绍
中提出的问题。
[0005]为实现上述目的，本专利技术提供如下技术方案：
[0006]一种基于卷积神经网络的工业产品表面缺陷检测和分类装置，包括图片采集系统、缺陷检测系统、显示系统、数据分发系统和模型更新系统，所述图片采本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于卷积神经网络的工业产品表面缺陷检测和分类装置，包括图片采集系统、缺陷检测系统、显示系统、数据分发系统和模型更新系统，其特征在于，所述图片采集系统包括ARM芯片、标号模块、摄像模块和数据发送模块A，所述ARM芯片用于对摄像模块进行控制，并实时检测是否有产品在摄像模块视觉范围内，所述摄像模块用于对待检测图片进行图像的采集，所述标号模块用于对所采集的图片进行标号使其对应产品，并通过数据发送模块A传送至数据分发系统中；所述数据分发系统包含接收模块和信息转发模块，所述接收模块用于接收图片采集系统和缺陷检测系统发送的信息，并通过信息转发模块转发至缺陷检测系统、显示系统和模型更新系统；所述缺陷检测系统包括数据接收模块B、缺陷检测模块和数据发送模块B，所述数据接收模块B在获得摄像模块拍摄的工业产品图片后，通过缺陷检测模块中模型判断该产品表面是否存在缺陷，再依次通过数据发送模块B和数据分发系统中的接收模块和信息转发模块将检测结果传送至显示系统中，通过显示系统显示工业产品是否为缺陷产品，如果为缺陷产品并将缺陷的位置显示出来；所述显示系统包含数据接收模块C、数据处理模块、显示模块和数据存储模块，所述数据接收模块C用于接收数据分发系统中信息转发模块传输过来的信息，并通过数据处理模块对信息进行处理，所述数据存储模块用于存储数据处理模块处理的数据，所述显示模块用于显示判断产品是否包含缺陷，以及若有缺陷显示出缺陷的位置；所述模型更新系统包含掩码产生模块、模型数据模块和数据发送模块C，所述掩码产生模块用于接收数据分发系统中信息转发模块传输过来的产品图片，并对有缺陷的图片产生后语义分割的掩码，以用于后续的模型训练；所述模型数据模块用于训练缺陷检测系统中模型，将训练后的模型数据依次通过数据发送模块C和数据接收模块B传入缺陷检测模块以更新模型参数，以提高模型的性能。2.根据权利要求1所述的一种基于卷积神经网络的工业产品表面缺陷检测和分类装置，其特征在于，所述缺陷检测系统的检测方法包括语义分割中的全卷积神经网络的方法（FCN）和基于度量学习的小样本分类网络的方法，所述语义分割中的全卷积神经网络的方法（FCN）用于进行训练并保存数据模型，以分割出缺陷位置和对有无缺陷进行判别的模...

【专利技术属性】
技术研发人员：陈鹏，黄健，郑春厚，章军，王兵，
申请(专利权)人：安徽大学，
类型：发明
国别省市：