一种基于人工智能的瑕疵判定系统及瑕疵判定方法技术方案

本发明专利技术提供了一种基于人工智能的瑕疵判定系统及瑕疵判定方法，所述瑕疵判定系统包括：用于传输待测样品的传输装置，设置在传输装置的正上方的CCD相机，安装在CCD相机上的成像镜头，设置在传输装置的两侧的上方并用于对待测样品进行照射的变色光源，以及与CCD相机通信连接的PC机，PC主机内设置有图像处理软件，图像处理软件中设置有神经网络模型，CCD相机拍摄的待测样品的图片通过图像处理软件中的神经网络模型进行瑕疵的判定以及完成对待测样品的分类。本发明专利技术的瑕疵判定系统可以改变光源的颜色照射样品，使得瑕疵更加清晰，并且运用了神经网络模型来对图片中瑕疵进行高效识别，人工投入少，提高了检测的效率。

【技术实现步骤摘要】
一种基于人工智能的瑕疵判定系统及瑕疵判定方法
本专利技术涉及检测设备
，尤其涉及一种基于人工智能的瑕疵判定系统及瑕疵判定方法。
技术介绍
目前在工业生产过程中，瑕疵检测是很多产品质量检测环节及其重要的步骤。现有技术瑕疵检测是将工业相机采集到的产品表面图像经过图像处理软件，然后人工在图像处理软件中对瑕疵进行标记和识别，处理的速度慢，并且现有技术的瑕疵判定系统通常只具备有单一颜色的光源，而对于不同的物品，在单一颜色的光源下可能并无法拍摄出物品上的瑕疵，导致后期瑕疵的识别精度不高。因此，现有技术还有待于改进和发展。
技术实现思路
本专利技术的主要目的在于解决现有瑕疵检测方法，检测效率低，且识别精度不高的技术问题。本专利技术第一方面提供了一种基于人工智能的瑕疵判定系统，包括：用于传输待测样品的传输装置，设置在所述传输装置的正上方的CCD相机，安装在所述CCD相机上的成像镜头，设置在所述传输装置的两侧的上方并用于对所述待测样品进行照射的变色光源，以及与所述CCD相机通信连接的PC机，所述PC主机内设置有图像处理软件，所述图像处理软件中设置有神经网络模型，所述CCD相机拍摄的所述待测样品的图片通过所述图像处理软件中的所述神经网络模型进行瑕疵的判定以及完成对所述待测样品的分类。所述的基于人工智能的瑕疵判定系统，其中，所述变色光源包括红光光源、绿光光源、蓝光光源和白光光源。所述的基于人工智能的瑕疵判定系统，其中，所述待测样品包括透明物体。所述的基于人工智能的瑕疵判定系统，其中，所述瑕疵包括缩水、划伤和脏污。本专利技术第二方面提供了一种基于人工智能的瑕疵判定方法，所述基于人工智能的瑕疵判定方法包括：通过传输装置将待测样品传输至拍摄工位；根据所述待测样品的表面特性将变色光源调整至与所述待测样品匹配的颜色，对所述待测样品进行照射；利用CCD相机对所述待测样品进行拍照，获得所述待测样品的图片；将所述图片输入到PC机的图像处理软件中，通过所述图像处理软件中的神经网络模型对所述图片进行瑕疵判定，并完成对所述待测样品的分类。所述的基于人工智能的瑕疵判定方法，其中，所述根据所述待测样品的表面特性将变色光源调整至与所述待测样品匹配的颜色包括：根据所述待测样品的表面颜色，选择将所述变色光源调整至与所述待测样品的颜色相同，或者选择将所述变色光源调整至波长与所述待测样品的颜色差别最大的颜色。所述的基于人工智能的瑕疵判定方法，其中，所述将所述图片输入到PC机的图像处理软件中，通过所述图像处理软件中的神经网络模型对所述图片进行瑕疵判定，并完成对所述待测样品的分类之前包括：采集不同类型瑕疵图像，基于所述瑕疵图像构造训练样本集和测试样本集；利用所述训练样本集对所述神经网络模型进行训练，得到训练后的所述神经网络模型；将所述测试样本集输入训练后的所述神经网络模型进行测试，并获得测试结果；对所述测试结果进行判断；若所述测试结果不符合预期要求，则重复利用所述训练样本集和所述训练样本集对所述神经网络模型进行迭代训练和测试，直至所述测试结果符合预期要求。所述的基于人工智能的瑕疵判定方法，其中，所述利用CCD相机对所述待测样品进行拍照，获得所述待测样品的图片之后包括：对所述图片进行预处理，所述预处理包括灰度变换和裁切。所述的基于人工智能的瑕疵判定方法，其中，所述基于人工智能的瑕疵判定方法还包括：若所述瑕疵为缩水，则将所述变色光源调整成白色条状对所述待测样品进行照射，并根据白色条状光源在所述待测样品的表面是否发生弯曲来判定所述待测样品是否发生缩水。所述的基于人工智能的瑕疵判定方法，其中，所述采集不同类型瑕疵图像，基于所述瑕疵图像构造训练样本集和测试样本集包括：采集不同类型的瑕疵图像，并对不同类型的所述瑕疵图像进行融合扩展，获得更多所述瑕疵图像的样本；基于所述瑕疵图像的样本构造训练样本集和测试样本集。有益效果：本专利技术提供了一种基于人工智能的瑕疵判定系统及瑕疵判定方法，所述基于人工智能的瑕疵判定系统包括：用于传输待测样品的传输装置，设置在所述传输装置的正上方的CCD相机，安装在所述CCD相机上的成像镜头，设置在所述传输装置的两侧的上方并用于对所述待测样品进行照射的变色光源，以及与所述CCD相机通信连接的PC机，所述PC主机内设置有图像处理软件，所述图像处理软件中设置有神经网络模型，所述CCD相机拍摄的所述待测样品的图片通过所述图像处理软件中的所述神经网络模型进行瑕疵的判定以及完成对所述待测样品的分类。本专利技术的基于人工智能的瑕疵判定系统可以改变光源的颜色照射样品，使得瑕疵清晰，并且运用了神经网络模型来对图片中瑕疵进行高效识别，人工投入少，极大的提高了检测的效率。附图说明图1为本专利技术一种基于人工智能的瑕疵判定系统的结构示意图；图2为本专利技术一种基于人工智能的瑕疵判定方法的流程框图；图3为物体表面不存在缩水瑕疵时白色条状光源的形态示意图；图4为物体表面存在缩水瑕疵时白色条状光源的形态示意图。具体实施方式本专利技术实施例提供了一种基于人工智能的瑕疵判定系统及瑕疵判定方法。需要说明的是本专利技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外，术语“包括”或“具有”及其任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。为便于理解，下面对本专利技术实施例的具体流程进行描述，请参阅图1，本专利技术第一方面提供了一种基于人工智能的瑕疵判定系统，包括：用于传输待测样品的传输装置10，设置在所述传输装置10的正上方的CCD相机20，安装在所述CCD相机20上的成像镜头30，设置在所述传输装置10的两侧的上方并用于对所述待测样品进行照射的变色光源40，以及与所述CCD相机20通信连接的PC机50，所述PC主机50内设置有图像处理软件，所述图像处理软件中设置有神经网络模型，所述CCD相机20拍摄的所述待测样品的图片通过所述图像处理软件中的所述神经网络模型进行瑕疵的判定以及完成对所述待测样品的分类。在本专利技术第一方面一种可选的实施方式中，所述变色光源40包括红光光源、绿光光源、蓝光光源和白光光源。在本专利技术中，拍摄取像，根据仿人眼的取像方法，会采取合理的角度进行拍摄，这对缩水划伤，以及脏污等配合采用不同的拍摄方法，拍摄时会配合不同的光源(红光，绿光，蓝光和白光)。针对不同的瑕疵，采用不同的光源。在本专利技术第一方面一种可选的实施方式中，所述待测样品包括透明物体。目前随着工业自动化时本文档来自技高网...

【技术保护点】
1.一种基于人工智能的瑕疵判定系统，其特征在于，包括：用于传输待测样品的传输装置，设置在所述传输装置的正上方的CCD相机，安装在所述CCD相机上的成像镜头，设置在所述传输装置的两侧的上方并用于对所述待测样品进行照射的变色光源，以及与所述CCD相机通信连接的PC机，所述PC主机内设置有图像处理软件，所述图像处理软件中设置有神经网络模型，所述CCD相机拍摄的所述待测样品的图片通过所述图像处理软件中的所述神经网络模型进行瑕疵的判定以及完成对所述待测样品的分类。/n

【技术特征摘要】
20210115 CN 20211005762851.一种基于人工智能的瑕疵判定系统，其特征在于，包括：用于传输待测样品的传输装置，设置在所述传输装置的正上方的CCD相机，安装在所述CCD相机上的成像镜头，设置在所述传输装置的两侧的上方并用于对所述待测样品进行照射的变色光源，以及与所述CCD相机通信连接的PC机，所述PC主机内设置有图像处理软件，所述图像处理软件中设置有神经网络模型，所述CCD相机拍摄的所述待测样品的图片通过所述图像处理软件中的所述神经网络模型进行瑕疵的判定以及完成对所述待测样品的分类。


2.根据权利要求1所述的基于人工智能的瑕疵判定系统，其特征在于，所述变色光源包括红光光源、绿光光源、蓝光光源和白光光源。


3.根据权利要求1所述的基于人工智能的瑕疵判定系统，其特征在于，所述待测样品包括透明物体。


4.根据权利要求1所述的基于人工智能的瑕疵判定系统，其特征在于，所述瑕疵包括缩水、划伤和脏污。


5.一种基于人工智能的瑕疵判定方法，其特征在于，所述基于人工智能的瑕疵判定方法包括：
通过传输装置将待测样品传输至拍摄工位；
根据所述待测样品的表面特性将变色光源调整至与所述待测样品匹配的颜色，对所述待测样品进行照射；
利用CCD相机对所述待测样品进行拍照，获得所述待测样品的图片；
将所述图片输入到PC机的图像处理软件中，通过所述图像处理软件中的神经网络模型对所述图片进行瑕疵判定，并完成对所述待测样品的分类。


6.根据权利要求5所述的基于人工智能的瑕疵判定方法，其特征在于，所述根据所述待测样品的表面特性将变色光源调整至与所述待测样品匹配的颜色包括：
根据所述待测样品的表面颜色...

【专利技术属性】
技术研发人员：皮佳佳，王红磊，宫晓达，郑铁帅，
申请(专利权)人：深圳锦绣创视科技有限公司，
类型：发明
国别省市：广东;44