一种基于深度学习的灯罩缺陷检测系统技术方案

本发明专利技术公开了一种基于深度学习的灯罩缺陷检测系统，涉及深度学习技术领域；它的检测方法如下：首先对采集图像的相机进行标定然后对灯罩进行图像采集，并且通过采集来的图像进行特征提取对灯罩在生产过程中的常见缺陷进行分类；随后对采集来的图像进行预处理；利用预处理得到的图像建立数据集；进一步根据对灯罩缺陷的研究设计深度学习神经网络模型并用建立好的数据集对其进行训练；最后训练完成后用没有进行训练的数据集对训练好的深度网络模型进行测试得出结果判断该系统对灯罩缺陷检测的准确度是否达到标准；本发明专利技术能够实现有效的对工件进行检测，同时能够实现建立数据集，提高了检测的稳定性；且测试结果准确性高，代替了人工检测。

【技术实现步骤摘要】
一种基于深度学习的灯罩缺陷检测系统
本专利技术属于深度学习
，具体涉及一种基于深度学习的灯罩缺陷检测系统。
技术介绍
近年来，随着汽车、手机、光电通信等行业的快速发展，透明工件被广泛应用于各个行业。由于市场需求的不断增长，对产品质量的要求也相应提高。然而透明件在生产过程中由于某些因素(如温度、模具)的影响会产生各种各样的缺陷。一般包括划痕、裂纹、气泡、夹杂物、污垢等缺陷类型，这些缺陷的存在会导致透明件的透光率和能见度降低，从而导致产品的质量下降。因此透明件表面缺陷的检测方法成为许多学者探索的对象。而传统的检测方法多依靠人工目视检测和电器功能测试，其中人工检测多依赖检测人员的经验，不具有客观性，而且检测合格率也比较低，由于透明件产品表面缺陷的尺寸较小，因此对检测人员的眼睛也有较大损伤。而电功能测试本质上局限于离线操作，一般只能在制作完成后才能进行检测。而机器视觉技术近年来快速发展，利用机器视觉来进行缺陷检测可以大量解放人工成本并且利用机器视觉进行缺陷检测具有速度快，精度高，成本低，稳定性好等优点。近年来深度学习算法被广泛应用于布匹瑕本文档来自技高网...

【技术保护点】
1.一种基于深度学习的灯罩缺陷检测系统，其特征在于：它的检测方法如下：首先对采集图像的相机进行标定然后对灯罩进行图像采集，并且通过采集来的图像进行特征提取对灯罩在生产过程中的常见缺陷进行分类；随后对采集来的图像进行预处理；利用预处理得到的图像建立数据集；进一步根据对灯罩缺陷的研究设计深度学习神经网络模型并用建立好的数据集对其进行训练；最后训练完成后用没有进行训练的数据集对训练好的深度网络模型进行测试得出结果判断该系统对灯罩缺陷检测的准确度是否达到标准。/n

【技术特征摘要】
1.一种基于深度学习的灯罩缺陷检测系统，其特征在于：它的检测方法如下：首先对采集图像的相机进行标定然后对灯罩进行图像采集，并且通过采集来的图像进行特征提取对灯罩在生产过程中的常见缺陷进行分类；随后对采集来的图像进行预处理；利用预...

【专利技术属性】
技术研发人员：曹宇，鞠麒昆，
申请(专利权)人：哈尔滨理工大学，
类型：发明
国别省市：黑龙江;23