【技术实现步骤摘要】
基于Fast
‑
RCNN的低压电器移印图案缺陷检测方法
[0001]本专利技术涉及零件缺陷检测与机器视觉的
，尤其是涉及一种基于Fast
‑
RCNN的低压电器移印图案缺陷检测方法。
技术介绍
[0002]随着科技的不断进步，产品的生产、检测、流通环节都趋于自动化，以进行有效的生产管理和技术改进。低压电器在进行说明书面印刷的过程中，可能会产生各种缺陷，导致产品的说明书面印刷模糊。消费者遇到该类缺陷的电器时，便无法通过电器的说明书面印刷清晰准确地获得产品信息。因此，在上述电器产品进入市场之前，必须对低压电器说明书面印刷质量进行检测，以及时将不合格产品剔除。
[0003]传统的检测方法主要是采用人工检测，然而近年来，随着人力成本的不断攀升，机器换人的热潮随之而来，自动化低压电器移印图案缺陷检测系统呼之欲出。
[0004]在目前的工业环境中，车间采用电子设备采集说明书面图像，但是，由于机器的震动、光线的变化、缺陷位置的千变万化，使得传统的图像处理算法，难以取得良好的检测效果，...
【技术保护点】
【技术特征摘要】
1.一种基于Fast
‑
RCNN的低压电器移印图案缺陷检测方法，其特征在于，包括如下步骤：S1，采集图像利用电子设备采集产品信息，并标记其类型；S2，图像预处理先对所采集的产品数据信息进行清洗，剔除错误分类的数据，提升数据集的质量；然后对所有数据采用一系列图像预处理方法进行扩充数据集大小，形成训练集；S3，输入训练集将上述训练集依次输入至多任务训练Fast RCNN网络；S4，输入图像将训练集的待识别图像输入到网络，经过卷积层和池化层，得到特征图；采用选择搜索算法提取若干个候选框，根据原图中候选框到特征图映射关系，在特征图中找到每个候选框对应的特征框，并在ROI池化层中将每个特征框池化到固定大小；将所述特征框经过全连接层得到固定大小的特征向量，所述特征向量经由各自平均池化层，分别得到分类得分、Bbox窗口回归两个输出向量；S5，输出结果将所有数据结果进行非极大值抑制处理，产生最终的目标检测和识别结果，最终获得移印缺陷检测结果。2.根据权利要求1所述的基于Fast
‑
RCNN的低压电器移印图案缺陷检测方法，其特征在于，在所述步骤S1中，所述电子设备为CCD相机。3.根据权利要求2所述的基于Fast
‑
RCNN的低压电器移印图案缺陷检测方法，其特征在于，在所述步骤S2中，所述图像预处理具体包括：S201，在选取的图像中，将目标区域取出，并缩放至固定的224
×
224尺寸；为增强对比度，再将目标区域进行二值化处理，得到原始的训练集，测试集以上述同样的方式处理训练集；S202，对所选取的图像进行随机水平翻转、随机仿射变换、随机色彩抖动、随机剪裁为不同大小和宽高比；...
【专利技术属性】
技术研发人员：王伯旺，潘宣尹，陈朝锋，吴世杰，林中寅，
申请(专利权)人：浙江国研智能电气有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。