一种DMTL表面缺陷检测方法、装置及终端制造方法及图纸

本申请公开了一种DMTL表面缺陷检测方法、装置及终端，属于燃油蒸汽回收系统设计领域。该方法中，当终端获取DMTL表面图像并输入至深度学习目标检测模型后，得到深度学习目标检测模型输出的表面缺陷检测结果，进而根据表面缺陷检测结果对DMTL表面进行缺陷标注。通过深度学习目标检测模型的缺陷检测功能对DMTL的缺陷大小、位置、种类进行检测，完成传统图像处理算法难以完成的任务，替代人工；不同于将图片都使用人工标注的方式，通过已经训练的模型对未标注图片进行检测生成缺陷标注，节省了大量的人工劳动。的人工劳动。的人工劳动。

【技术实现步骤摘要】
一种DMTL表面缺陷检测方法、装置及终端


[0001]本专利技术涉及燃油蒸汽回收系统设计领域，特别涉及一种DMTL表面缺陷检测方法、装置及终端。

技术介绍

[0002]燃油排放泄露诊断模块(DMTL)是为了满足国六排放法规要求，在燃油蒸汽回收系统的基础上增加的燃油排放泄露诊断模块，该模块可以诊断出燃油气体是否发生泄漏。DMTL包含多个重要的功能硬件接口，如出气口端面、进气口、螺钉口和线束插头面等等，这些功能面在生产过程中有着极为严苛的检测要求，功能面的飞边、变形、缺损等缺陷会导致密封口的不密封、插头的接触不良问题；同时非功能面的划痕、凹坑、变形等问题，会导致客户投诉等影响公司产品质量形象。
[0003]DMTL表面是塑料，包含多种三维几何形状的复杂零件，塑料表面在光源打光下，不同的角度呈现的亮度完全不一样，因此，对其表面任意位置、不规则的缺陷检测在传统视觉逻辑下几乎无法完成，塑料表面在打光下呈现非常不均匀的亮度，复杂的形状的缺陷在不同位置也呈现不同的状态。

技术实现思路

[0004]本专利技术提供了一种DMTL表面缺陷检本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种DMTL表面缺陷检测方法，其特征在于，所述方法用于终端，所述方法包括：获取DMTL表面图像；将所述DMTL表面图像输入深度学习目标检测模型，得到所述深度学习目标检测模型输出的表面缺陷检测结果；根据所述表面缺陷检测结果对DMTL表面进行缺陷标注。2.根据权利要求1所述的方法，其特征在于，所述深度学习目标检测模型包括缺陷定位层和缺陷分类层。3.根据权利要求2所述的方法，其特征在于，所述将所述DMTL表面图像输入深度学习目标检测模型，得到所述深度学习目标检测模型输出的表面缺陷检测结果，包括：将所述DMTL表面图像输入所述缺陷定位层，得到缺陷定位信息，所述缺陷定位信息中包含所述DMTL表面图像中各缺陷区域的位置和尺寸；将所述DMTL表面图像输入所述缺陷分类层，得到缺陷分类信息，所述缺陷分类信息包含所述DMTL表面图像中各缺陷区域的缺陷类别；将所述缺陷定位信息和所述缺陷分类信息整合，得到所述DMTL表面图像对应的表面缺陷检测结果。4.根据权利要求2所述的方法，其特征在于，所述方法还包括：获取样本图像的初始缺陷标注；对所述初始缺陷标注进行分析和清洗，得到初始数据集；通过离线，和/或，在线方式对所述初始数据集进行数据增强，生成所述样本图像对应的目标数据集；基于超参数搜索方式获取所述缺陷定位层和所述缺陷分类层的网络参数和图像调整比例参数；搜索配置所述网络...

【专利技术属性】
技术研发人员：刘鹏，陆唯佳，李兵洋，李倩，王立，王伟，甘钦争，王梦雨，
申请(专利权)人：联合汽车电子有限公司，
类型：发明
国别省市：