The invention provides an AI visual detection method and system based on deep learning. The method includes the following steps: obtaining the appearance surface image of the shell structure through the appearance surface visual detection device, the first side visual detection device and the second side visual detection device of the AI visual detection device, and obtaining the structure surface image of the shell structure through the structure surface visual detection device of the AI visual device; According to the appearance image and the appearance defect detection model, the appearance defect detection results of the shell structure are determined, and according to the structure image and the structure defect detection model, the structure defect detection results of the shell structure are determined; Determine the quality inspection results of the shell structure according to the appearance defect inspection results and structural defect inspection results; The appearance surface image includes at least the top surface of the shell structure and the appearance surface images of multiple sides of the shell structure. The AI visual inspection method provided by the invention realizes the all-round inspection of products and improves the ex factory quality of products. Quantity. Quantity< br/>
【技术实现步骤摘要】
基于深度学习的AI视觉检测方法、系统及可读存储介质
[0001]本专利技术涉及视觉检测领域,具体涉及一种基于深度学习的AI视觉检测方法、装置及系统。
技术介绍
[0002]视觉检测是指通过机器代替人眼来做测量和判断,在实际运用中,通过视觉检测可以实现生产壳体结构的表面缺陷检测,并且随着多年的发展,该项技术已经非常成熟。
[0003]在智能制造的过程中,通过相机在镜头、光源的辅助下将客观事物的图像进行拍照,然后通过采集卡将图像采集后存放在计算机或服务器硬盘中,图像处理软件利用算法和规则将图像切分、计算后得出一定的结果,并将结果用于对壳体结构或设备的检测、测量、控制等。
[0004]而现有技术中的检测方法或检测设备往往存在以下缺陷:
[0005]1)自动化成本高,现有检测设备中用于旋转产品的旋转结构较为复杂(如包括多个用于旋转的旋转轴),相应地增加了检测设备的生产成本和运行成本,并且这类检测设备在实际运行过程中存在稳定性和精度不佳的问题,而如果要对检测设备提出更高的稳定性和精度要求,将会进一步增加设备的自动化成本;
[0006]2)产线节拍慢,由于需要对单个产品进行旋转操作,因此对单个产品的拍摄检测时间较长,并且单个工位需要进行的操作更多(例如,通过单个相机拍摄多张照片),难以满足产线节拍要求,另外,专利公告号为CN113670923A的专利技术专利主要是针对笔记本整机进行的壳体结构的缺陷检测,而现在的实际应用场景中,对笔记本整机检测的产线节拍要求相对较低,例如,笔记本整机的单个检测耗时在
【技术保护点】
【技术特征摘要】
1.一种基于深度学习的AI视觉检测方法,其特征在于,用于执行所述AI视觉检测方法的AI视觉检测设备包括:传输结构,所述传输结构的一端为上料位,所述传输结构的另一端为下料位,所述传输结构具有供壳体结构移动的传输位,所述传输位包括第一传输段和第二传输段,所述第一传输段与所述第二传输段的传输方向不同;至少两个第一侧面视觉检测装置,所述至少两个第一侧面视觉检测装置分别设于所述第一传输段两侧;至少两个第二侧面视觉检测装置,所述至少两个第二侧面视觉检测装置分别设于所述第二传输段的两侧;至少一个结构面视觉检测装置,所述结构面视觉检测装置设于所述传输位的下方;至少一个外观面视觉检测装置,所述外观面视觉检测装置设于所述传输位的上方;相应地,所述方法包括步骤:通过所述外观面视觉检测装置、所述第一侧面视觉检测装置和所述第二侧面视觉检测装置获取所述壳体结构的外观面图像,通过所述结构面视觉检测装置获取所述壳体结构的结构面图像;根据所述外观面图像和外观缺陷检测模型,确定所述壳体结构的外观缺陷检测结果,根据所述结构面图像和结构缺陷检测模型,确定所述壳体结构的结构缺陷检测结果;根据所述外观缺陷检测结果和所述结构缺陷检测结果,确定所述壳体结构的质量检测结果;其中,所述外观面图像至少包括所述壳体结构的顶面和所述壳体结构的多个侧面的外观面图像。2.根据权利要求1所述的基于深度学习的AI视觉检测方法,其特征在于,所述通过所述外观面视觉检测装置、所述第一侧面视觉检测装置和所述第二侧面视觉检测装置获取所述壳体结构的外观面图像,通过所述结构面视觉检测装置获取所述壳体结构的结构面图像的步骤之前,还包括步骤:获取所述壳体结构的产品配置信息;根据所述产品配置信息选取与所述壳体结构对应的所述外观缺陷检测模型和所述结构缺陷检测模型;和/或,所述根据所述外观面图像和外观缺陷检测模型,确定所述壳体结构的外观缺陷检测结果,根据所述结构面图像和结构缺陷检测模型,确定所述壳体结构的结构缺陷检测结果的步骤之前,还包括步骤:对所述外观面图像和所述结构面图像进行图像预处理;其中,所述图像预处理的方法包括:图像压缩、和/或图像增强预处理,和/或图像拆分;和/或,所述方法还包括步骤所述AI视觉检测设备基于所述质量检测结果对所述壳体结构进行区分;和/或,所述壳体结构为笔记本外壳。3.根据权利要求1至2任一所述的基于深度学习的AI视觉检测方法,其特征在于,还包
括:获取所述壳体结构的产品标记;将所述产品标记与所述壳体结构对应的所述外观面图像、结构面图像、外观缺陷检测结果及所述结构缺陷检测结果相关联并存储。4.根据权利要求3所述的基于深度学习的AI视觉检测方法,其特征在于,所述将所述产品标记与所述壳体结构对应的所述外观面图像、结构面图像、外观缺陷检测结果及所述结构缺陷检测结果相关联并存储的步骤之后,还包括步骤:获取多个所述外观面图像的外观标记样本;根据所述外观标记样本更新所述外观缺陷检测模型;和/或,所述将所述产品标记与所述壳体结构对应的所述外观面图像、结构面图像、外观缺陷检测结果及所述结构缺陷检测结果相关联并存储的步骤之后,还包括步骤:获取多个所述结构面图像的结构标记样本;根据所述结构标记样本更新所述结构缺陷检测模型。5.根据权利要求2所述的基于深度学习的AI视觉检测方法,其特征在于,所述AI视觉检测设备基于所述质量检测结果对所述壳体结构进行区分的步骤包括:当所述壳体结构的所述质量检测结果为良品时,所述AI视觉检测设备将所述壳体结构...
【专利技术属性】
技术研发人员:杜海潇,肖刚,袁卫顺,何勃,徐满俊,赵日来,
申请(专利权)人:重庆宇海精密制造股份有限公司,
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。