一种基于云服务的图像缺陷检测系统技术方案

本发明专利技术提出一种基于云服务的图像缺陷检测系统，涉及图像检测的技术领域，解决了当前综合在中央处理器上进行图像缺陷检测的方式检测速度慢、效率低，无法满足多个用户对缺陷图像检测的问题，客户端用于多个用户上传待检测图像，多个用户能够在客户端的请求端口发出缺陷检测的请求指令，并将若干个图像缺陷检测模型部署于云服务器上，然后根据用户需求对其训练，每一个图像缺陷检测模型均匹配有相应的图像缺陷检测功能和监听端口，对图像缺陷检测模型进行调用预处理，再利用监听端口监听客户端，保证部署于云服务器上的图像缺陷检测模型被调用的准确性，实现检测速度快，效率高，实现多个用户的高并发图像缺陷检测。多个用户的高并发图像缺陷检测。多个用户的高并发图像缺陷检测。

【技术实现步骤摘要】
一种基于云服务的图像缺陷检测系统


[0001]本专利技术涉及图像检测的
，特别涉及一种基于云服务的图像缺陷检测系统。

技术介绍

[0002]云服务，又称为云计算服务，通过网络以按需、易扩展的方式获得所需服务，它是一种新兴的商业计算模型，它将计算任务分布在大量计算机构成的资源池上，使各种应用系统能够根据需要获取计算能力、存储控件和各种软件服务，不仅计算能力强，而且还是PC的理想替代品；深度学习是一种具有多个卷积层的深度神经网络结构，基于深度学习在大量数据中的强大学习能力和特征提取能力，将深度学习技术应用在图像缺陷检测中，可以提高图像缺陷检测质量。
[0003]目前，图像缺陷检测技术主要有人工肉眼识别和计算机识别的方式，依靠人工肉眼识别的方式不仅耗费时间，还会漏检或者过检，计算机识别的方式主要是基于深度学习的理论，如现有技术中公开了一种目标检测模型构建方法，该方案总体上结合深度学习技术，构建深度卷积神经网络，将待检测图像输入深度卷积神经网络进行预测，可得到待检测图像的检测结果，但深度卷积神经网络的预测和训练过程均在中央处理器上进行，占用电脑内存量大，且检测速度慢，因此需要高性能、高配置的硬件和环境部署，而且仅能对单个图像进行缺陷检测，无法实现对多个用户的高并发图像进行缺陷检测。

技术实现思路

[0004]为解决当前综合在中央处理器上进行图像缺陷检测的方式检测速度慢、效率低，无法满足对多个用户缺陷图像进行检测的问题，本专利技术提出一种基于云服务的图像缺陷检测系统，能够实现检测速度快，效率高，实现多个用户的高并发图像缺陷检测。
[0005]为了达到上述技术效果，本专利技术的技术方案如下：
[0006]一种基于云服务的图像缺陷检测系统，所述系统包括：
[0007]客户端，用于多个用户上传待检测图像，客户端上设有请求端口；
[0008]若干个图像缺陷检测模型，部署于云服务器上，用于检测待检测图像的缺陷，每一个图像缺陷检测模型均匹配有相应的图像缺陷检测功能；
[0009]训练判断模块，部署于云服务器上，用于判断图像缺陷检测模型是否需要训练，若是，则利用云服务器的GPU集群，对需要训练的图像缺陷检测模型进行在线训练，获得训练好的图像缺陷检测模型，训练好的图像缺陷检测模型等待调用预处理；否则，对不需要训练的图像缺陷检测模型进行调用预处理；
[0010]请求传输模块，每一个图像缺陷检测模型均设有监听端口，用户根据缺陷检测需求，选择对应的图像缺陷检测模型进行调用，并通过客户端的请求端口发出缺陷检测的请求指令至监听端口；
[0011]监听判断模块，用于监听客户端，判断图像缺陷检测模型的监听端口是否接收到
客户端的请求端口发出缺陷检测的请求指令，若是，则监听成功，采用Socket通信连接技术，图像缺陷检测模型与客户端相互通信，被调用的图像缺陷检测模型对待检测图像进行图像缺陷检测处理；否则，继续监听；
[0012]分析模块，用于分析图像缺陷检测处理结果，并将结果传输至客户端。
[0013]在本技术方案中，首先客户端用于多个用户上传待检测图像，多个用户能够在客户端的请求端口发出缺陷检测的请求指令，并将若干个图像缺陷检测模型部署于云服务器上，利用云服务器的GPU集群，加快对需要训练的图像缺陷检测模型的训练速度，每一个图像缺陷检测模型均匹配有相应的图像缺陷检测功能和监听端口，然后对不需要训练和训练好的图像缺陷检测模型进行调用预处理，使不需要训练和训练好的图像缺陷检测模型能够成功被调用，此外，用户通过请求端口发出缺陷检测的请求指令至监听端口，如果监听端口接收到客户端的请求端口发出请求指令的信息，证明请求端口与监听端口一致，利用Socket通信连接技术，使部署于云服务器上的图像缺陷检测模型与客户端相互通信，保证部署于云服务器上的图像缺陷检测模型被调用的准确性，实现检测速度快，效率高，实现多个用户的高并发图像缺陷检测。
[0014]优选地，所述请求传输模块、监听判断模块和分析模块也均部署于云服务器上，避免了在中央处理器上进行计算处理。
[0015]优选地，图像缺陷检测模型是否需要训练是根据用户需求选择的，图像缺陷检测模型本身具备统计功能，统计分析其自身历史被使用情况并反馈至用户，用户选择使用频次大于频次阈值的图像缺陷检测模型进行训练。
[0016]优选地，调用预处理是指对训练好的图像缺陷检测模型或不需要训练的图像缺陷检测模型进行监听准备，将训练好的图像缺陷检测模型或不需要训练的图像缺陷检测模型的监听端口部署在云服务器上监听客户端的请求端口，基于IO多路复用技术event poll，主动查询已经安全登录客户端的用户是否上传了待检测图像，将预进行缺陷检测的请求指令主动发送到云服务器上的handler接口，并分配到不同的处理线程中处理，处理线程分为One
‑
Stage第一线程和Two
‑
Stage第二线程，两条线程中含有不同的协程，每个协程分别代表一个图像缺陷检测模型，用户上传的待检测图像按顺序存储于处理队列中，并按一定顺序被缺陷检测，不同协程之间能互相跳转。
[0017]优选地，对需要训练的图像缺陷检测模型进行在线训练的具体步骤包括：
[0018]S1.获取一定数量的图像样本，组成图像数据集；
[0019]S2.标注每一个图像样本的缺陷位置的真实边界框，得到分别对应于每一个图像样本的图像标注样本；
[0020]S3.对图像数据集进行预处理，将图像数据集中的图像样本对应的图像标注样本划分为训练集、验证集和测试集；
[0021]S4.将训练集中的图像标注样本输入需要训练的图像缺陷检测模型，图像缺陷检测模型经过训练集中的图像标注样本的n轮训练，再采用损失函数衡量该图像缺陷检测模型训练的效果；
[0022]S5.在客户端调节图像缺陷检测模型的超参数，将验证集中的图像标注样本输入训练过程中的图像缺陷检测模型，生成图像标注样本的检测框，再利用验证集对训练过程中的图像缺陷检测模型进行评估，输出检测框和真实边界框的交集与检测框和真实边界框
的并集之比，即交并比IOU，判断交并比IOU是否大于第一阈值，若是，则固定得到该交并比IOU结果的超参数，执行步骤S6；否则，返回S4；
[0023]S6.将测试集输入训练过程中的图像缺陷检测模型，根据输出结果得到衡量检测精度的均值平均精度mAP，设定第二阈值，判断均值平均精度mAP是否大于第二阈值，若是，则输出该图像缺陷检测模型；否则，返回步骤S4。
[0024]在此，将图像数据集中的图像样本对应的图像标注样本划分为训练集、验证集和测试集，利用训练集对图像缺陷检测模型进行训练，然后利用验证集对训练过程中的图像缺陷检测模型进行评估，并利用测试集测试图像缺陷检测模型的有效性，最后得出训练好的图像缺陷检测模型；
[0025]优选地，在步骤S4中，在训练过程中采用梯度下降的方式更新需要训练的图像缺陷检测模型的普通参数和权重。
[0026本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于云服务的图像缺陷检测系统，其特征在于，所述系统包括：客户端，用于多个用户上传待检测图像，客户端上设有请求端口；若干个图像缺陷检测模型，部署于云服务器上，用于检测待检测图像的缺陷，每一个图像缺陷检测模型均匹配有相应的图像缺陷检测功能；训练判断模块，部署于云服务器上，用于判断图像缺陷检测模型是否需要训练，若是，则利用云服务器的GPU集群，对需要训练的图像缺陷检测模型进行在线训练，获得训练好的图像缺陷检测模型，训练好的图像缺陷检测模型等待调用预处理；否则，对不需要训练的图像缺陷检测模型进行调用预处理；请求传输模块，每一个图像缺陷检测模型均设有监听端口，用户根据缺陷检测需求，选择对应的图像缺陷检测模型进行调用，并通过客户端的请求端口发出缺陷检测的请求指令至监听端口；监听判断模块，用于监听客户端，判断图像缺陷检测模型的监听端口是否接收到客户端的请求端口发出缺陷检测的请求指令，若是，则监听成功，采用Socket通信连接技术，图像缺陷检测模型与客户端相互通信，被调用的图像缺陷检测模型对待检测图像进行图像缺陷检测处理；否则，继续监听；分析模块，用于分析图像缺陷检测处理的结果，并将结果传输至客户端。2.根据权利要求1所述的基于云服务的图像缺陷检测系统，其特征在于，所述请求传输模块、监听判断模块和分析模块也均部署于云服务器上。3.根据权利要求2所述的基于云服务的图像缺陷检测系统，其特征在于，图像缺陷检测模型是否需要训练是根据用户需求选择的，图像缺陷检测模型本身具备统计功能，统计分析其自身历史被使用情况并反馈至用户，用户选择使用频次大于频次阈值的图像缺陷检测模型进行训练。4.根据权利要求3所述的基于云服务的图像缺陷检测系统，其特征在于，调用预处理是指对训练好的图像缺陷检测模型或不需要训练的图像缺陷检测模型进行监听准备，将训练好的图像缺陷检测模型或不需要训练的图像缺陷检测模型的监听端口部署在云服务器上监听客户端的请求端口，基于IO多路复用技术event poll，主动查询已经安全登录客户端的用户是否上传了待检测图像，将预进行缺陷检测的请求指令主动发送到云服务器上的handler接口，并分配到不同的处理线程中处理，处理线程分为One
‑
Stage第一线程和Two
‑
Stage第二线程，两条线程中含有不同的协程，每个协程分别代表一个图像缺陷检测模型，用户上传的待检测图像按顺序存储于处理队列中，并按一定顺序被缺陷检测，不同协程之间能互相跳转。5.根据权利要求2所述的基于云服务的图像缺陷检测系统，其特征在于，对需要训练的图像缺陷检测模型进行在线训练的具体步骤包括：S1.获取一定数量的图像样本，组成图像数据集；S2.标注每一个图像样本的缺陷位置的真实边界框，得到分别对应于每一个图像样本的图像标注样本；S3.对图像数据集进行预处理，将图像数据集中的...

【专利技术属性】
技术研发人员：吴宗泽，梁晓沣，魏聪，龚文超，任志刚，黄梓豪，刘臻铭，郭马萨迪，郑杰，周坤，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：