一种基于深度学习的工业元器件外观缺陷检测方法技术

本发明专利技术公开了一种基于深度学习的工业元器件外观缺陷检测方法，涉及人工智能技术领域。通过设置两个摄像头，在拍照的时候同时对周围环境光进行检测记录并学习，在不断的学习中对系统进行调整，这样能够使得检测的精度越来越高，避免环境光的因素影响系统对工件的完整度判断。相较于传统的检测系统，随着系统的学习，后续的判断更加的精确，在学习到一定程度后，能够做到脱离人工完全进行全自动识别的目的。目的。

【技术实现步骤摘要】
一种基于深度学习的工业元器件外观缺陷检测方法


[0001]本专利技术涉及人工智能
，具体为一种基于深度学习的工业元器件外观缺陷检测方法。

技术介绍

[0002]工业零部件在生产的时候需要对其进行检测，扫描工件是否合格或者是零件的外形是否有损坏。在现有技术中，一般采用高精度摄像机对工业零件进行拍照扫描，然后将扫描图像传到电脑中，利用电脑中已经存档的图片进行对比。从而判断工业零件是否完整，有无损坏。但是这种传统的检测方法，比较受限制与拍照的角度和光线的明暗程度，由于受环境影响因素太大，因此无法做到精确的检测。

技术实现思路

[0003]针对现有技术的不足，本专利技术提供了一种基于深度学习的工业元器件外观缺陷检测方法，使用后，可以解决现有技术中，工件表面完整度检测不均匀的情况。
[0004]为实现以上目的，本专利技术通过以下技术方案予以实现：一种基于深度学习的工业元器件外观缺陷检测方法包括以下步骤：
[0005]S1:将工件置于检测工作台上，检测工作台6个夹持件进行固定夹持，每个夹持件对应的方向上都设置有两台摄像头和散光灯；
[0006]S2：摄像头对工件进行拍照检测，将工件的6个面全部进行拍照，并将拍照的图片进行上传，上传的照片与一开始的完整的工件照片图进行比对。
[0007]S3：电脑通过分析照片表面曝光程度和外轮廓，以及照片上的阴影部分和高光部分的比来判断，工件是否完整。
[0008]S4：电脑记录每次拍照时照片上高光部分和阴影部分的比以及工件周围曝光环境进行学习，实现在不同曝光程度下，都能够精确判断工件表面是否完整。
[0009]优选的，在S2中，当需要对工件的一个面进行拍照的时候，这个面的夹持件会撤回到摄像头的后方，其余5个夹持件保持工件的角度，然后摄像头进行拍摄。
[0010]优选的，每个摄像头都接入一台独立的电脑中，单独运算单独比对。
[0011]优选的，两台摄像头中的一台对工件的表面进行拍照，另外一台摄像头主要检测工件周围光照强度。
[0012]优选的，步骤S3中的判断方式为：
[0013]第一步：判断工件外轮廓是否完整，通过将拍摄到的图片与完整图片的外轮廓进行比对从而判断出工件外轮廓是否完整，如果外轮廓完整则进行工件表面曝光度的对比，如果不完整，则直接蒋工件列为外轮廓不完整的残次品。
[0014]第二步：进行工件表面曝光度的对比，首先判断工件表面的曝光度，能够判断工件表面有没有存在破损的情况，曝光度如果与一开始的完好的工件表面曝光度保持一致，则直接判断工件表面完好无磨损情况，如果出现不一致，则进入到待定区，并记录周围环境的
曝光度，人工对其进行细致的检测，并将检测结果输入电脑。
[0015]本专利技术提供了一种基于深度学习的工业元器件外观缺陷检测方法。具备以下有益效果：
[0016](1)、该基于深度学习的工业元器件外观缺陷检测方法，通过设置两个摄像头，在拍照的时候同时对周围环境光进行检测记录并学习，在不断的学习中对系统进行调整，这样能够使得检测的精度越来越高，避免环境光的因素影响系统对工件的完整度判断。
具体实施方式
[0017]下面将对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。
[0018]本专利技术提供一种技术方案：一种基于深度学习的工业元器件外观缺陷检测方法，包括以下步骤：
[0019]第一步：工人将工件放置在指定的位置上，检测工作台伸出6个夹持件进行固定夹持，每个夹持件对应的方向上都设置有两台摄像头和散光灯。
[0020]第二步：摄像头对工件进行拍照检测，将工件的6个面全部进行拍照，并将拍照的图片进行上传，上传的照片与一开始的完整的工件照片图进行比对。当需要对工件的一个面进行拍照的时候，这个面的夹持件会撤回到摄像头的后方，其余5个夹持件保持工件的角度，然后摄像头进行拍摄。这样能够保证在固定工件的同时，避免夹紧装置影响拍照。每个摄像头都接入一台独立的电脑中，单独运算单独比对。这样可以提高效率同时，还能减少系统的运算压力。加持件的设置能够保证工件的拍照角度不会变，减少拍照角度对系统判断的影响。在拍照的时候，两台摄像头中的一台对工件的表面进行拍照，另外一台摄像头主要检测工件周围光照强度。
[0021]第三步：电脑通过分析照片表面曝光程度和外轮廓，以及照片上的阴影部分和高光部分的比来判断，工件是否完整，具体判断方法如下：
[0022]第一步：判断工件外轮廓是否完整，通过将拍摄到的图片与完整图片的外轮廓进行比对从而判断出工件外轮廓是否完整，如果外轮廓完整则进行工件表面曝光度的对比，如果不完整，则直接蒋工件列为外轮廓不完整的残次品。
[0023]第二步：进行工件表面曝光度的对比，首先判断工件表面的曝光度，能够判断工件表面有没有存在破损的情况，曝光度如果与一开始的完好的工件表面曝光度保持一致，则直接判断工件表面完好无磨损情况，如果出现不一致，则进入到待定区，并记录周围环境的曝光度，人工对其进行细致的检测，并将检测结果输入电脑。
[0024]第四步：电脑记录每次拍照时照片上高光部分和阴影部分的比以及工件周围曝光环境进行学习，实现在不同曝光程度下，都能够精确判断工件表面是否完整。电脑记录每次的判断结果和人工修改后的结果进行学习，随着判断的次数增多，电脑能够针对各种不同的曝光情况进行判断，避免环境光对检测的结果影响，提高了检测的精确度。
[0025]以上所述，仅为本专利技术较佳的具体实施方式，但本专利技术的保护范围并不局限于此，任何熟悉本
的技术人员在本专利技术揭露的技术范围内，根据本专利技术的技术方案及其专利技术构思加以等同替换或改变，都应涵盖在本专利技术的保护范围之内。
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的工业元器件外观缺陷检测方法，其特征在于包括以下步骤：S1:将工件置于检测工作台上，检测工作台6个夹持件进行固定夹持，每个夹持件对应的方向上都设置有两台摄像头和散光灯；S2：摄像头对工件进行拍照检测，将工件的6个面全部进行拍照，并将拍照的图片进行上传，上传的照片与一开始的完整的工件照片图进行比对。S3：电脑通过分析照片表面曝光程度和外轮廓，以及照片上的阴影部分和高光部分的比来判断，工件是否完整。S4：电脑记录每次拍照时照片上高光部分和阴影部分的比以及工件周围曝光环境进行学习，实现在不同曝光程度下，都能够精确判断工件表面是否完整。2.根据权利要求1所述的一种基于深度学习的工业元器件外观缺陷检测方法，其特征在于：在S2中，当需要对工件的一个面进行拍照的时候，这个面的夹持件会撤回到摄像头的后方，其余5个夹持件保持工件的角度，然后摄像头进行拍摄。3.根据权利要求1所述的一种基于深度学习的工业元器件外观缺陷检测方...

【专利技术属性】
技术研发人员：项强德，
申请(专利权)人：南京唯景视觉科技有限公司，
类型：发明
国别省市：