一种基于AI图像识别的产品质量缺陷智能检测方法及系统技术方案

本发明专利技术提出了一种基于AI图像识别的产品质量缺陷智能检测方法及系统，涉及智能检测技术领域。一种基于AI图像识别的产品质量缺陷智能检测方法包括：获取对待检测产品全方位多视角拍得的至少一张待识别图像，待识别图像中包括至少一种待检测产品；采用基于多尺度Retinex算法的图像清晰度增强方法对待识别图像进行处理，获得增强处理后的待识别图像；对增强处理后的待识别图像进行待检测产品缺陷检测。能全方位、无死角、多视角检测，适用于多种工业产品缺陷检测场景，还具备智能化程度高、无损检测、通用性强、快速高效、检测精度高等优点。此外本发明专利技术还提出了一种基于AI图像识别的产品质量缺陷智能检测系统。别的产品质量缺陷智能检测系统。别的产品质量缺陷智能检测系统。

【技术实现步骤摘要】
一种基于AI图像识别的产品质量缺陷智能检测方法及系统


[0001]本专利技术涉及智能检测
，具体而言，涉及一种基于AI图像识别的产品质量缺陷智能检测方法及系统。

技术介绍

[0002]随着工业生产和工艺的不断发展，各行各业对机械设备自动化程度、生产效率和质量要求越来越高；人们对产品的外观质量也给予了更多的关注，在提高产品生产效率以及保证产品质量的同时，生产质量检测效率也亟待改进和提高；传统质量检测是通过人工实时在线检测产品质量，不仅检测效率低，且容易出现漏检现象，这给产品的质量控制带来了很多不稳定和不可靠的因素。
[0003]现有的工业生产只能进行二维或单一视角检测，存在检测误判率较高、损耗较高、成本较高、漏检率较高、大量人工、自动化生产效率较低、产品检测质量及精度较低的问题，只能完成单一性的同一类参数的检测限制等，不能适用于多种工业产品缺陷检测场景。
[0004]而国内针对产品的质量缺陷智能检测还处于起步阶段，尚无成熟的智能检测解决方案。检测机器所使用的CCD成像元件由于光照条件、成像角度等因素，会对成像的清晰度产生比较严重的影响，从而导致产品质量的检测很不稳定。

技术实现思路

[0005]本专利技术的目的在于提供一种基于AI图像识别的产品质量缺陷智能检测方法，其具备智能化程度高、无损检测、通用性强、快速高效、检测精度高等优点。
[0006]本专利技术的另一目的在于提供一种基于AI图像识别的产品质量缺陷智能检测系统，其能够运行一种基于AI图像识别的产品质量缺陷智能检测方法。
[0007]本专利技术的实施例是这样实现的：
[0008]第一方面，本专利技术实施例提供一种基于AI图像识别的产品质量缺陷智能检测方法，其包括获取对待检测产品全方位多视角拍得的至少一张待识别图像，待识别图像中包括至少一种待检测产品；采用基于多尺度Retinex算法的图像清晰度增强方法对待识别图像进行处理，获得增强处理后的待识别图像；对增强处理后的待识别图像进行待检测产品缺陷检测。
[0009]在本专利技术的一些实施例中，上述获取对待检测产品全方位多视角拍得的至少一张待识别图像，待识别图像中包括至少一种待检测产品包括：从监控视频中获取待检测产品的原始图像，对原始图像中的待检测产品进行定位，对定位后的待检测产品进行特征提取，获得待识别图像特征。
[0010]在本专利技术的一些实施例中，上述还包括：在获取待检测产品的待识别图像时，同时获取该待检测产品的质量指标。
[0011]在本专利技术的一些实施例中，上述采用基于多尺度Retinex算法的图像清晰度增强方法对待识别图像进行处理，获得增强处理后的待识别图像包括：对增强处理后的待识别
图像进行分类识别，以识别至少一种待检测产品对应的至少一种缺陷类型。
[0012]在本专利技术的一些实施例中，上述还包括：对待识别图像进行双边滤波，滤除待识别图像中的噪声成分，对双边滤波后的待识别图像进行幂次变换，对幂次变换后的待识别图像进行非线性变化，采用反锐化掩模滤波算法消除图像模糊，并将待识别图像与原始图像进行卷积，得到滤波后的图像。
[0013]在本专利技术的一些实施例中，上述对增强处理后的待识别图像进行待检测产品缺陷检测包括：获取至少一张待识别图像所对应的至少一个缺陷识别模型，及待识别图像的语义特征，将待识别图像的语义特征输入缺陷识别模型以对待检测产品进行缺陷检测。
[0014]在本专利技术的一些实施例中，上述还包括：根据质量指标对应的至少一种缺陷类型，确定待检测产品对应的目标缺陷类型。
[0015]第二方面，本专利技术实施例提供一种基于AI图像识别的产品质量缺陷智能检测系统，其包括图像采集模块，用于获取对待检测产品全方位多视角拍得的至少一张待识别图像，待识别图像中包括至少一种待检测产品；
[0016]图像处理模块，用于采用基于多尺度Retinex算法的图像清晰度增强方法对待识别图像进行处理，获得增强处理后的待识别图像；
[0017]产品检测模块，用于对增强处理后的待识别图像进行待检测产品缺陷检测。
[0018]在本专利技术的一些实施例中，上述包括：用于存储计算机指令的至少一个存储器；与上述存储器通讯的至少一个处理器，其中当上述至少一个处理器执行上述计算机指令时，上述至少一个处理器使上述系统执行：图像采集模块、图像处理模块及产品检测模块。
[0019]第三方面，本专利技术实施例提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如一种基于AI图像识别的产品质量缺陷智能检测方法中任一项的方法。
[0020]相对于现有技术，本专利技术的实施例至少具有如下优点或有益效果：
[0021]能够实现二维和三维全方位、无死角、多视角检测方案，通过智能化采集、识别、定位、追踪、监控和管理等一系列手段，致力于降低检测误判率、降低损耗、降低成本、降低漏检率、减少大量人工、提高自动化生产效率、提高产品检测质量及精度、解决只能完成单一性的同一类参数的检测限制等，使检测系统可靠、快速和精确地用于各种产品检测，并能适用于多种工业产品缺陷检测场景，通用性好。突出了智能化程度高、无损检测、通用性强、快速高效、检测精度高等优点，在检测过程中，能扩展人类部分脑力劳动去实施一系列智能活动，诸如分析、推理、判断、决策等。在实际操作中，不受高温、高压等外界环境的影响，防干扰性和稳定性好。
附图说明
[0022]为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本专利技术的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
[0023]图1为本专利技术实施例提供的一种基于AI图像识别的产品质量缺陷智能检测方法步骤示意图；
[0024]图2为本专利技术实施例提供的一种基于AI图像识别的产品质量缺陷智能检测方法详细步骤示意图；
[0025]图3为本专利技术实施例提供的一种基于AI图像识别的产品质量缺陷智能检测系统模块示意图；
[0026]图4为本专利技术实施例提供的一种电子设备。
[0027]图标：10
‑
图像采集模块；20
‑
图像处理模块；30
‑
产品检测模块；101
‑
存储器；102
‑
处理器；103
‑
通信接口。
具体实施方式
[0028]为使本专利技术实施例的目的、技术方案和优点更加清楚明白，下面将结合本专利技术实施例中的附图，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，所描述的实施例只是本专利技术一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本专利技术实施例的组件可以以各种不同的配置来布置和设计。
[0029]因此，以下对在附图中提供的本专利技术的实施例的详细描述并非旨在限制要求保护的本专利技术的范围，而是仅仅表示本专利技术的选定实施例本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于AI图像识别的产品质量缺陷智能检测方法，其特征在于，包括：获取对待检测产品全方位多视角拍得的至少一张待识别图像，待识别图像中包括至少一种待检测产品；采用基于多尺度Retinex算法的图像清晰度增强方法对待识别图像进行处理，获得增强处理后的待识别图像；对增强处理后的待识别图像进行待检测产品缺陷检测。2.如权利要求1所述的一种基于AI图像识别的产品质量缺陷智能检测方法，其特征在于，所述获取对待检测产品全方位多视角拍得的至少一张待识别图像，待识别图像中包括至少一种待检测产品包括：从监控视频中获取待检测产品的原始图像，对原始图像中的待检测产品进行定位，对定位后的待检测产品进行特征提取，获得待识别图像特征。3.如权利要求2所述的一种基于AI图像识别的产品质量缺陷智能检测方法，其特征在于，还包括：在获取待检测产品的待识别图像时，同时获取该待检测产品的质量指标。4.如权利要求1所述的一种基于AI图像识别的产品质量缺陷智能检测方法，其特征在于，所述采用基于多尺度Retinex算法的图像清晰度增强方法对待识别图像进行处理，获得增强处理后的待识别图像包括：对增强处理后的待识别图像进行分类识别，以识别至少一种待检测产品对应的至少一种缺陷类型。5.如权利要求2或4所述的一种基于AI图像识别的产品质量缺陷智能检测方法，其特征在于，还包括：对待识别图像进行双边滤波，滤除待识别图像中的噪声成分，对双边滤波后的待识别图像进行幂次变换，对幂次变换后的待识别图像进行非线性变化，采用反锐化掩模滤波算法消除图像模糊，并将待...

【专利技术属性】
技术研发人员：金葵葵，
申请(专利权)人：金葵葵，
类型：发明
国别省市：