工业缺陷检测方法、系统、装置和存储介质制造方法及图纸

本发明专利技术公开了一种工业缺陷检测方法、系统、装置和存储介质，可应用于物联网技术领域。本发明专利技术方法包括以下步骤：获取工业产品的视频流；将视频流输入到深度学习模型中进行分类识别，得到工业产品的关键信息；根据关键信息确定所述工业产品的工业缺陷；其中，深度学习模型设置于边缘服务器，所述深度学习模型包括自注意力网络、SSD网络和门控循环网络。本发明专利技术可以有效提高多物体的识别效率，同时，可以通过将深度学习模型设置于边缘服务器，有效缓解网络宽带与数据中心的压力，增强服务的响应能力。力。力。

【技术实现步骤摘要】
工业缺陷检测方法、系统、装置和存储介质


[0001]本专利技术涉及物联网
，尤其是一种工业缺陷检测方法、系统、装置和存储介质。

技术介绍

[0002]在实时工业缺陷检测任务中，对于传统的物体辨别和分类是依靠人确定，人工进行记录。这种人工方法较为准确，但占用大量人力物力，相对低效，较难适用于长期监测。通过数字图像获取场地中目标进行分类的方法，只对单一物体的识别准确度较高，无法有效识别出多个物体的类别。

技术实现思路

[0003]本专利技术旨在至少解决现有技术中存在的技术问题之一。为此，本专利技术提出一种工业缺陷检测方法、系统、装置和存储介质，能够有效提高多物体的识别效率。
[0004]一方面，本专利技术实施例提供了一种工业缺陷检测方法，包括以下步骤：
[0005]获取工业产品的视频流；
[0006]将所述视频流输入到深度学习模型中进行分类识别，得到所述工业产品的关键信息；
[0007]根据所述关键信息确定所述工业产品的工业缺陷；
[0008]其中，所述深度学习模型设置于边缘服务器，所述本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种工业缺陷检测方法，其特征在于，包括以下步骤：获取工业产品的视频流；将所述视频流输入到深度学习模型中进行分类识别，得到所述工业产品的关键信息；根据所述关键信息确定所述工业产品的工业缺陷；其中，所述深度学习模型设置于边缘服务器，所述深度学习模型包括自注意力网络、SSD网络和门控循环网络。2.根据权利要求1所述的一种工业缺陷检测方法，其特征在于，在所述将所述视频流输入到深度学习模型中进行分类识别之前，通过设有开始时间戳的训练视频数据集对所述深度学习模型进行训练。3.根据权利要求2所述的一种工业缺陷检测方法，其特征在于，所述训练视频数据集通过以下步骤进行处理：获取目标工业产品类型；根据所述目标工业产品类型选取锚框；根据所述锚框对所述训练视频数据集进行处理。4.根据权利要求3所述的一种工业缺陷检测方法，其特征在于，所述根据所述锚框对所述训练视频数据集进行处理，包括：采用K
‑
均值聚类算法对所述锚框的长宽比进行聚类；根据聚类后的长宽比对训练视频数据集进行处理。5.根据权利要求4所述的一种工业缺陷检测方法，其特征在于，所述采用K
‑
均值聚类算法对所述锚框的长宽比进行聚类，包括：获取所有正样本对应锚框的长宽比；采用特征最大间隔算法选取若干个聚类个数，随机生成与所述聚类个数相等的长宽比聚类中心；计算到每个所述聚类中心的...

【专利技术属性】
技术研发人员：胡闯，贲兴龙，王世杰，丁霞，朱明，
申请(专利权)人：天翼物联科技有限公司，
类型：发明
国别省市：