基于深度学习检测故障的视觉检测系统技术方案

揭示视觉检测系统。本视觉检测系统包括：摄像头，其用于拍摄检测客体；存储器，其包括：提取与故障相关的语义(semantic)信息，检测故障的第一人工智能模型以及提取特征信息(feature information)，检测故障的第二人工智能模型；以及处理器。处理器将通过所述摄像头获取的图像输入到所述第一人工智能模型来获取第一输出信息，将图像输入到所述第二人工智能模型来获取第二输出信息，并基于所述第一输出信息和所述第二输出信息，检测出包含于所述图像的客体的故障。述图像的客体的故障。述图像的客体的故障。

【技术实现步骤摘要】
基于深度学习检测故障的视觉检测系统


[0001]本揭示涉及一种视觉检测系统。更具体地，对于独立获取自多个人工智能模型的输出进行组合，检测出故障的视觉检测系统。

技术介绍

[0002]检测故障的视觉检测技术中，为了达到故障检测自动化及判断精准性目标，开始利用了人工智能模型。
[0003]但，要保证人工智能模型的判断精准度，需要针对多种情况储备庞大的训练数据，为此，需要通过预处理过程分类出来源不同的图像数据。
[0004]另外，人工智能模型的不同具体网络构成乃至训练方法显现出来的优点和缺点都非常清晰可见，因此，在技术水平上，还没有达到对于人工智能模型的判断精确度完全可以信任的程度。
[0005]先行技术文献
[0006]专利文献
[0007]专利文献1：公开专利公报第10
‑
2020
‑
0046137号

技术实现思路

[0008]所要解决的课题
[0009]本揭示提供一种基于组合方法实施故障检测的视觉检测系统，该组合方法针对独立训练及运营的两个人工智能模型的输出进行组合。
[0010]本揭示提供一种应用输入及输出格式相同的不同人工智能模型，将训练减至最少，创建有效故障检测环境的视觉检测系统。
[0011]本揭示的目的不受所述目的的限定，对于尚未提及的本揭示的其他目的和优点，下述内容会有助于理解，而本揭示的实施例则有助于更明确地理解。并且，应当可以轻易理解，本揭示的目的和优点可以通过权利要求书记载的手段及其组合得到实施。
[0012]课题解决方案
[0013]根据本揭示一实施例，视觉检测系统包括：摄像头，其用于拍摄检测客体；存储器，其包括：提取与故障相关的语义(semantic)信息，检测故障的第一人工智能模型以及提取特征信息(feature information)，检测故障的第二人工智能模型；处理器，其与所述摄像头及所述存储器连接。所述处理器将通过所述摄像头获取的图像输入到所述第一人工智能模型来获取第一输出信息，将所述图像输入到所述第二人工智能模型来获取第二输出信息，并基于所述第一输出信息和所述第二输出信息，检测出包含于所述图像的客体的故障。
[0014]所述第一人工智能模型可以是基于第一图像和第二图像经过训练的模型，该第一图像包含相当于正常的客体，第二图像包含相当于故障的客体。另外，所述第二人工智能模型可以从所述第一图像提取正常客体的特征信息。
[0015]所述第一输出信息包含第一掩膜，该第一掩膜显示出包含于所述图像的客体的故
障区，所述第二输出信息包含第二掩膜，该第二掩膜显示出包含于所述图像的客体的故障区。
[0016]此时，所述第一人工智能模型可以获取与包含于所述图像的客体的故障相关的语义(semantic)信息，并依据所述被获取的语义(semantic)信息，输出所述第一掩膜。并且，所述第二人工智能模型可以提取包含于所述图像的客体的特征信息，基于所述被提取的特征信息辨别包含于所述图像的客体的分类，将匹配于所述分类的正常客体的特征信息与所述被提取的特征信息进行对比来获取故障信息，并依据所述被获取的故障信息，输出所述第二掩膜。
[0017]另外，所述处理器针对所述第一输出信息应用第一加权值来获取第一值，针对所述第二输出信息应用第二加权值来获取第二值，并基于所述第一值和所述第二值，辨别出包含于所述图像的客体的故障区。
[0018]此时，所述处理器可以基于所述图像的拍摄环境信息，分别设定所述第一加权值和所述第二加权值。
[0019]输入有尺寸与所述第一人工智能模型和所述第二人工智能模型各自的输入不匹配的图像时，所述处理器可以将所述被输入的图像输入到用于识别客体的至少一个人工智能模型而辨别客体，提取所述被输入的图像内包含所述被辨别的客体的区域，将所述被提取的区域分别输入到所述第一人工智能模型和所述第二人工智能模型。
[0020]根据本揭示一实施例的视觉检测系统包括：存储器，其包括：提取与故障相关的语义(semantic)信息，检测故障的第一人工智能模型以及提取特征信息(feature information)，检测故障的第二人工智能模型；处理器，其与所述存储器连接。所述处理器将包含客体的图像输入到所述第一人工智能模型来获取第一输出信息，将所述图像输入到所述第二人工智能模型来获取第二输出信息，并基于所述第一输出信息和所述第二输出信息检测出包含于所述图像的客体的故障。
[0021]此时，图像可以是已经存储在存储器120中的或者是从至少一个外置电子装置接收的。
[0022]专利技术效果
[0023]根据本揭示的视觉检测系统具有以下技术效果：可以应用两个不同人工智能模型的输出，针对多类客体精准地检测出故障。
[0024]根据本揭示的视觉检测系统具有以下优点：可以对于两个人工智能模型的训练/构建应用通用的训练数据(图像)，仅仅一个人工智能模型实施更新节点之间加权值的训练就足够，因此，构筑精准的故障检测环境时需要承担的负重较少。
附图说明
[0025]图1是根据本揭示一实施例的视觉检测系统的构成的框图。
[0026]图2是根据本揭示一实施例的视觉检测系统的工作流程图。
[0027]图3示出了根据本揭示一实施例的视觉检测系统将图像分别输入到不同的两个人工智能模型时动作。
[0028]图4是根据本揭示一实施例的视觉检测系统的第一人工智能模型受训过程的流程图。
[0029]图5是根据本揭示一实施例的视觉检测系统的第二人工智能模型构筑过程的流程图。
[0030]图6是根据本揭示一实施例的视觉检测系统应用第二人工智能模型检测故障的流程图。
[0031]图7是根据本揭示多个实施例的视觉检测系统的具体构成的框图。
[0032]图8示出了根据本揭示一实施例，视觉检测系统内包括FPGA的摄像头的构成。
[0033]附图标记：
[0034]100：视觉检测系统
ꢀꢀꢀꢀꢀ
110：摄像头
[0035]120：存储器
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
130：处理器
具体实施方式
[0036]具体描述本揭示之前，先描述本说明书和附图的记载方法。
[0037]首先，为本说明书和权利要求书选用术语时，考虑到其在本揭示的多个实施例中具有的功能，选择了普通术语。但，该等术语根据本领域技术人员的意志或者法律或技术解释以及新技术的出现等，或有改变。并且，部分术语还是申请人任意选择确定的术语。关于这种术语，可以解释为本说明书中定义的涵义，术语没有具体定义时，可以依据本说明书的整篇内容以及本
的通常技术常识进行解释。
[0038]并且，本说明书的附图中示出的相同的参考编号或符号表示实际上起到相同功能的部件或构件。为了便于描述和理解，不同实施例也使用相同的参考编号或符号进行描述。即，即使多个附图均示出了具有相同参考编号的构件，但，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种视觉检测系统，其特征在于：包括：摄像头，其用于拍摄检测客体；存储器，其包括：提取与故障相关的语义(semantic)信息，检测故障的第一人工智能模型以及提取特征信息(feature information)，检测故障的第二人工智能模型；以及处理器，其与所述摄像头及所述存储器连接，所述处理器将通过所述摄像头获取的图像输入到所述第一人工智能模型来获取第一输出信息，将所述图像输入到所述第二人工智能模型来获取第二输出信息，并基于所述第一输出信息和所述第二输出信息，检测出包含于所述图像的客体的故障。2.根据权利要求1所述的视觉检测系统，其特征在于：所述第一人工智能模型是基于第一图像和第二图像经过训练的模型，该第一图像包含相当于正常的客体，第二图像包含相当于故障的客体，所述第二人工智能模型从所述第一图像提取正常客体的特征信息。3.根据权利要求1所述的视觉检测系统，其特征在于：所述第一输出信息包含第一掩膜，该第一掩膜显示出包含于所述图像的客体的故障区，所述第二输出信息包含第二掩膜，该第二掩膜显示出包含于所述图像的客体的故障区。4.根据权利要求3所述的视觉检测系统，其特征在于：所述第一人工智能模型可以获取与包含于所述图像的客体的故障相关的语义(semantic)信息，并依据所述被获取的语义(semantic)信息，输出所述第一掩膜，所述第二人工智能模型可以提取包含于所述图像的客体的特征信息，基于所述被提取的特征信息辨别包含于所述图像的客体的分类，将匹配于所述分...

【专利技术属性】
技术研发人员：李庸柱，金孝昌，朴哲雨，朱贤哲，朴镜石，
申请(专利权)人：埃核科技有限公司，
类型：发明
国别省市：