家用电器壳体生产线自动检测系统及其方法技术方案

本申请涉及智能检测领域，其具体地公开了一种家用电器壳体生产线自动检测系统及其方法，其将待检测家用电器壳体的检测图像和符合预定要求的家用电器壳体的参考图像通过基于深度神经网络的特征提取器以将所述检测图像和所述参考图像映射到高维特征空间中，并基于两者在高维特征空间中的特征分布差异为依据判断待检测家用电器壳体的质量是否符合预定标准。这样，基于机器视觉和基于深度神经网络模型的智能检测技术来检测家用电器壳体的生产质量，可以大大提高检测效率和检测正确率。可以大大提高检测效率和检测正确率。可以大大提高检测效率和检测正确率。

【技术实现步骤摘要】
家用电器壳体生产线自动检测系统及其方法


[0001]本申请涉及智能检测领域，且更为具体地，涉及一种家用电器壳体生产线自动检测系统及其方法。

技术介绍

[0002]家用电器壳体生产线检测指的是在家用电器壳体生产线上，对家用电器的外壳进行检测，以确保其符合出厂质量标准，如果检测的家用电器壳体不合格，则需要将不合格的产品从生产线上剔除，这样可以有效地保证出厂产品的质量。
[0003]传统的家用电器壳体生产线自动检测系统需要手动调整参数和阈值以适应不同场景下的检测需求，并且容易受到光照、噪声等因素的影响，导致检测正确率较低。
[0004]因此，需要一种优化的家用电器壳体生产线检测方案。

技术实现思路

[0005]为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种家用电器壳体生产线自动检测系统及其方法，其将待检测家用电器壳体的检测图像和符合预定要求的家用电器壳体的参考图像通过基于深度神经网络的特征提取器以将所述检测图像和所述参考图像映射到高维特征空间中，并基于两者在高维特征空间中的特征分布差异为依据判断待检测家用电器壳体的质量是否符合预定标准。这样，基于机器视觉和基于深度神经网络模型的智能检测技术来检测家用电器壳体的生产质量，可以大大提高检测效率和检测正确率。
[0006]根据本申请的一个方面，提供了一种家用电器壳体生产线自动检测系统，其包括：
[0007]图像获取模块，用于获取待检测的家用电器壳体的检测图像和符合预定要求的家用电器壳体的参考图像；
[0008]分块模块，用于对所述检测图像和所述参考图像分别进行图像分块处理以得到检测图像块序列和参考图像块序列；
[0009]检测图像编码模块，用于将所述检测图像块序列中的各个检测图像块分别通过作为过滤器的第一卷积神经网络模型以得到多个图像块检测特征向量；
[0010]参考图像编码模块，用于将所述参考图像块序列中的各个参考图像块分别通过作为过滤器的第二卷积神经网络模型以得到多个图像块参考特征向量；
[0011]全局编码模块，用于将所述多个图像块检测特征向量和所述多个图像块参考特征向量分别排列为检测图像全局特征矩阵和参考图像全局特征矩阵后通过包含第一图像编码器和第二图像编码器的孪生网络模型以得到检测特征图和参考特征图，所述第一图像编码器和所述第二图像编码器具有相同的网络结构；
[0012]差分模块，用于计算所述检测特征图和所述参考特征图之间的差分特征图；以及
[0013]质量结果判定模块，用于将所述差分特征图通过分类器以得到分类结果，所述分类结果用于表示待检测家用电器壳体的质量是否符合预定标准。。
[0014]在上述家用电器壳体生产线自动检测系统中，所述分块模块，用于：对所述检测图像和所述参考图像分别进行图像均匀分块处理以得到所述检测图像块序列和所述参考图像块序列，其中，所述检测图像块序列中各个检测图像块与所述参考图像块序列中各个参考图像块之间的尺度相同。
[0015]在上述家用电器壳体生产线自动检测系统中，所述检测图像编码模块，包括：使用所述第一卷积神经网络模型的各层在层的正向传递中分别进行：对输入数据进行卷积处理以得到卷积特征图；对所述卷积特征图沿通道维度的各个特征矩阵进行池化以得到池化特征图；以及，对所述池化特征图进行非线性激活以得到激活特征图；其中，所述第一卷积神经网络模型的最后一层的输出为所述图像块检测特征向量，所述第一卷积神经网络模型的第一层的输入为所述检测图像块序列中各个检测图像块。
[0016]在上述家用电器壳体生产线自动检测系统中，所述第一图像编码器和所述第二图像编码器为包含多个混合卷积层的第三卷积神经网络模型。
[0017]在上述家用电器壳体生产线自动检测系统中，所述全局编码模块，包括：检测特征图生成单元，用于使用所述孪生网络模型的第一图像编码器对所述检测图像全局特征矩阵进行多尺度深度卷积编码以得到所述检测特征图；以及，参考特征图生成单元，用于使用所述孪生网络模型的第二图像编码器对所述参考图像全局特征矩阵进行多尺度深度卷积编码以得到所述参考特征图。
[0018]在上述家用电器壳体生产线自动检测系统中，所述所述检测特征图生成单元和所述参考特征图生成单元，包括：使用所述第一图像编码器的各个混合卷积层在层的正向传递中分别对输入数据进行多尺度卷积处理、池化处理和非线性激活处理以由所述第一图像编码器的最后一个混合卷积层输出所述检测特征图；以及，使用所述第二图像编码器的各个混合卷积层在层的正向传递中分别对输入数据进行多尺度卷积处理、池化处理和非线性激活处理以由所述第二图像编码器的最后一个混合卷积层输出所述参考特征图。
[0019]在上述家用电器壳体生产线自动检测系统中，所述差分模块，包括：特征图降维单元，用于对所述检测特征图和所述参考特征图的沿通道维度的各个特征矩阵进行特征矩阵展开以得到多个第一通道维度展开特征向量和多个第二通道维度展开特征向量；第一相对熵计算单元，用于计算每一组对应通道维度的所述第一通道维度展开特征向量相对于所述第二通道维度展开特征向量的第一相对熵以得到多个第一加权参数；第二相对熵计算单元，用于计算每一组对应通道维度的所述第二通道维度展开特征向量相对于所述第一通道维度展开特征向量的第二相对熵以得到多个第二加权参数；以及，差分特征图生成单元，用于以所述多个第一加权参数和所述多个第二加权参数作为权重，来计算所述检测特征图和所述参考特征图的沿通道维度的各组特征矩阵之间的按位置的差值以得到所述差分特征图。
[0020]在上述家用电器壳体生产线自动检测系统中，所述第一相对熵计算单元，用于：以如下第一相对熵计算公式来计算每一组对应通道维度的所述第一通道维度展开特征向量相对于所述第二通道维度展开特征向量的第一相对熵以得到所述多个第一加权参数；其中，所述第一相对熵计算公式为：
[0021][0022]其中，w
1i
表示第i组的第一加权参数，p
ij
表示第i组的所述第一通道维度展开特征向量的第j个位置的特征值，q
ij
表示第i组的所述第二通道维度展开特征向量的第j个位置的特征值，log表示以2为底的对数函数值。
[0023]在上述家用电器壳体生产线自动检测系统中，所述第二相对熵计算单元，用于：以如下第二相对熵计算公式来计算每一组对应通道维度的所述第二通道维度展开特征向量相对于所述第一通道维度展开特征向量的第二相对熵以得到所述多个第二加权参数；其中，所述第二相对熵计算公式为：
[0024][0025]其中，w
2i
表示第i组的第二加权参数，p
ij
表示第i组的所述第一通道维度展开特征向量的第j个位置的特征值，q
ij
表示第i组的所述第二通道维度展开特征向量的第j个位置的特征值，log表示以2为底的对数函数值。
[0026]根据本申请的另一方面，提供了一种家用电器壳体生产线自动检测方法，其包括：
[0027本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种家用电器壳体生产线自动检测系统，其特征在于，包括：图像获取模块，用于获取待检测的家用电器壳体的检测图像和符合预定要求的家用电器壳体的参考图像；分块模块，用于对所述检测图像和所述参考图像分别进行图像分块处理以得到检测图像块序列和参考图像块序列；检测图像编码模块，用于将所述检测图像块序列中的各个检测图像块分别通过作为过滤器的第一卷积神经网络模型以得到多个图像块检测特征向量；参考图像编码模块，用于将所述参考图像块序列中的各个参考图像块分别通过作为过滤器的第二卷积神经网络模型以得到多个图像块参考特征向量；全局编码模块，用于将所述多个图像块检测特征向量和所述多个图像块参考特征向量分别排列为检测图像全局特征矩阵和参考图像全局特征矩阵后通过包含第一图像编码器和第二图像编码器的孪生网络模型以得到检测特征图和参考特征图，所述第一图像编码器和所述第二图像编码器具有相同的网络结构；差分模块，用于计算所述检测特征图和所述参考特征图之间的差分特征图；以及质量结果判定模块，用于将所述差分特征图通过分类器以得到分类结果，所述分类结果用于表示待检测家用电器壳体的质量是否符合预定标准。2.根据权利要求1所述的家用电器壳体生产线自动检测系统，其特征在于，所述分块模块，用于：对所述检测图像和所述参考图像分别进行图像均匀分块处理以得到所述检测图像块序列和所述参考图像块序列，其中，所述检测图像块序列中各个检测图像块与所述参考图像块序列中各个参考图像块之间的尺度相同。3.根据权利要求2所述的家用电器壳体生产线自动检测系统，其特征在于，所述检测图像编码模块，包括：使用所述第一卷积神经网络模型的各层在层的正向传递中分别进行：对输入数据进行卷积处理以得到卷积特征图；对所述卷积特征图沿通道维度的各个特征矩阵进行池化以得到池化特征图；以及对所述池化特征图进行非线性激活以得到激活特征图；其中，所述第一卷积神经网络模型的最后一层的输出为所述图像块检测特征向量，所述第一卷积神经网络模型的第一层的输入为所述检测图像块序列中各个检测图像块。4.根据权利要求3所述的家用电器壳体生产线自动检测系统，其特征在于，所述第一图像编码器和所述第二图像编码器为包含多个混合卷积层的第三卷积神经网络模型。5.根据权利要求4所述的家用电器壳体生产线自动检测系统，其特征在于，所述全局编码模块，包括：检测特征图生成单元，用于使用所述孪生网络模型的第一图像编码器对所述检测图像全局特征矩阵进行多尺度深度卷积编码以得到所述检测特征图；以及参考特征图生成单元，用于使用所述孪生网络模型的第二图像编码器对所述参考图像全局特征矩阵进行多尺度深度卷积编码以得到所述参考特征图。6.根据权利要求5所述的家用电器壳体生产线自动检测系统，其特征在于，所述检测特征图生成单元和所述参考特征图生成单元，包括：使用所述第一图像编码器的各个混合卷积层在层的正向传递中分别对输入数据进行
多尺度卷积处理、池化处理和非线性激活处理以由所述第一图像编码器的最后一个混合卷积层输出所述检测特征图；以及使用所述第二图像编码器的各个混合卷积层在层的正向传递中分别对输入数据进行多尺度卷积处理、池化处理和非线性激活处理以由所述第二图像编码器的最后一个混合卷积层输出所述参考特征图。7.根据权利要求...

【专利技术属性】
技术研发人员：袁晋国，张伟卿，
申请(专利权)人：滁州国恒自动化科技有限公司，
类型：发明
国别省市：