本申请提供一种电池盒检查方法、装置、存储介质和计算机设备，所述方法包括：获取待检查电池盒产品的产品六视图；通过卷积神经网络对产品六视图进行特征识别，以获取产品六视图中，各个产品视图的表面特征信息；根据表面特征信息，将对应的产品视图进行拆分，得到每个产品视图的多个片段图像；其中，每个片段图像对应一个用于构成待检查电池盒产品的单位组件；将每个产品视图的多个片段图像输入卷积神经网络分类器，得到卷积神经网络输出的检查结果；若检查结果为合格，将待检查电池盒产品的产品信息记录到合格产品档案，若检查结果为不合格，发出预警信息。本申请可以提高电池盒的检查效率和检查结果的准确性。检查效率和检查结果的准确性。检查效率和检查结果的准确性。
【技术实现步骤摘要】
电池盒检查方法、装置、存储介质和计算机设备
[0001]本申请涉及电池盒的检查
，具体涉及一种电池盒检查方法、装置、存储介质和计算机设备。
技术介绍
[0002]传统的电池盒检查是方式是人工目视检查，此检查方式对人员要求高，由于封堵胶片、铆钉、小型支架、压铆螺母等零部件相对较小，工人在长时间检查过程中容易产生视觉疲劳，效率低，且容易出现漏判，并且由于电池盒检查是电池盒必经的生产过程之一，电池盒检查效率低也会限制了每天的生产效率，无法大幅提升企业生产电池盒的产能。
技术实现思路
[0003]本申请的目的在于克服现有技术中的缺点与不足，提供一种电池盒检查方法、装置、存储介质和计算机设备，可以提高电池盒的检查效率和检查结果的准确性。
[0004]本申请的一个实施例提供一种电池盒检查方法，包括：
[0005]获取待检查电池盒产品的产品六视图；
[0006]通过卷积神经网络对所述产品六视图进行特征识别，以获取所述产品六视图中，各个产品视图的表面特征信息；
[0007]根据所述表面特征信息，将对应的所述产品视图进行拆分，得到每个所述产品视图的多个片段图像；其中，每个片段图像对应一个用于构成所述待检查电池盒产品的单位组件；
[0008]将每个所述产品视图的多个片段图像输入卷积神经网络分类器，得到所述卷积神经网络输出的检查结果；
[0009]若所述检查结果为合格，将所述待检查电池盒产品的产品信息记录到合格产品档案，若所述检查结果为不合格，发出预警信息。
[0010]相对于相关技术，本申请首先获取待检查电池盒产品的产品六视图，然后根据产品六视图的各个产品视图的表面特征信息，将对应的产品视图进行拆分，得到每个产品视图的多个片段图像，再将多个片段图像图像输入卷积神经网络分类器，得到对应的检查结果，通过图像与神经网络检查的方式代替传统的人工目视检查，可以提高电池盒的检查效率和检查结果的准确性。
[0011]进一步，所述将每个所述产品视图的多个片段图像输入卷积神经网络分类器，得到所述卷积神经网络输出的检查结果的步骤，包括：
[0012]将每个所述产品视图的多个片段图像输入卷积神经网络分类器，得到所述卷积神经网络输出的各个片段图像的检查子结果；
[0013]根据同一个所述产品视图对应的多个所述检查子结果，生成所述产品视图的检查结果。
[0014]进一步，所述将每个所述产品视图的多个片段图像输入卷积神经网络分类器，得
到所述卷积神经网络输出的检查结果的步骤后，还包括：
[0015]存储所述检查结果；其中，用于存储所述检查结果的介质包括电脑磁盘、和/或云端服务器、和/或移动存储器。
[0016]进一步，所述卷积神经网络分类器的结果为深度可分离卷积结构和反向残差结构；
[0017]其中，所述深度可分离卷积结构用于对输入的所述多个片段图像进行通卷积和深度可分离卷积进运算，得到特征图；
[0018]所述反向残差结构用于对所述特征图进行卷积处理提升通道数，然后利用深度卷积提取特征，再通过卷积处理恢复通道，以得到所述各个片段图像的检查子结果。
[0019]本申请的一个实施例还提供了一种电池盒检查装置，包括：
[0020]视图获取模块，用于获取待检查电池盒产品的产品六视图；
[0021]表面特征信息获取模块，用于通过卷积神经网络对所述产品六视图进行特征识别，以获取所述产品六视图中，各个产品视图的表面特征信息；
[0022]片段图像获取模块，用于根据所述表面特征信息，将对应的所述产品视图进行拆分，得到每个所述产品视图的多个片段图像；其中，每个片段图像对应一个用于构成所述待检查电池盒产品的单位组件；
[0023]检查模块，用于将每个所述产品视图的多个片段图像输入卷积神经网络分类器，得到所述卷积神经网络输出的检查结果；
[0024]检查结果处理模块，用于若所述检查结果为合格，将所述待检查电池盒产品的产品信息记录到合格产品档案，若所述检查结果为不合格，发出预警信息。
[0025]进一步，所述检查模块包括：
[0026]检查子结果获取模块，用于将每个所述产品视图的多个片段图像输入卷积神经网络分类器，得到所述卷积神经网络输出的各个片段图像的检查子结果；
[0027]检查结果获取模块，用于根据同一个所述产品视图对应的多个所述检查子结果，生成所述产品视图的检查结果。
[0028]进一步，还包括检查结果存储模块，用于存储所述检查结果；其中，用于存储所述检查结果的介质包括电脑磁盘、和/或云端服务器、和/或移动存储器。
[0029]进一步，所述卷积神经网络分类器的结果为深度可分离卷积结构和反向残差结构；
[0030]其中，所述深度可分离卷积结构用于对输入的所述多个片段图像进行通卷积和深度可分离卷积进运算，得到特征图；
[0031]所述反向残差结构用于对所述特征图进行卷积处理提升通道数，然后利用深度卷积提取特征，再通过卷积处理恢复通道，以得到所述各个片段图像的检查子结果。
[0032]相对于相关技术，本申请首先获取待检查电池盒产品的产品六视图，然后根据产品六视图的各个产品视图的表面特征信息，将对应的产品视图进行拆分，得到每个产品视图的多个片段图像，再将多个片段图像图像输入卷积神经网络分类器，得到对应的检查结果，通过图像与神经网络检查的方式代替传统的人工目视检查，可以提高电池盒的检查效率和检查结果的准确性。
[0033]本申请的一个实施例还提供一种计算机可读存储介质，所述计算机可读存储介质
存储有计算机程序，所述计算机程序被处理器执行时实现如上所述的电池盒检查方法的步骤。
[0034]本申请的一个实施例还提供一种计算机设备，包括储存器、处理器以及储存在所述储存器中并可被所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如上所述的电池盒检查方法的步骤。
[0035]为了能更清晰的理解本申请，以下将结合附图说明阐述本申请的具体实施方式。
附图说明
[0036]图1为本申请一个实施例的电池盒检查方法的流程图；
[0037]图2为本申请一个实施例的电池盒检查装置的模块连接示意图。
[0038]附图标记说明：
[0039]1、视图获取模块；2、表面特征信息获取模块；3、片段图像获取模块；4、检查模块；5、检查结果处理模块。
具体实施方式
[0040]为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施例方式作进一步地详细描述。
[0041]应当明确，所描述的实施例仅仅是本申请实施例一部分实施例，而不是全部的实施例。基于本申请实施例中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本申请实施例保护的范围。
[0042]下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。在本申请的描本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种电池盒检查方法，其特征在于，包括：获取待检查电池盒产品的产品六视图；通过卷积神经网络对所述产品六视图进行特征识别，以获取所述产品六视图中，各个产品视图的表面特征信息；根据所述表面特征信息，将对应的所述产品视图进行拆分，得到每个所述产品视图的多个片段图像；其中，每个片段图像对应一个用于构成所述待检查电池盒产品的单位组件；将每个所述产品视图的多个片段图像输入卷积神经网络分类器，得到所述卷积神经网络输出的检查结果；若所述检查结果为合格，将所述待检查电池盒产品的产品信息记录到合格产品档案，若所述检查结果为不合格，发出预警信息。2.根据权利要求1所述的电池盒检查方法，其特征在于，所述将每个所述产品视图的多个片段图像输入卷积神经网络分类器，得到所述卷积神经网络输出的检查结果的步骤，包括：将每个所述产品视图的多个片段图像输入卷积神经网络分类器，得到所述卷积神经网络输出的各个片段图像的检查子结果；根据同一个所述产品视图对应的多个所述检查子结果，生成所述产品视图的检查结果。3.根据权利要求1所述的电池盒检查方法，其特征在于，所述将每个所述产品视图的多个片段图像输入卷积神经网络分类器，得到所述卷积神经网络输出的检查结果的步骤后，还包括：存储所述检查结果；其中，用于存储所述检查结果的介质包括电脑磁盘、和/或云端服务器、和/或移动存储器。4.根据权利要求1所述的电池盒检查方法，其特征在于，所述卷积神经网络分类器的结果为深度可分离卷积结构和反向残差结构；其中，所述深度可分离卷积结构用于对输入的所述多个片段图像进行通卷积和深度可分离卷积进运算，得到特征图；所述反向残差结构用于对所述特征图进行卷积处理提升通道数，然后利用深度卷积提取特征，再通过卷积处理恢复通道，以得到所述各个片段图像的检查子结果。5.一种电池盒检查装置，其特征在于，包括：视图获取模块，用于获取待检查电池盒产品的产品六视图；表面特征信息获取模块，用于通过卷积神经网络对所述产品六视图进行特征识别，以获取所述产...
【专利技术属性】
技术研发人员：刘业涛，陈龙，廖少榜，刘云杰，
申请(专利权)人：广东熙瑞智能科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。