一种基于智能机器人的检测制造技术

一种基于智能机器人的检测

【技术实现步骤摘要】
一种基于智能机器人的检测LED大屏坏点的方法


[0001]本专利技术涉及智能机器人
，具体涉及一种基于智能机器人的检测
LED
大屏坏点的方法
。

技术介绍

[0002]机器人检测
LED
大屏坏点是一种应用于
LED
显示
的先进技术
。LED
是一种发光二极管，因其低功耗
、
高亮度
、
长寿命等优势，被广泛应用于显示屏幕
、
电视
、
广告牌等场景
。
然而，由于制造过程和使用环境等原因，
LED
大屏可能会出现坏点或故障，降低显示质量和可靠性
。
传统的
LED
大屏坏点检测通常依赖于人工目视检查，长时间可能会对人眼有所损伤，且检测结果可能存在主观误差
。
为了提高检测效率和准确性，机器人检测技术被引入
。
[0003]现存一些基于传统图像处理的技术：使用传统的图像处理算法，如边缘检测
、
阈值分割
、
形态学处理等，能够识别和定位
LED
大屏上的坏点
。
这些算法通常比较稳定和快速，但可能对复杂的坏点类型或场景变化不够敏感
。

技术实现思路

[0004]本专利技术为了克服以上技术的不足，提供了一种利用深度学习技术，结合屏幕控制系统，实现了自动化的智能检测
LED
大屏坏点的方法
。
[0005]本专利技术克服其技术问题所采用的技术方案是：一种基于智能机器人的检测
LED
大屏坏点的方法，包括：机器人对现场环境进行建立地图；收集
N
张
LED
屏幕图片，其中
M
张
LED
屏幕图片包含坏点，
P
张
LED
屏幕图片不包含坏点，
M+P=N
，将
M
张
LED
屏幕图片中手动标注坏点的位置坐标；将
N
张
LED
屏幕图片进行预处理操作；将预处理后的
N
张
LED
屏幕图片划分为训练集
、
验证集
、
测试集；建立深度学习模型，将训练集中的预处理后的屏幕图片输入到深度学习模型中，输出得到检测框，每个框对应一个检测到的坏点，计算检测框中心点位置，将中心点位置作为坏点位置；在机器人内设置屏幕控制系统，
LED
大屏的终端控制设备与机器人的
WIFI
在同一局域网下；前端页面发送检测指令给机器人，机器人收到检测指令后，根据建立的地图和自身坐标，移动到指定的
LED
大屏前，
LED
大屏由
Q
个
LED
小屏拼接组成，机器人根据由上到下
、
由左到右的顺序通过摄像头依次拍摄各个
LED
小屏，得到
Q
张图片；将
Q
张图片输入到深度学习模型中，输出得到检测框，每个框对应一个检测到的坏点，计算检测框中心点位置，将中心点位置作为坏点位置
。
[0006]进一步的，机器人使用传感器或雷达进行数据关联与融合，实现运动估计
、
地图构
建及回环检测
。
[0007]进一步的，预处理操作的方法为：对
N
张
LED
屏幕图片依次进行缩放操作
、
剪裁操作
、
归一化操作
。
[0008]优选的，按
8:1:1
的比例将预处理后的
N
张
LED
屏幕图片划分为训练集
、
验证集
、
测试集
。
[0009]优选的，上述深度学习模型为
Faster R
‑
CNN
模型
。
[0010]进一步的，还包括通过随机梯度下降优化算法优化深度学习模型
。
[0011]进一步的，前端页面通过
MQTT
协议发送检测指令到机器人端
。
[0012]进一步的，机器人通过
SLAM
算法导航到指定
LED
大屏前
。
[0013]进一步的，调用机器人中的屏幕控制系统接口，屏幕控制系统生产纯黑色图片
、
出白色图片
、
红色图片
、
绿色图片
、
蓝色图片，屏幕控制系统通过
WIFI
传输到
LED
大屏的终端控制设备，
LED
大屏的终端控制设备控制
LED
大屏分别显示纯黑色图片
、
出白色图片
、
红色图片
、
绿色图片
、
蓝色图片
。
[0014]进一步的，还包括将
Q
张图片的坏点位置发送到网页端
。
[0015]本专利技术的有益效果是：机器人能够自主运动和检测，无需人工干预，实现自动化检测，相比传统的人工检测方法，机器人能够在更短的时间内完成检测，提高检测效率
。
利用图像处理和深度学习技术，机器人能够高精度地检测
LED
屏幕上的坏点，避免了人为主观判断的误差，提高了检测准确性
。
机器人可以在较短的时间内扫描整个
LED
屏幕，适用于大规模
LED
屏幕的坏点检测，例如大型室外广告牌和大屏幕
。
附图说明
[0016]图1为本专利技术的系统流程图
。
具体实施方式
[0017]下面结合附图1对本专利技术做进一步说明
。
[0018]一种基于智能机器人的检测
LED
大屏坏点的方法，包括：机器人对现场环境进行建立地图
。
[0019]收集
N
张
LED
屏幕图片，其中
M
张
LED
屏幕图片包含坏点，
P
张
LED
屏幕图片不包含坏点，
M+P=N
，将
M
张
LED
屏幕图片中手动标注坏点的位置坐标，形成了带有标签的数据集
。
[0020]将
N
张
LED
屏幕图片进行预处理操作
。
[0021]将预处理后的
N
张
LED
屏幕图片划分为训练集
、
验证集
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于智能机器人的检测
LED
大屏坏点的方法，其特征在于，包括：机器人对现场环境进行建立地图；收集
N
张
LED
屏幕图片，其中
M
张
LED
屏幕图片包含坏点，
P
张
LED
屏幕图片不包含坏点，
M+P=N
，将
M
张
LED
屏幕图片中手动标注坏点的位置坐标；将
N
张
LED
屏幕图片进行预处理操作；将预处理后的
N
张
LED
屏幕图片划分为训练集
、
验证集
、
测试集；建立深度学习模型，将训练集中的预处理后的屏幕图片输入到深度学习模型中，输出得到检测框，每个框对应一个检测到的坏点，计算检测框中心点位置，将中心点位置作为坏点位置；在机器人内设置屏幕控制系统，
LED
大屏的终端控制设备与机器人的
WIFI
在同一局域网下；前端页面发送检测指令给机器人，机器人收到检测指令后，根据建立的地图和自身坐标，移动到指定的
LED
大屏前，
LED
大屏由
Q
个
LED
小屏拼接组成，机器人根据由上到下
、
由左到右的顺序通过摄像头依次拍摄各个
LED
小屏，得到
Q
张图片；将
Q
张图片输入到深度学习模型中，输出得到检测框，每个框对应一个检测到的坏点，计算检测框中心点位置，将中心点位置作为坏点位置
。2.
根据权利要求1所述的基于智能机器人的检测
LED
大屏坏点的方法，其特征在于：机器人使用传感器或雷达进行数据关联与融合，实现运动估计
、
地图构建及回环检测
。3.
根据权利要求1所述的基于智能机器人的检测
LED
大屏坏点的方法，其特征在于，预处理操作的方法为：对
N
张
LED
屏幕图片依次进行缩放操作
、
剪裁操作
...

【专利技术属性】
技术研发人员：黄洋，宋明，曹泰宏，
申请(专利权)人：山东新一代信息产业技术研究院有限公司，
类型：发明
国别省市：