一种基于制造技术

本发明专利技术涉及工业视觉检测技术领域，尤其涉及一种基于

【技术实现步骤摘要】
一种基于5G边缘云的光伏工业视觉检测方法及系统


[0001]本专利技术涉及工业视觉检测
，尤其涉及一种基于
5G
边缘云的光伏工业视觉检测方法及系统
。

技术介绍

[0002]在工业光伏产品生产流水线中，需要对其生产的多个阶段的产品进行质检，包括但不限于光伏板检测
、
灌胶检测等，其中对每个阶段产品的缺陷检测项至关重要
。
目前，针对于整个光伏工业视觉检测方案有两种，一是人工检测方式，二是
AI
检测方式
。
[0003]对于人工检测方式，在光伏产品生产的流水线中，有诸多工位
。
需要对产品到达每个工位时的状态进行缺陷检测
。
[0004]对于
AI
检测方式，每一道工序都采用视觉算法进行产品缺陷检测
。
其中
AI
检测包括人工数据采集阶段
、
模型训练阶段
、
产品生产阶段和人工数据回收阶段
。
由于每个工位的产品状态不同，需要检测的检测项繁多
。
如光伏板检测工位，需要检测光伏板是否存在短路
、
断栅
、
黑斑
、
划伤
、
间距
、
虚焊
、
异物和隐裂等诸多缺陷；如检测灌胶是否存在缺胶
、
胶量不足
、
溢胶和盖上等诸多缺陷
。
[0005]采用人工检测的方式受每个人主观意识所判断，识别经验也会不同，因而人工检测方式不仅误检率高，而且节拍慢
。
并且每个工位检测项各不相同，产品尺寸
、
外观会随之不同，导致人工检测更加困难，及其容易造成错检或漏检
。
在节拍方面，若采取人工抽检地方式，更容易造成大量不合格件的流出
。
采用
AI
检测的方式可以有效地解决人工检测所带来的缺陷
。
但
AI
检测的整个流程方案繁琐，其中数据标注和清洗
、
模型训练和部署
、
数据挖掘和回收，都需要人工参与，导致后续维护极其复杂
、
困难
。
可见，现有在工业光伏产品生产流水线中，存在检测的流程繁琐，检测精度较低的问题
。

技术实现思路

[0006]本专利技术提供了一种基于
5G
边缘云的光伏工业视觉检测方法及系统，以解决现有在工业光伏产品生产流水线中存在的检测流程繁琐，检测精度较低的问题
。
[0007]为了实现上述目的，本专利技术通过如下的技术方案来实现：
[0008]第一方面，本专利技术提供一种基于
5G
边缘云的光伏工业视觉检测方法，包括：
[0009]客户端采集待检测产品图像，调用模型推理接口获取检测模型，将产品图像输入检测模型，获取检测模型输出的结果，并将模型的输入数据作为回流数据发送至服务器端；
[0010]服务器端接收来自客户端的回流数据，采用检测模型基于回流数据确定
NG
数据，若在预设时间段内的
NG
产品量高于设定阈值，对回流数据进行数据处理并重新训练检测模型，将训练后的检测模型发送至客户端；
[0011]客户端基于来自于服务器端的模型更新自身的检测模型
。
[0012]可选地，对回流数据进行数据处理并重新训练检测模型，包括：
[0013]过滤掉回流数据中的简单样本数据，以图像中信息量为基准对回流数据进行难样
本挖掘得到难样本数据；
[0014]对难样本数据进行数据清洗，并将清洗后的数据输入当前的检测模型，根据当前检测模型的输出，自动生成对应的标注，得到标注数据；
[0015]将自动生成的标注，微调拟合至标注对象边缘；
[0016]将标注数据输入当前检测模型，计算当前检测模型的指标，若指标小于设定阈值，根据标注数据重新训练当前检测模型
。
[0017]可选地，以图像中信息量为基准对回流数据进行难样本挖掘得到难样本数据，包括：
[0018]基于目标信息量计算样本的不确定性，过滤不确定性高于阈值的样本，再通过感知哈希和聚类压缩回收的样本数量以对回流数据进行难样本挖掘得到难样本数据
。
[0019]可选地，将标注数据输入当前检测模型之前，方法还包括：
[0020]审核验证标注数据，在标注数据不符合预设要求的情况下，调整自动生成的标注
。
[0021]可选地，将训练后的检测模型发送至客户端，包括：
[0022]将重新训练后的模型转换为部署模型，并将部署模型打包至服务镜像，由服务器云端通过
5G
自动下发至客户端以更新客户端中的检测模型
。
[0023]可选地，检测模型输出的结果包括
NG
数据和
OK
数据，
NG
数据用于指示图像对应的产品为不合格产品，
OK
数据用于指示图像对应的产品为合格产品
。
[0024]可选地，客户端将模型的输入数据作为回流数据发送至服务器端时，通过
5G
进行上传
。
[0025]第二方面，本专利技术提供一种基于
5G
边缘云的光伏工业视觉检测系统，包括存储器
、
处理器以及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述第一方面方法的步骤
。
[0026]有益效果：
[0027]本专利技术提供的基于
5G
边缘云的光伏工业视觉检测方法，形成了客户端与服务端的闭环，在服务器端进行监测，若在预设时间段内的
NG
产品量高于设定阈值，对客户端的回流数据进行数据处理并重新训练检测模型，并再将重新训练后的检测模型发送至客户端以更新客户端中的检测模型
。
这样，减少了人工干涉，使实施维护人员更加高效，客户端只需要使用模型推理服务即可，可以减轻客户端的负荷，使客户端功能更加简便
。
附图说明
[0028]图1为本专利技术优选实施例的一种基于
5G
边缘云的光伏工业视觉检测方法流程图之一；
[0029]图2为本专利技术优选实施例的数据处理流程图；
[0030]图3为本专利技术优选实施例的
NG
监测流程图；
[0031]图4为本专利技术优选实施例的指标监测流程图；
[0032]图5为本专利技术优选实施例的模型迭代流程图；
[0033]图6为本专利技术优选实施例的一种基于
5G
边缘云的光伏工业视觉检测方法流程图之二；
[0034]图7为本专利技术优选实施例的云端标注示意图；
[本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于
5G
边缘云的光伏工业视觉检测方法，其特征在于，包括：客户端采集待检测产品图像，调用模型推理接口获取检测模型，将所述产品图像输入检测模型，获取检测模型输出的结果，并将所述模型的输入数据作为回流数据发送至服务器端；服务器端接收来自客户端的回流数据，采用检测模型基于所述回流数据确定
NG
数据，若在预设时间段内的
NG
产品量高于设定阈值，对回流数据进行数据处理并重新训练检测模型，将训练后的检测模型发送至客户端；客户端基于来自于服务器端的模型更新自身的检测模型
。2.
根据权利要求1所述的基于
5G
边缘云的光伏工业视觉检测方法，其特征在于，所述对回流数据进行数据处理并重新训练检测模型，包括：过滤掉所述回流数据中的简单样本数据，以图像中信息量为基准对回流数据进行难样本挖掘得到难样本数据；对所述难样本数据进行数据清洗，并将清洗后的数据输入当前的检测模型，根据当前检测模型的输出，自动生成对应的标注，得到标注数据；将自动生成的标注，微调拟合至标注对象边缘；将所述标注数据输入当前检测模型，计算当前检测模型的指标，若指标小于设定阈值，根据标注数据重新训练当前检测模型
。3.
根据权利要求2所述的基于
5G
边缘云的光伏工业视觉检测方法，其特征在于，所述以图像中信息量为基准对回流数据进行难样本挖掘得到难样本数据，包括：基于目标信息量计算样本的不确定性，过滤不确定性高于阈值的样本，再通过感知哈希和聚类压缩回收的样本数量以对回流数据进行难样本挖掘得到难样本数据
。4.
...

【专利技术属性】
技术研发人员：张文博，周颖超，邓文平，
申请(专利权)人：湖南视比特机器人有限公司，
类型：发明
国别省市：