一种基于深度学习的产线产品缺陷检测方法及装置制造方法及图纸

本发明专利技术公开了一种基于深度学习的产线产品缺陷检测方法，采集产品表面的原始图像，并进行缺陷类别的标注；对产品表面缺陷数据集进行划分，得到训练集和测试集；构建第一产品表面缺陷检测模型，模型包括特征提取、特征融合与目标预测网络，并利用梯度的反向传播来自动训练网络模型；构建第二产品表面缺陷检测模型，模型使用改进的YOLOX算法来训练第一产品表面缺陷检测模型；使用产品表面缺陷数据集对第一产品表面缺陷检测模型和第二产品表面缺陷检测模型进行训练；使用训练好的模型对产品表面缺陷图像进行检测，获得图像中缺陷的类型与位置信息；本发明专利技术有效提升了产线上的产品缺陷检测的精度和速度；通过采集到的图片来获得缺陷信息的输出。

【技术实现步骤摘要】

本专利技术涉及机器视觉图像处理领域，特别涉及一种基于深度学习的产线产品缺陷检测方法及装置。

技术介绍

1、自动生产线式制造业的基础，广泛应用于日常生活用品、汽车和仪表制造等领域。目前，随着组装的精密程度的提升，对自动生产线的要求正在不断提高。

2、然而，受到生产设备、生产环境以及制造水平等因素影响，产线上的产品在生产过程中会不可避免地出现各种缺陷，产品带有缺陷的进行后续生产加工和组装时极易造成隐患，产品质量也不符合标准，降低产品合格率，这将破坏自动生产线的生产效益。

3、因此，在流水线生产过程中，为了提高质量，就需要在生产过程中及时检测出可能存在的问题。现阶段的产线中，往往需要人工检验员来完成缺陷的寻找与判定，这对人员要求较高。因而，实现缺陷检测的自动化，是提高质量的重要手段，具有较高的市场价值。

技术实现思路

1、本专利技术的目的在于克服现有技术中的上述缺陷，提供一种基于深度学习的产线产品缺陷检测方法及装置，有效提升了产线上的产品缺陷检测的精度和速度；通过采集到的图片来获得缺陷信息的本文档来自技高网...

【技术保护点】

1.一种基于深度学习的产线产品缺陷检测方法置，其特征在于：包括：

2.根据权利要求1所述的一种基于深度学习的产线产品缺陷检测方法，其特征在于：所述步骤S2中包括以下步骤：

3.根据权利要求2所述的一种基于深度学习的产线产品缺陷检测方法，其特征在于：所述步骤S3中，按照4:1的比例，将上述数据随机分为训练集和测试集，分开进行训练与测试。

4.根据权利要求3所述的一种基于深度学习的产线产品缺陷检测方法，其特征在于：所述步骤S4中，使用第一数据集训练公开的传统YOLOX算法，训练时使用Mosiac，随机缩放；Mixup，随机翻转的数据增强方法，增强模型的泛化...

【技术特征摘要】

1.一种基于深度学习的产线产品缺陷检测方法置，其特征在于：包括：

2.根据权利要求1所述的一种基于深度学习的产线产品缺陷检测方法，其特征在于：所述步骤s2中包括以下步骤：

3.根据权利要求2所述的一种基于深度学习的产线产品缺陷检测方法，其特征在于：所述步骤s3中，按照4:1的比例，将上述数据随机分为训练集和测试集，分开进行训练与测试。

4.根据权利要求3所述的一种基于深度学习的产线产品缺陷检测方法，其特征在于：所述步骤s4中，使用第一数据集训练公开的传统yolox算法，训练时使用mosiac，随机缩放；mixup，随机翻转的数据增强方法，增强模型的泛化能力；将图像输入其中，经过特征提取、特征融合与目标预测网络得到结果，并利用梯度的反向传播来自动训练网络；该模型能够检出出图片中需要进一步检测的区域与定位标记，即能够提取感兴趣区域的第一产品表面缺陷检测模型。

5.根据权利要求4所述的一种基于深度学习的产线产品缺陷检测方法，其特征在于：所述步骤s5中，使用第二数据集训练改进yolox算法，使用改进的yolo...

【专利技术属性】
技术研发人员：杜启亮，关智浩，田联房，朱旭圻，詹皇源，
申请(专利权)人：中新国际联合研究院，
类型：发明
国别省市：