【技术实现步骤摘要】
本专利技术涉及一种基于人工智能的瓶盖缺陷检测方法及系统，涉及工业产品制造检测领域。
技术介绍
1、工业制造领域对产品的质量合格率极为看重。在工业产品的生产过程中，每一个零件都至关重要。任何一个环节出现问题都可能导致产品的质量不达标，进而影响产品的可用性。特别是在瓶盖制造过程中，若存在缺陷如划痕、缺肉、污渍等会直接影响产品质量和销售，甚至引发食品安全事故,导致不可预见的后果。传统的图像处理算法检测速度慢，需要为每一种缺陷设计对应的算法，操作复杂，泛化性差，并且部分缺陷依赖专业人员检测，具有一定的主观性。
2、基于有监督的深度学习方法在检测瓶盖缺陷时，需要大量的异常缺陷样本。然而，有监督学习存在一些问题。其一是在实际生产线上，缺陷样本数量稀少，获取成本高。通常需要人工制作缺陷样本，但是人工无法完全模拟真实缺陷样本的特征，导致训练时网络模型学习不充分，当出现训练集中未学习过的图像样本时，模型识别准确率低。其二是有监督学习需要将所有的异常样本在网络训练前进行标注，而在瓶盖异常检测任务中，缺陷样本的数量往往高达上万张，并且人工标注容易...
【技术保护点】
1.一种基于人工智能的瓶盖缺陷检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于人工智能的瓶盖缺陷检测方法，其特征在于，所述在所述S1步骤中，将数据集进行对应的预处理，所述图像预处理为：对图像按照瓶盖LOGO区域进行瓶盖位姿矫正，将矫正后的瓶盖图像通过模板匹配进行瓶盖区域的裁剪。
3.根据权利要求2所述的一种基于人工智能的瓶盖缺陷检测方法，其特征在于，所述对图像按照瓶盖LOGO区域进行瓶盖位姿矫正具体步骤为：
4.根据权利要求3所述的一种基于人工智能的瓶盖缺陷检测方法，其特征在于，将矫正后的所述的瓶盖图像通过模板...
【技术特征摘要】
1.一种基于人工智能的瓶盖缺陷检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于人工智能的瓶盖缺陷检测方法，其特征在于，所述在所述s1步骤中，将数据集进行对应的预处理，所述图像预处理为：对图像按照瓶盖logo区域进行瓶盖位姿矫正，将矫正后的瓶盖图像通过模板匹配进行瓶盖区域的裁剪。
3.根据权利要求2所述的一种基于人工智能的瓶盖缺陷检测方法，其特征在于，所述对图像按照瓶盖logo区域进行瓶盖位姿矫正具体步骤为：
4.根据权利要求3所述的一种基于人工智能的瓶盖缺陷检测方法，其特征在于，将矫正后的所述的瓶盖图像通过模板匹配进行瓶盖区域裁剪具体为：在瓶盖数据集中选择一张模板图像，提取局部特征和每个特征点的像素值；创建ncc模型，将矫正后的图像执行ncc匹配操作，计算图像与模板的相似度，其中，为模板图像、为待匹配图像，ncc匹配操作计算公式为：
5.根据权利要求1所述的一种基于人工智能的瓶盖缺陷检测方法，其特征在于，在所述步骤s2中，将经过预处理和增强后的正常图像输入到mgad网络模型中，得到学习后的正样本特征分布并计算...
【专利技术属性】
技术研发人员：魏华中，张金帅，
申请(专利权)人：北京壹码科技有限公司，
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。