【技术实现步骤摘要】
本专利技术涉及视觉检测，尤其涉及基于工件生产的人工智能视觉检测方法、系统及装置。
技术介绍
1、随着计算机视觉技术的发展，基于图像处理的检测方法逐渐被引入。这些方法通过使用摄像机采集工件图像，并利用图像处理算法进行边缘检测、轮廓提取和形状匹配等分析，从而实现对工件尺寸、形状和表面缺陷的检测。然而，传统的图像处理算法在处理复杂背景和光照变化时效果有限，无法满足高精度、高速度的检测需求。进入21世纪，人工智能和深度学习技术的兴起为视觉检测带来了新的机遇。深度学习尤其在卷积神经网络(cnn)的推动下，显著提升了图像特征提取和分类的能力。基于深度学习的视觉检测系统可以通过大量的标注数据进行训练，自动学习工件的特征，并且能够处理复杂的检测任务，如细小缺陷的识别和复杂背景下的检测。尤其是在缺陷检测和质量控制领域，深度学习模型展现出了超越传统方法的性能，然而目前传统视觉检测方法对于缺陷定位常常不够精确，特别是在工件清洗和烘干阶段，同时对于工件移动阶段，传统检测方法难以实时追踪和检测动态异常，进而导致视觉检测的精度和可靠性较低。
...
【技术保护点】
1.一种基于工件生产的人工智能视觉检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于工件生产的人工智能视觉检测方法，其特征在于，步骤S1包括以下步骤：
3.根据权利要求1所述的基于工件生产的人工智能视觉检测方法，其特征在于，基于工件生产阶段数据进行阶段图像采集包括：
4.根据权利要求1所述的基于工件生产的人工智能视觉检测方法，其特征在于，步骤S2包括以下步骤：
5.根据权利要求4所述的基于工件生产的人工智能视觉检测方法，其特征在于，步骤S25包括以下步骤：
6.根据权利要求1所述的基于工件生产...
【技术特征摘要】
1.一种基于工件生产的人工智能视觉检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于工件生产的人工智能视觉检测方法，其特征在于，步骤s1包括以下步骤：
3.根据权利要求1所述的基于工件生产的人工智能视觉检测方法，其特征在于，基于工件生产阶段数据进行阶段图像采集包括：
4.根据权利要求1所述的基于工件生产的人工智能视觉检测方法，其特征在于，步骤s2包括以下步骤：
5.根据权利要求4所述的基于工件生产的人工智能视觉检测方法，其特征在于，步骤s25包括以下步骤：
6.根据权利要求1所述的基于工件生产的人工智能视觉检测方法，其特征在于，步骤s...
【专利技术属性】
技术研发人员：刘全胜，刘俊宇，宋辉，徐进，刘召杰，
申请(专利权)人：无锡职业技术学院，
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。