【技术实现步骤摘要】
本专利技术属于机器视觉，具体涉及一种基于机器视觉的涂装缺陷分析方法及系统。
技术介绍
1、在制造业中，涂装的主要目的是提供保护层，防止基材腐蚀。任何涂装缺陷都可能导致腐蚀的发生，从而缩短产品的使用寿命。涂装质量直接关系到产品的外观和耐用性。缺陷检测确保了产品符合预定的质量标准，维护了品牌形象，在某些行业（如汽车和航空）中，涂装不仅关乎外观，还关乎产品的安全性能。例如，涂层缺陷可能导致腐蚀，进而影响结构强度。通过涂装缺陷分析，可以识别出涂装过程中的问题，从而优化工艺流程，提高生产效率。随着自动化和机器视觉技术的发展，涂装缺陷分析变得更加高效和准确，使得实施缺陷分析变得更加可行和经济。
2、现有的涂装缺陷分析技术，存在如下缺陷：
3、1）分析效率低下：现有的涂装缺陷分析方法虽然在一定程度上使用了机器视觉技术，但是人需要大量的人工干预，导致分析效率低下，成本投入高；
4、2）分析准确性低下：现有的涂装缺陷分析方法采用简单的模型，无法识别到涂装图像精细的缺陷情况，并且在复杂背景或多变的光照条件下，分析准确性会
<本文档来自技高网...【技术保护点】
1.一种基于机器视觉的涂装缺陷分析方法，其特征在于：包括如下步骤：
2.根据权利要求1所述的一种基于机器视觉的涂装缺陷分析方法，其特征在于：云数据中心，根据若干历史涂装图像数据，使用深度学习与图像处理融合算法，构建图像预处理模型，并生成若干预处理后历史涂装图像数据，包括如下步骤：
3. 根据权利要求1所述的一种基于机器视觉的涂装缺陷分析方法，其特征在于：所述的涂装缺陷分析模型基于FPN-DBN-3D U2-Net算法构建，且涂装缺陷分析模型包括依次连接的基于FPN算法构建的多尺度融合特征提取模块、基于DBN算法构建的三维重建模块以及基于3D U...
【技术特征摘要】
1.一种基于机器视觉的涂装缺陷分析方法，其特征在于：包括如下步骤：
2.根据权利要求1所述的一种基于机器视觉的涂装缺陷分析方法，其特征在于：云数据中心，根据若干历史涂装图像数据，使用深度学习与图像处理融合算法，构建图像预处理模型，并生成若干预处理后历史涂装图像数据，包括如下步骤：
3. 根据权利要求1所述的一种基于机器视觉的涂装缺陷分析方法，其特征在于：所述的涂装缺陷分析模型基于fpn-dbn-3d u2-net算法构建，且涂装缺陷分析模型包括依次连接的基于fpn算法构建的多尺度融合特征提取模块、基于dbn算法构建的三维重建模块以及基于3d u2-net算法构建的三维涂装缺陷分析模块。
4.根据权利要求3所述的一种基于机器视觉的涂装缺陷分析方法，其特征在于：根据若干预处理后历史涂装图像数据，使用图像处理与三维重建融合算法，构建涂装缺陷分析模型，包括如下步骤：
5.根据权利要求4所述的一种基于机器...
【专利技术属性】
技术研发人员：王忠保，陈向阳，张宇航，王余，
申请(专利权)人：上海克万机械设备技术服务有限公司，
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。