一种智能视觉检测及称重装置、方法制造方法及图纸

本发明专利技术公开了一种智能视觉检测及称重装置、方法，包括以下步骤：S1、采集透明件的图像，获取所有透明件图像的数据集；S2、将透明件图像的数据集进行划分，并在训练网络模型上验证，得到目标图像；S3、将目标图像进行灰度化处理，利用高斯滤波函数对灰度化的图像进行滤波处理，根据得到的图像获取梯度值和方向，然后通过比较梯度方向前后的梯度值，找出像素点局部区域的最大值，选取双阈值检测和连接边缘，得到边缘二值图，根据边缘二值图获取缺陷区域；S4、基于Faster R‑CNN方法，对缺陷区域进行位置标记和缺陷种类识别；对图像初始数据的进一步处理，获取准确的目标图像，在后续对图像进行分割，边缘提取、缺陷识别的过程更加准确，提高精准度。

【技术实现步骤摘要】

本专利技术属于缺陷识别领域，尤其涉及一种智能视觉检测及称重装置、方法。

技术介绍

1、智能视觉检测及称重装置是一种集成了计算机视觉技术和称重传感器的先进设备，它能够通过摄像头采集商品的图像信息，并利用深度学习算法对图像进行识别和处理，同时结合称重传感器的数据，实现自动识别。智能视觉检测及称重装置广泛应用于超市、便利店、农贸市场等零售场所，特别适用于生鲜商品的称重和结算。此外，该装置还可以应用于工业自动化领域，如生产线上的物料识别和计数等。

2、基于faster r-cnn的区域检测方法是一种高效且准确的目标检测算法，它在目标检测领域具有重要意义。通过引入rpn，算法能够快速地生成精确的候选区域，减少了计算量，提高了运行速度，实现了其高效性。算法可以处理任意大小的输入图像和候选区域，适用于不同的应用场景，凸显其灵活性。基于faster r-cnn的区域检测方法是一种高效且准确的目标检测算法，在多个领域具有应用前景，特别是在工业自动化和质量控制领域具有广泛的应用价值。

3、现有技术中，对于机器视觉的透明塑料件缺陷监测方法，一般包括图像采本文档来自技高网...

【技术保护点】

1.一种智能视觉检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种智能视觉检测方法，其特征在于，所述S1中，采集透明件的图像具体方式包括：

3.根据权利要求2所述的一种智能视觉检测方法，其特征在于，所述S2中，将透明件图像的数据集S划分为X个不相交的数据子集，设定训练样本为P,根据训练样本和数据子集获得数据子集的样本数为P/X，每个数据子集为S＝{S1，S2……Sx}，提取任意一个数据子集，将剩下的数据子集作为训练网络模型，将提取的数据子集在训练网络模型上进行验证，得到所提取的数据子集的验证结果；

4.根据权利要求1所述的一种智能视觉检...

【技术特征摘要】

1.一种智能视觉检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种智能视觉检测方法，其特征在于，所述s1中，采集透明件的图像具体方式包括：

3.根据权利要求2所述的一种智能视觉检测方法，其特征在于，所述s2中，将透明件图像的数据集s划分为x个不相交的数据子集，设定训练样本为p,根据训练样本和数据子集获得数据子集的样本数为p/x，每个数据子集为s＝{s1，s2……sx}，提取任意一个数据子集，将剩下的数据子集作为训练网络模型，将提取的数据子集在训练网络模型上进行验证，得到所提取的数据子集的验证结果；

4.根据权利要求1所述的一种智能视觉检测方法，其特征在于，所述s3中获取梯度值和方向的具体方式为，利用基于x和y方向的sobel函数算出各像素的梯度值，然后获取出各像素梯度值的方向；即gx和gy,gx表示像素点横向的梯度分量，gy表示像素点纵向的梯度分量；

5.根据权利要求4所述的一种智能视觉检测方法，其特征在于，若其邻域内为弱边缘时，最终认为像素点为弱边缘点，若其邻域内为非边缘时，最终认为像素为非边缘点；依次对每个像素点...

【专利技术属性】
技术研发人员：李崇德，杜呈表，朱康建，袁中华，孙晓波，朱燕志，李浩娜，刘媛，
申请(专利权)人：博创智能装备股份有限公司，
类型：发明
国别省市：