基于AI视觉技术的智能锁面板显示异常检测方法及系统技术方案

本发明专利技术提供了基于AI视觉技术的智能锁面板显示异常检测方法及系统，包括以下步骤：步骤1：对智能锁面板缺陷类型进行分类，包括智能锁面板logo颜色显示错误、数字颜色显示错误、数字显示存在黑点缺陷以及显示不全；步骤2：采集智能锁面板图像形成数据集；步骤3：构建并训练模型，所述模型包括一个YOLOv3网络和11个ResNet18网络分类模型组成；所述YOLOv3网络由Darknet‑53网络和三个分支网络锁组成，所述Darknet‑53为基础网络，三个分支网络分别进行三种尺度的预测；图像经过YOLOv3网络后，YOLOv3模型会将识别到的类别图像裁剪下来分别送入到ResNet18网络中；步骤4：通过模型评价指标评价模型性能，从而得出准确检测结果。应用本技术方案可提高智能锁面板缺陷准确率。

【技术实现步骤摘要】

本专利技术涉及智能锁面板检测，特别是基于ai视觉技术的智能锁面板显示异常检测方法及系统。

技术介绍

1、在人机融合智能时代，智能锁是电子技术、物联网技术、人工智能技术等多种技术融合形成的产物，智能锁是从传统机械锁具转变发展而来，传统锁具仅有单一的钥匙开锁方式，钥匙除需随身携带不方便外，还容易被复制，对家庭财产安全带来潜在的安全隐患，因此智能锁具应运而生。智能锁作为未来智能家居的刚需，其未来市场空间是巨大的。

2、智能锁与传统锁具最重要差异就是传统锁具缺乏人机交互，智能锁之所以智能就是因为智能锁能提供人机交互，想要实现锁具和人的交互，最必不可少的那一定是显示面板。

3、显示面板是每一个智能锁必不可少的一部分，显示面板在生产制造中，难免会产生坏品或者瑕疵品，要想避免这些坏品瑕疵品流入市场就必须在出厂前进行检测，传统的方法必然是通过人工进行抽检，人工检查除了有成本耗费大的缺点外，其还有检测质量无法统一的缺点。而智能锁的行业前景广阔，倘若能开发出一套使用机器代替人工检测智能锁面板的系统，必然会为企业提高智能锁的产量和品质。

本文档来自技高网...

【技术保护点】

1.基于AI视觉技术的智能锁面板显示异常检测方法，其特征在于包括以下步骤：

2.根据权利要求1所述的基于AI视觉技术的智能锁面板显示异常检测方法，其特征在于，通过K210进行数据集的采集，从多个角度对智能锁面板进行拍摄，采集图像格式是三通道RGB的jpg文件，共拍摄1377张图片，筛选去掉图片模糊的217张图片，最后得到训练图片1160张，用125张图片进行验证，171张图片进行测试；通过编写python脚本对2160张图片进行重命名，其标号为0-2159。

3.根据权利要求2所述的基于AI视觉技术的智能锁面板显示异常检测方法，其特征在于，采用VOC2007格式的...

【技术特征摘要】

1.基于ai视觉技术的智能锁面板显示异常检测方法，其特征在于包括以下步骤：

2.根据权利要求1所述的基于ai视觉技术的智能锁面板显示异常检测方法，其特征在于，通过k210进行数据集的采集，从多个角度对智能锁面板进行拍摄，采集图像格式是三通道rgb的jpg文件，共拍摄1377张图片，筛选去掉图片模糊的217张图片，最后得到训练图片1160张，用125张图片进行验证，171张图片进行测试；通过编写python脚本对2160张图片进行重命名，其标号为0-2159。

3.根据权利要求2所述的基于ai视觉技术的智能锁面板显示异常检测方法，其特征在于，采用voc2007格式的数据集，voc2007格式的目录结构下，有三个子目录，分别是jpegimages、annotations、imagesets；jpegimages目录下存放用作训练的所有图片，其格式不一定要jpg格式的文件；annotations目录下存放的是对应第一个目录下图片名称的所有xml格式的标注问价；imagesets目录下存放的是划分数据集的txt文件，需在第三个目录下新建一个main子目录，main子目录下存放两个txt文件，其分别是train.txt和val.txt；train.txt里每一行写一个用于训练图片的名称，val.txt里每一行写一个用于验证图片的名称。

4.根据权利要求1所述的基于ai视觉技术的智能锁面板显示异常检测方法，其特征在于，yolov3目标检测模型总共有11个类别标签，分别是“0”，“1”，“2”，“3”，“4”，“5”，“6”，“7”，“8”，“...

【专利技术属性】
技术研发人员：魏铭钊，廖一鹏，庄小炎，陈军，陈莉莉，张桐华，
申请(专利权)人：福州昇宇门控智能科技有限公司，
类型：发明
国别省市：