基于深度学习的涂装表面缺陷实时检测系统及方法技术方案

本发明专利技术公开了一种基于深度学习的涂装表面缺陷实时检测系统及方法，通过多尺度特征提取、特征解耦与小样本适配技术，提升跨产品线检测适应性、降低模型训练成本并增强复杂光照下的检测稳定性。该系统通过图像采集模块获取涂装表面图像，其多尺度特征提取子模块提取低级、中级及高级特征，经特征解耦子模块将特征分解为领域不变缺陷特征与领域特定特征，并通过对抗训练抑制干扰特征。小样本适配子模块，借助少量标注样本即可实现快速参数调整与数据增强，反馈控制模块则实时触发生产线修复指令并生成质量报告，从而解决了跨域检测性能衰减、小样本适应性差及光照干扰导致的误检问题，降低跨产品线检测误检率，样本需求减少，提升检测准确率。

【技术实现步骤摘要】

本专利技术涉及工业自动化检测，具体涉及基于深度学习的涂装表面缺陷实时检测系统及方法，适用于汽车、家电、家具等行业的涂装产品质量控制。

技术介绍

1、随着工业智能化的发展，机器视觉技术在涂装表面缺陷检测领域得到了广泛应用。涂装工艺广泛应用于汽车、家电等行业，但现有的涂装缺陷检测技术仍存在诸多不足。

2、中国专利公开号cn113030108a公开了一种基于机器视觉的涂层缺陷检测系统，其通过工业相机采集图像，并利用神经网络模型进行缺陷分类。然而，该方案未考虑不同产品材质、工艺对缺陷检测的干扰，导致模型在跨产品线应用时性能显著下降，需针对每种产品单独训练，增加了部署成本。此外，该方案对新型缺陷的适应性较差，需重新采集大量标注数据，难以满足快速迭代的生产需求。

3、中国专利公开号cn119757401a公开了一种智能化涂装缺陷检测与修复系统，其通过激光扫描仪采集表面图像，并结合深度学习模型识别缺陷。然而，该方案的检测精度受限于激光成像的局限性如高反光材质成像失真，且未设计跨领域特征解耦机制，模型易受产品特定特征如涂层颜色、纹理干扰。此外，该系本文档来自技高网...

【技术保护点】

1.基于深度学习的涂装表面缺陷实时检测系统，其特征在于，包括：

2.根据权利要求1所述的涂装表面缺陷实时检测系统，其特征在于，所述多尺度特征提取子模块（21）包括采用 ResNet50 架构的多尺度特征提取网络；所述多尺度特征提取网络包括：

3.根据权利要求2所述的涂装表面缺陷实时检测系统，其特征在于，所述低级特征提取层（211）配置为通过卷积神经网络提取图像的局部细节特征，其包括：配置为增强边缘和纹理特征的高斯差分滤波器（2111），配置为捕获局部梯度变化特征的方向梯度直方图提取器（2112）；

4.根据权利要求2或3所述的涂装表面缺陷实时检测系统，...

【技术特征摘要】

1.基于深度学习的涂装表面缺陷实时检测系统，其特征在于，包括：

2.根据权利要求1所述的涂装表面缺陷实时检测系统，其特征在于，所述多尺度特征提取子模块（21）包括采用 resnet50 架构的多尺度特征提取网络；所述多尺度特征提取网络包括：

3.根据权利要求2所述的涂装表面缺陷实时检测系统，其特征在于，所述低级特征提取层（211）配置为通过卷积神经网络提取图像的局部细节特征，其包括：配置为增强边缘和纹理特征的高斯差分滤波器（2111），配置为捕获局部梯度变化特征的方向梯度直方图提取器（2112）；

4.根据权利要求2或3所述的涂装表面缺陷实时检测系统，其特征在于，所述高级特征提取层通过注意力机制加权聚合多通道特征，生成包含以下至少一种属性的语义特征向量：

5.根据权利要求1所述的涂...

【专利技术属性】
技术研发人员：严长志，许仕建，谢友铭，朱丽莎，王丹，汪全忠，孔德明，刘灵飞，曾岳强，杨玉松，袁聪，黄元探，杨生强，覃家望，孙相马，刘宗亲，温达明，禤锦文，王光杰，陆钊强，巫玉辉，谢圣生，李远晓，潘强，许军，熊学元，黎宇成，钱晓文，李剑青，郑定梅，刘远珊，
申请(专利权)人：广东创智智能装备有限公司，
类型：发明
国别省市：