CN110120044A - 物品缺陷检测方法及装置、边缘设备、服务器 - Google Patents

物品缺陷检测方法及装置、边缘设备、服务器 Download PDF

Info

Publication number
CN110120044A
CN110120044A CN201910417325.2A CN201910417325A CN110120044A CN 110120044 A CN110120044 A CN 110120044A CN 201910417325 A CN201910417325 A CN 201910417325A CN 110120044 A CN110120044 A CN 110120044A
Authority
CN
China
Prior art keywords
article
detected
defects
detection
edge device
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201910417325.2A
Other languages
English (en)
Inventor
文亚伟
王旭雅
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN201910417325.2A priority Critical patent/CN110120044A/zh
Publication of CN110120044A publication Critical patent/CN110120044A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30168—Image quality inspection

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Biophysics (AREA)
  • Evolutionary Computation (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Software Systems (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Quality & Reliability (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

本公开涉及云计算领域，提供了一种物品缺陷检测方法，物品为生产线上当前所生产的物品，该方法包括：接收与待检测物品对应的一张或多张待检测物品图片；根据待检测物品图片生成与待检测物品对应的检测请求，检测请求包括待检测物品图片；发送检测请求至与待检测物品对应的边缘设备，以供边缘设备根据缺陷检测模型对待检测物品图片进行检测并生成与检测请求对应的物品缺陷检测结果，边缘设备设于待检测物品的生产线上；接收边缘设备发送的物品缺陷检测结果；根据物品缺陷检测结果执行与待检测物品对应的响应控制，响应控制为基于生产线的响应控制。本公开还提供了一种物品缺陷检测装置、边缘设备、服务器及计算机可读介质。

Description

物品缺陷检测方法及装置、边缘设备、服务器
技术领域
本公开涉及云计算领域和图像处理技术领域，具体地，涉及物品缺陷检测方法及装置、边缘设备、服务器及计算机可读介质。
背景技术
在钢板生产环境中，对钢板质量进行控制的一种重要手段是对钢板的表面状态进行质检，以判断钢板是否存在瑕疵或缺陷，并根据质检结果对钢板做相应处理。现有的质检方式主要有两种，该两种质检方式均基于钢板表面状态照片实现，其中：第一种为纯人工质检方式，其依赖于行业专家肉眼观察钢板表面状态照片以得出质检结果；第二种为机器辅助的人工质检方式，其首先通过质检系统过滤掉没有缺陷的钢板表面状态照片，再由行业专家对疑似存在缺陷的钢板表面状态照片进行再判断以得出质检结果，或由固化有行业专家质检经验的质检系统对疑似存在缺陷的钢板表面状态照片进行再判断以得出质检结果。以上质检方式的质检效率低且容易出现漏判误判，质检数据很难进行二次利用挖掘，且质检系统的特征和判定规则均预先固化在硬件中，在可扩展性等方面都存在着明显不足，不利于钢板生产线的优化升级。
应该注意，上面对技术背景的介绍只是为了方便对本公开的技术方案进行清楚、完整的说明，并方便本领域技术人员的理解而阐述的。不能仅仅因为这些方案在本公开的背景技术部分进行了阐述而认为上述技术方案为本领域技术人员所公知。
发明内容
本公开实施例提出了物品缺陷检测方法及装置、边缘设备、服务器及计算机可读介质。
第一方面，本公开实施例提供了一种物品缺陷检测方法，所述物品为生产线上当前所生产的物品，所述物品缺陷检测方法包括：
接收与待检测物品对应的一张或多张待检测物品图片；
根据所述待检测物品图片生成与所述待检测物品对应的检测请求，所述检测请求包括所述待检测物品图片；
发送所述检测请求至与所述待检测物品对应的边缘设备，以供所述边缘设备根据缺陷检测模型对所述待检测物品图片进行检测并生成与所述检测请求对应的物品缺陷检测结果，所述边缘设备设于所述待检测物品的生产线上；
接收所述边缘设备发送的物品缺陷检测结果；
根据所述物品缺陷检测结果执行与所述待检测物品对应的响应控制，所述响应控制为基于所述生产线的响应控制。
在一些实施例中，在所述根据所述物品缺陷检测结果执行与所述待检测物品对应的响应控制之后还包括：
存储所述待检测物品图片及与所述待检测物品图片对应的物品缺陷检测结果。
在一些实施例中，所述物品为钢板，所述边缘设备设于所述钢板的生产线上，所述响应控制为基于所述生产线的响应控制。
第二方面，本公开实施例提供了一种物品缺陷检测方法，所述物品为生产线上当前所生产的物品，所述物品缺陷检测方法基于与待检测物品对应的边缘设备，所述边缘设备设于所述待检测物品的生产线上，所述物品缺陷检测方法包括：
接收检测请求，所述检测请求包括与所述待检测物品对应的待检测物品图片；
根据预先生成的缺陷检测模型对所述待检测物品图片进行检测并生成与所述检测请求对应的物品缺陷检测结果；
发送物品缺陷检测结果。
在一些实施例中，在根据预先生成的缺陷检测模型对所述待检测物品图片进行检测并生成与所述检测请求对应的物品缺陷检测结果之前还包括：
获取训练数据，所述训练数据包括预先存储的历史待检测物品图片、与所述历史待检测物品图片对应的历史物品缺陷检测结果及与无缺陷的所述待检测物品对应的无缺陷图片；
根据所述训练数据训练生成缺陷检测模型。
在一些实施例中，所述缺陷检测模型为深度卷积神经网络，所述根据预先生成的缺陷检测模型对所述待检测物品图片进行检测并生成与所述检测请求对应的物品缺陷检测结果包括：
提取出所述待检测物品图片的物品特征；
根据所述物品特征判断所述待检测物品是否具有缺陷；
若判断出所述待检测物品具有缺陷，获取与所述缺陷对应的缺陷类别信息和缺陷位置信息并生成有缺陷物品缺陷检测结果，所述有缺陷物品缺陷检测结果包括缺陷类别信息和缺陷位置信息；
若判断出所述待检测物品无缺陷，生成无缺陷物品缺陷检测结果。
在一些实施例中，在所述根据所述训练数据训练生成缺陷检测模型之后还包括：
接收缺陷检测模型更新指令；
根据所述缺陷检测模型更新指令更新所述缺陷检测模型。
在一些实施例中，所述物品为钢板，所述边缘设备设于所述钢板的生产线上，所述响应控制为基于所述生产线的响应控制。
第三方面，本公开实施例提供了一种物品缺陷检测装置，所述物品为生产线上当前所生产的物品，所述物品缺陷检测装置包括：
第一接收模块，用于接收与待检测物品对应的一张或多张待检测物品图片；
第一生成模块，用于根据所述待检测物品图片生成与所述待检测物品对应的检测请求，所述检测请求包括所述待检测物品图片；
第一发送模块，用于发送所述检测请求至与所述待检测物品对应的边缘设备，以供所述边缘设备根据缺陷检测模型对所述待检测物品图片进行检测并生成与所述检测请求对应的物品缺陷检测结果，所述边缘设备设于所述待检测物品的生产线上；
第二接收模块，用于接收所述边缘设备发送的物品缺陷检测结果；
执行模块，用于根据所述物品缺陷检测结果执行与所述待检测物品对应的响应控制，所述响应控制为基于所述生产线的响应控制。
在一些实施例中，还包括：
存储模块，用于存储所述待检测物品图片及与所述待检测物品图片对应的物品缺陷检测结果。
在一些实施例中，所述物品为钢板，所述边缘设备设于所述钢板的生产线上，所述响应控制为基于所述生产线的响应控制。
第四方面，本公开实施例提供了一种边缘设备，所述边缘设备设于待检测物品的生产线上，所述待检测物品为生产线上当前所生产的物品，所述边缘设备包括：
第三接收模块，用于接收检测请求，所述检测请求包括与所述待检测物品对应的待检测物品图片；
检测生成模块，用于根据预先生成的缺陷检测模型对所述待检测物品图片进行检测并生成与所述检测请求对应的物品缺陷检测结果；
第二发送模块，用于发送物品缺陷检测结果。
在一些实施例中，还包括：
获取模块，用于获取训练数据，所述训练数据包括预先存储的历史待检测物品图片、与所述历史待检测物品图片对应的历史物品缺陷检测结果及与无缺陷的所述待检测物品对应的无缺陷图片；
第二生成模块，用于根据所述训练数据训练生成缺陷检测模型。
在一些实施例中，所述缺陷检测模型为深度卷积神经网络，所述检测生成模块包括：
提取子模块，用于提取出所述待检测物品图片的物品特征；
判断子模块，用于根据所述物品特征判断所述待检测物品是否具有缺陷；
获取子模块，用于若判断出所述待检测物品具有缺陷，获取与所述缺陷对应的缺陷类别信息和缺陷位置信息；
生成子模块，用于生成有缺陷物品缺陷检测结果或无缺陷物品缺陷检测结果，所述有缺陷物品缺陷检测结果包括缺陷类别信息和缺陷位置信息。
在一些实施例中，还包括：
第四接收模块，用于接收缺陷检测模型更新指令；
更新模块，用于根据所述缺陷检测模型更新指令更新所述缺陷检测模型。
在一些实施例中，所述物品为钢板，所述边缘设备设于所述钢板的生产线上，所述响应控制为基于所述生产线的响应控制。
第五方面，本公开实施例提供了一种服务器，包括：
一个或多个处理器；
存储装置，其上存储有一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如上所述的物品缺陷检测方法。
第六方面，本公开实施例一种计算机可读介质，其上存储有计算机程序，其中，所述程序被执行时实现如上所述的物品缺陷检测方法。
本公开实施例提供的物品缺陷检测方法，接收与待检测物品对应的一张或多张待检测物品图片，根据待检测物品图片生成与待检测物品对应的检测请求，检测请求包括待检测物品图片，发送所述检测请求至与待检测物品对应的边缘设备，以供边缘设备根据缺陷检测模型对待检测物品图片进行检测并生成与检测请求对应的物品缺陷检测结果，边缘设备设于待检测物品的生产线上，接收边缘设备发送的物品缺陷检测结果，根据物品缺陷检测结果执行与待检测物品对应的响应控制，响应控制为基于生产线的响应控制。该方法通过边缘设备接收检测请求并生成物品缺陷检测结果，由于边缘设备设于待检测物品的生产线上，故检测请求和物品缺陷检测结果的网络传输距离和传输时长均得到缩短，进而提升了检测请求的处理效率及对待检测物品图片的检测效率，且能够保障待检测物品图片的检测精度和传输安全性。且基于该方法所生成的物品缺陷检测结果能够进行二次利用挖掘，提升了物品缺陷检测结果的利用率。且当生产线优化升级时，该方法中所使用的缺陷检测模型可随生产线进行同步更新，或根据历史物品缺陷检测结果进行更新，有利于生产线的优化升级，具有较高的检测准确率。
附图说明
附图用来提供对本公开的实施例作进一步理解，并且构成说明书的一部分，与本公开的实施例一起用于解释本公开，并不构成对本公开的限制。通过参考附图对详细示例实施例进行描述，以上和其他特征和优点对本领域技术人员将变得更加显而易见，在附图中：
图1为本公开实施例提供的一种物品缺陷检测方法的流程示意图；
图2为本公开实施例提供的另一种物品缺陷检测方法的流程示意图；
图3为本公开实施例提供的又一种物品缺陷检测方法的流程示意图；
图4为缺陷检测模型生成过程的流程示意图；
图5为步骤102的一种可选实现方式的流程示意图；
图6为缺陷检测模型更新过程的流程示意图；
图7为本公开实施例提供的一种物品缺陷检测装置的结构示意图；
图8为本公开实施例提供的另一种物品缺陷检测装置的结构示意图；
图9为本公开实施例提供的一种边缘设备的结构示意图；
图10为本公开实施例提供的另一种边缘设备的结构示意图；
图11为检测生成模块的一种可选结构示意图；
图12为本公开实施例提供的又一种边缘设备的结构示意图。
具体实施方式
为使本领域的技术人员更好地理解本公开的技术方案，下面结合附图对本公开提供的物品缺陷检测方法及装置、边缘设备、服务器及计算机可读介质进行详细描述。
在下文中将参考附图更充分地描述示例实施例，但是所述示例实施例可以以不同形式来体现且不应当被解释为限于本文阐述的实施例。反之，提供这些实施例的目的在于使本公开透彻和完整，并将使本领域技术人员充分理解本公开的范围。
本文所使用的术语仅用于描述特定实施例，且不意欲限制本公开。如本文所使用的，单数形式“一个”和“该”也意欲包括复数形式，除非上下文另外清楚指出。还将理解的是，当本说明书中使用术语“包括”和/或“由……制成”时，指定存在所述特征、整体、步骤、操作、元件和/或组件，但不排除存在或添加一个或多个其他特征、整体、步骤、操作、元件、组件和/或其群组。
除非另外限定，否则本文所用的所有术语(包括技术和科学术语)的含义与本领域普通技术人员通常理解的含义相同。还将理解，诸如那些在常用字典中限定的那些术语应当被解释为具有与其在相关技术以及本公开的背景下的含义一致的含义，且将不解释为具有理想化或过度形式上的含义，除非本文明确如此限定。
图1为本公开实施例提供的一种物品缺陷检测方法的流程示意图，如图1所示，该方法可以由物品缺陷检测装置来执行，该装置可以通过软件和/或硬件的方式实现，该装置可以集成在服务器中。该方法包括：
步骤S1、接收与待检测物品对应的一张或多张待检测物品图片。
待检测物品为生产线上当前所生产的物品。优选地，待检测物品为钢板，其为钢板生产线上所生成的物品。本实施例中，对该待检测物品进行检测能够实现生产线的实时产品质检，对钢板进行检测能够实现钢板生产线的实时产品质检。
待检测物品图片为通过图像采集方式实时采集的图片，图像采集方式可以为高精度摄像头拍摄方式，如：通过高精度摄像头拍摄生产线上所生成的物品以生成一张或多张待检测物品图片。
待检测物品图片为多张能够提升针对待检测物品的检测精确度。
步骤S2、根据待检测物品图片生成与待检测物品对应的检测请求，检测请求包括待检测物品图片。
检测请求用于对待检测物品进行质量检测。如：待检测物品为钢板，检测请求用于对钢板进行缺陷检测，有缺陷的钢板为质量差的钢板，有缺陷是指所生产的钢板表面有瑕疵或不平整或不完整。
步骤S3、发送检测请求至与待检测物品对应的边缘设备，以供边缘设备根据缺陷检测模型对待检测物品图片进行检测并生成与检测请求对应的物品缺陷检测结果。
边缘设备设于待检测物品的生产线上，边缘设备可以为专门设置的用于搭载缺陷检测模型的设备，也可以为现有的可搭载缺陷检测模型的生产线设备。待检测物品为钢板，边缘设备设于钢板的生产线上，边缘设备可以为钢板生产线设备。
当检测出待检测物品图片中无缺陷时，生成无缺陷物品缺陷检测结果。当检测出待检测物品图片中有缺陷时，生成的有缺陷物品缺陷检测结果，有缺陷物品缺陷检测结果包括缺陷类别信息和缺陷位置信息。
步骤S4、接收边缘设备发送的物品缺陷检测结果。
本实施例通过边缘设备接收检测请求并生成物品缺陷检测结果，由于边缘设备设于待检测物品的生产线上，故检测请求和物品缺陷检测结果的网络传输距离和传输时长均得到缩短，进而提升了检测请求的处理效率及对待检测物品图片的检测效率，且能够保障待检测物品图片的检测精度和传输安全性。
步骤S5、根据物品缺陷检测结果执行与待检测物品对应的响应控制。
响应控制为基于生产线的响应控制。如：响应控制为发出警报、或控制生产线设备执行机械操作。
待检测物品为钢板时，与钢板对应的响应控制基于钢板生产线，当根据有缺陷物品缺陷检测结果得出钢板有缺陷时，发出缺陷警报，或控制钢板生产线上的机械臂操作该钢板。
图2为本公开实施例提供的另一种物品缺陷检测方法的流程示意图，如图2所示，在步骤S5之后还包括：
步骤S6、存储待检测物品图片及与待检测物品图片对应的物品缺陷检测结果。
待检测物品图片及与待检测物品图片对应的物品缺陷检测结果存储于生产数据库中，后续地，生产数据库中的数据可用于更新边缘设备上所搭载的缺陷检测模型。
本公开中提供的物品缺陷检测方法，接收与待检测物品对应的一张或多张待检测物品图片，根据待检测物品图片生成与待检测物品对应的检测请求，发送检测请求至与待检测物品对应的边缘设备，以供边缘设备根据缺陷检测模型对待检测物品图片进行检测并生成与检测请求对应的物品缺陷检测结果，接收边缘设备发送的物品缺陷检测结果，根据物品缺陷检测结果执行与待检测物品对应的响应控制。其能够通过设于物品生产线上的边缘设备实现物品缺陷检测，具有较高的物品缺陷检测精度，物品缺陷检测结果可用于二次利用挖掘。
图3为本公开实施例提供的又一种物品缺陷检测方法的流程示意图，该方法可以由边缘设备来执行，该边缘设备可以通过软件和/或硬件的方式实现，该边缘设备可以集成在服务器中，该边缘设备为与待检测物品对应的边缘设备，边缘设备设于待检测物品的生产线上，待检测物品为生产线上当前所生成的物品，如图3所示，该物品缺陷检测方法包括：
步骤101、接收检测请求，检测请求包括与待检测物品对应的待检测物品图片。
具体可参见对步骤S1和S2的描述，此处不再赘述。
图4为缺陷检测模型生成过程的流程示意图，如图4所示，在步骤102之前还包括缺陷检测模型生成过程，缺陷检测模型生成过程包括：
步骤201、获取训练数据，训练数据包括预先存储的历史待检测物品图片、与历史待检测物品图片对应的历史物品缺陷检测结果及于无缺陷的所述待检测物品对应的无缺陷图片。
训练数据中包括的预先存储的历史待检测物品图片、与历史待检测物品图片对应的历史物品缺陷检测结果可以通过历史质检记录获取。如：历史质检记录在历史质检过程中由人工记录所生成。
步骤202、根据训练数据训练生成缺陷检测模型。
缺陷检测模型为深度卷积神经网络，可选地，深度卷积神经网络为R-FCN深度卷积神经网络。
步骤102、根据预先生成的缺陷检测模型对待检测物品图片进行检测并生成与检测请求对应的物品缺陷检测结果。
图5为步骤102的一种可选实现方式的流程示意图，如图5所示，步骤102包括：
步骤102a、提取出待检测物品图片的物品特征。
可选地，在执行步骤102a之前还包括：对待检测物品图片进行预处理。如：统一待检测物品图片的规格或去掉待检测物品图片中的无关背景。
步骤102b、根据物品特征判断待检测物品是否具有缺陷，若是，执行步骤102c；若否，执行步骤102d。
可选地，根据待检测物品图片的物品特征和预先从待检测物品的无缺陷图片中提取出的物品特征判断与该待检测图片对应的待检测物品是否具有缺陷。
步骤102c、获取与缺陷对应的缺陷类别信息和缺陷位置信息。
可选地，缺陷的个数为多个。
当缺陷的个数为多个时，获取与每个缺陷对应的缺陷类别信息和缺陷位置信息。
步骤102d、生成物品缺陷检测结果，物品缺陷检测结果为有缺陷物品缺陷检测结果或无缺陷物品缺陷检测结果。
有缺陷物品缺陷检测结果包括缺陷类别信息和缺陷位置信息。
步骤103、发送物品缺陷检测结果。
图6为缺陷检测模型更新过程的流程示意图，如图6所示，在步骤202之后还包括缺陷检测模型更新过程，缺陷检测模型更新过程包括：
步骤301、接收缺陷检测模型更新指令。
缺陷检测模型更新指令用于更新缺陷检测模型，以使得缺陷检测模型的检测结果更精确。可选地，该更新指令根据步骤S6中所存储的待检测物品图片及与待检测物品图片对应的物品缺陷检测结果生成。
步骤302、根据缺陷检测模型更新指令更新缺陷检测模型。
可选地，通过逐步更新的方式更新缺陷检测模型。
应当注意，尽管在附图中以特定顺序描述了本公开方法的操作，但是，这并非要求或者暗示必须按照该特定顺序来执行这些操作，或是必须执行全部所示的操作才能实现期望的结果。附加地或备选地，可以省略某些步骤，将多个步骤合并为一个步骤执行，和/或将一个步骤分解为多个步骤执行。
本公开实施例提供的物品缺陷检测方法，接收与待检测物品对应的一张或多张待检测物品图片，根据待检测物品图片生成与待检测物品对应的检测请求，检测请求包括待检测物品图片，发送所述检测请求至与待检测物品对应的边缘设备，以供边缘设备根据缺陷检测模型对待检测物品图片进行检测并生成与检测请求对应的物品缺陷检测结果，边缘设备设于待检测物品的生产线上，接收边缘设备发送的物品缺陷检测结果，根据物品缺陷检测结果执行与待检测物品对应的响应控制，响应控制为基于生产线的响应控制。该方法通过边缘设备接收检测请求并生成物品缺陷检测结果，由于边缘设备设于待检测物品的生产线上，故检测请求和物品缺陷检测结果的网络传输距离和传输时长均得到缩短，进而提升了检测请求的处理效率及对待检测物品图片的检测效率，且能够保障待检测物品图片的检测精度和传输安全性。且基于该方法所生成的物品缺陷检测结果能够进行二次利用挖掘，提升了物品缺陷检测结果的利用率。且当生产线优化升级时，该方法中所使用的缺陷检测模型可随生产线进行同步更新，或根据历史物品缺陷检测结果进行更新，有利于生产线的优化升级，具有较高的检测准确率。
当该方法应用于钢板生产线时，能够提升钢板质检效率和钢板质检结果的准确率，可对钢板质检结果进行二次挖掘利用，还有利于钢板生产线的优化升级。
图7为本公开实施例提供的一种物品缺陷检测装置的结构示意图，物品为生产线上当前所生产的物品，如图7所示，该物品缺陷检测装置包括：第一接收模块11、第一生成模块12、第一发送模块13、第二接收模块14和执行模块15。
第一接收模块11用于接收与待检测物品对应的一张或多张待检测物品图片。第一生成模块12用于根据待检测物品图片生成与待检测物品对应的检测请求，检测请求包括待检测物品图片。第一发送模块13用于发送检测请求至与待检测物品对应的边缘设备，以供边缘设备根据缺陷检测模型对待检测物品图片进行检测并生成与检测请求对应的物品缺陷检测结果，边缘设备设于待检测物品的生产线上。第二接收模块14用于接收边缘设备发送的物品缺陷检测结果。执行模块15用于根据物品缺陷检测结果执行与待检测物品对应的响应控制，响应控制为基于生产线的响应控制。
图8为本公开实施例提供的另一种物品缺陷检测装置的结构示意图，物品为生产线上当前所生产的物品，如图8所示，唯一不同于图7所提供的物品缺陷检测装置，该物品缺陷检测装置还包括：存储模块16。存储模块16用于存储待检测物品图片及与待检测物品图片对应的物品缺陷检测结果。
进一步地，物品为钢板，边缘设备设于钢板的生产线上，响应控制为基于生产线的响应控制。
图9为本公开实施例提供的一种边缘设备的结构示意图，边缘设备设于待检测物品的生产线上，待检测物品为生产线上当前所生产的物品，如图9所示，该边缘设备包括：第三接收模块21、检测生成模块22和第二发送模块23。
第三接收模块21用于接收检测请求，检测请求包括与待检测物品对应的待检测物品图片。检测生成模块22用于根据预先生成的缺陷检测模型对待检测物品图片进行检测并生成与检测请求对应的物品缺陷检测结果。第二发送模块23用于发送物品缺陷检测结果。
图10为本公开实施例提供的另一种边缘设备的结构示意图，如图10所示，唯一不同于图9所提供的边缘设备，该边缘设备还包括：获取模块24和第二生成模块25。
获取模块24用于获取训练数据，训练数据包括预先存储的历史待检测物品图片、与历史待检测物品图片对应的历史物品缺陷检测结果及与无缺陷的待检测物品对应的无缺陷图片。第二生成模块25用于根据训练数据训练生成缺陷检测模型。
缺陷检测模型为深度卷积神经网络，图11为检测生成模块的一种可选结构示意图，如图11所示，检测生成模块22包括：提取子模块221、判断子模块222、获取子模块223和生成子模块224。
提取子模块221用于提取出待检测物品图片的物品特征。判断子模块222用于根据物品特征判断待检测物品是否具有缺陷。获取子模块223用于若判断出待检测物品具有缺陷，获取与缺陷对应的缺陷类别信息和缺陷位置信息。生成子模块224用于生成有缺陷物品缺陷检测结果或无缺陷物品缺陷检测结果，有缺陷物品缺陷检测结果包括缺陷类别信息和缺陷位置信息。
图12为本公开实施例提供的又一种边缘设备的结构示意图，如图12所示，唯一不同于图10所提供的边缘设备，该边缘设备还包括：第四接收模块26和更新模块27。第四接收模块26用于接收缺陷检测模型更新指令。更新模块27用于根据缺陷检测模型更新指令更新缺陷检测模型。
进一步地，物品为钢板，该边缘设备设于钢板的生产线上，响应控制为基于生产线的响应控制。
需要说明的是，在本公开中，上述各实施例中所涉及的技术手段在不相违背的情况可以相互结合。
另外，对于上述各模块、子模块、单元和子单元的实现细节和技术效果的描述，可以参见前述方法实施例的说明，此处不再赘述。
本公开实施例还提供了一种服务器，该服务器包括：一个或多个处理器以及存储装置；其中，存储装置上存储有一个或多个程序，当上述一个或多个程序被上述一个或多个处理器执行时，使得上述一个或多个处理器实现如前述各实施例所提供的物品缺陷检测方法。
本公开实施例还提供了一计算机可读存储介质，其上存储有计算机程序，其中，该计算机程序被执行时实现如前述各实施例所提供的物品缺陷检测方法。
本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、装置中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。在硬件实施方式中，在以上描述中提及的功能模块/单元之间的划分不一定对应于物理组件的划分；例如，一个物理组件可以具有多个功能，或者一个功能或步骤可以由若干物理组件合作执行。某些物理组件或所有物理组件可以被实施为由处理器，如中央处理器、数字信号处理器或微处理器执行的软件，或者被实施为硬件，或者被实施为集成电路，如专用集成电路。这样的软件可以分布在计算机可读介质上，计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的，术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外，本领域普通技术人员公知的是，通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据，并且可包括任何信息递送介质。
本文已经公开了示例实施例，并且虽然采用了具体术语，但它们仅用于并仅应当被解释为一般说明性含义，并且不用于限制的目的。在一些实例中，对本领域技术人员显而易见的是，除非另外明确指出，否则可单独使用与特定实施例相结合描述的特征、特性和/或元素，或可与其他实施例相结合描述的特征、特性和/或元件组合使用。因此，本领域技术人员将理解，在不脱离由所附的权利要求阐明的本公开的范围的情况下，可进行各种形式和细节上的改变。

Claims (18)

1.一种物品缺陷检测方法，所述物品为生产线上当前所生产的物品，所述物品缺陷检测方法包括：
接收与待检测物品对应的一张或多张待检测物品图片；
根据所述待检测物品图片生成与所述待检测物品对应的检测请求，所述检测请求包括所述待检测物品图片；
发送所述检测请求至与所述待检测物品对应的边缘设备，以供所述边缘设备根据缺陷检测模型对所述待检测物品图片进行检测并生成与所述检测请求对应的物品缺陷检测结果，所述边缘设备设于所述待检测物品的生产线上；
接收所述边缘设备发送的物品缺陷检测结果；
根据所述物品缺陷检测结果执行与所述待检测物品对应的响应控制，所述响应控制为基于所述生产线的响应控制。
2.根据权利要求1所述的物品缺陷检测方法，其中，在所述根据所述物品缺陷检测结果执行与所述待检测物品对应的响应控制之后还包括：
存储所述待检测物品图片及与所述待检测物品图片对应的物品缺陷检测结果。
3.根据权利要求1或2所述的物品缺陷检测方法，其中，所述物品为钢板，所述边缘设备设于所述钢板的生产线上，所述响应控制为基于所述生产线的响应控制。
4.一种物品缺陷检测方法，所述物品为生产线上当前所生产的物品，所述物品缺陷检测方法基于与待检测物品对应的边缘设备，所述边缘设备设于所述待检测物品的生产线上，所述物品缺陷检测方法包括：
接收检测请求，所述检测请求包括与所述待检测物品对应的待检测物品图片；
根据预先生成的缺陷检测模型对所述待检测物品图片进行检测并生成与所述检测请求对应的物品缺陷检测结果；
发送物品缺陷检测结果。
5.根据权利要求4所述的物品缺陷检测方法，其中，在根据预先生成的缺陷检测模型对所述待检测物品图片进行检测并生成与所述检测请求对应的物品缺陷检测结果之前还包括：
获取训练数据，所述训练数据包括预先存储的历史待检测物品图片、与所述历史待检测物品图片对应的历史物品缺陷检测结果及与无缺陷的所述待检测物品对应的无缺陷图片；
根据所述训练数据训练生成缺陷检测模型。
6.根据权利要求5所述的物品缺陷检测方法，其中，所述缺陷检测模型为深度卷积神经网络，所述根据预先生成的缺陷检测模型对所述待检测物品图片进行检测并生成与所述检测请求对应的物品缺陷检测结果包括：
提取出所述待检测物品图片的物品特征；
根据所述物品特征判断所述待检测物品是否具有缺陷；
若判断出所述待检测物品具有缺陷，获取与所述缺陷对应的缺陷类别信息和缺陷位置信息并生成有缺陷物品缺陷检测结果，所述有缺陷物品缺陷检测结果包括缺陷类别信息和缺陷位置信息；
若判断出所述待检测物品无缺陷，生成无缺陷物品缺陷检测结果。
7.根据权利要求5所述的物品缺陷检测方法，其中，在所述根据所述训练数据训练生成缺陷检测模型之后还包括：
接收缺陷检测模型更新指令；
根据所述缺陷检测模型更新指令更新所述缺陷检测模型。
8.根据权利要求4-7任一所述的物品缺陷检测方法，其中，所述物品为钢板，所述边缘设备设于所述钢板的生产线上，所述响应控制为基于所述生产线的响应控制。
9.一种物品缺陷检测装置，所述物品为生产线上当前所生产的物品，所述物品缺陷检测装置包括：
第一接收模块，用于接收与待检测物品对应的一张或多张待检测物品图片；
第一生成模块，用于根据所述待检测物品图片生成与所述待检测物品对应的检测请求，所述检测请求包括所述待检测物品图片；
第一发送模块，用于发送所述检测请求至与所述待检测物品对应的边缘设备，以供所述边缘设备根据缺陷检测模型对所述待检测物品图片进行检测并生成与所述检测请求对应的物品缺陷检测结果，所述边缘设备设于所述待检测物品的生产线上；
第二接收模块，用于接收所述边缘设备发送的物品缺陷检测结果；
执行模块，用于根据所述物品缺陷检测结果执行与所述待检测物品对应的响应控制，所述响应控制为基于所述生产线的响应控制。
10.根据权利要求9所述的物品缺陷检测装置，其中，还包括：
存储模块，用于存储所述待检测物品图片及与所述待检测物品图片对应的物品缺陷检测结果。
11.根据权利要求9或10所述的物品缺陷检测装置，其中，所述物品为钢板，所述边缘设备设于所述钢板的生产线上，所述响应控制为基于所述生产线的响应控制。
12.一种边缘设备，所述边缘设备设于待检测物品的生产线上，所述待检测物品为生产线上当前所生产的物品，所述边缘设备包括：
第三接收模块，用于接收检测请求，所述检测请求包括与所述待检测物品对应的待检测物品图片；
检测生成模块，用于根据预先生成的缺陷检测模型对所述待检测物品图片进行检测并生成与所述检测请求对应的物品缺陷检测结果；
第二发送模块，用于发送物品缺陷检测结果。
13.根据权利要求12所述的边缘设备，其中，还包括：
获取模块，用于获取训练数据，所述训练数据包括预先存储的历史待检测物品图片、与所述历史待检测物品图片对应的历史物品缺陷检测结果及与无缺陷的所述待检测物品对应的无缺陷图片；
第二生成模块，用于根据所述训练数据训练生成缺陷检测模型。
14.根据权利要求13所述的边缘设备，其中，所述缺陷检测模型为深度卷积神经网络，所述检测生成模块包括：
提取子模块，用于提取出所述待检测物品图片的物品特征；
判断子模块，用于根据所述物品特征判断所述待检测物品是否具有缺陷；
获取子模块，用于若判断出所述待检测物品具有缺陷，获取与所述缺陷对应的缺陷类别信息和缺陷位置信息；
生成子模块，用于生成有缺陷物品缺陷检测结果或无缺陷物品缺陷检测结果，所述有缺陷物品缺陷检测结果包括缺陷类别信息和缺陷位置信息。
15.根据权利要求13所述的边缘设备，其中，还包括：
第四接收模块，用于接收缺陷检测模型更新指令；
更新模块，用于根据所述缺陷检测模型更新指令更新所述缺陷检测模型。
16.根据权利要求12-15任一所述的边缘设备，其中，所述物品为钢板，所述边缘设备设于所述钢板的生产线上，所述响应控制为基于所述生产线的响应控制。
17.一种服务器，包括：
一个或多个处理器；
存储装置，其上存储有一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如权利要求1-3中任一所述的物品缺陷检测方法或权利要求4-8中任一所述的物品缺陷检测方法。
18.一种计算机可读介质，其上存储有计算机程序，其中，所述程序被执行时实现如权利要求1-3中任一所述的物品缺陷检测方法或权利要求4-8中任一所述的物品缺陷检测方法。
CN201910417325.2A 2019-05-20 2019-05-20 物品缺陷检测方法及装置、边缘设备、服务器 Pending CN110120044A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910417325.2A CN110120044A (zh) 2019-05-20 2019-05-20 物品缺陷检测方法及装置、边缘设备、服务器

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910417325.2A CN110120044A (zh) 2019-05-20 2019-05-20 物品缺陷检测方法及装置、边缘设备、服务器

Publications (1)

Publication Number Publication Date
CN110120044A true CN110120044A (zh) 2019-08-13

Family

ID=67522921

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910417325.2A Pending CN110120044A (zh) 2019-05-20 2019-05-20 物品缺陷检测方法及装置、边缘设备、服务器

Country Status (1)

Country Link
CN (1) CN110120044A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111231251A (zh) * 2020-01-09 2020-06-05 杭州电子科技大学 注塑机的产品检测方法、设备及系统

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101281173A (zh) * 2008-05-21 2008-10-08 钢铁研究总院 线材电磁超声导波探伤换能器装置
CN102384910A (zh) * 2010-08-28 2012-03-21 魏卿轩 一种型材表面缺陷自动检测装置
CN102608127A (zh) * 2012-04-09 2012-07-25 杭州智感科技有限公司 基于机器视觉的金属盖表面缺陷检测设备
CN102967658A (zh) * 2012-12-07 2013-03-13 钢铁研究总院 一种用于钢棒表面自动化检测的电磁超声换能器
CN108154508A (zh) * 2018-01-09 2018-06-12 北京百度网讯科技有限公司 产品缺陷检测定位的方法、装置、存储介质及终端设备
CN108230318A (zh) * 2018-01-09 2018-06-29 北京百度网讯科技有限公司 钢包缺陷检测分类方法、装置、设备及计算机可读介质
CN108230317A (zh) * 2018-01-09 2018-06-29 北京百度网讯科技有限公司 钢板缺陷检测分类方法、装置、设备及计算机可读介质
CN108320278A (zh) * 2018-01-09 2018-07-24 北京百度网讯科技有限公司 产品缺陷检测定位方法、装置、设备及计算机可读介质

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101281173A (zh) * 2008-05-21 2008-10-08 钢铁研究总院 线材电磁超声导波探伤换能器装置
CN102384910A (zh) * 2010-08-28 2012-03-21 魏卿轩 一种型材表面缺陷自动检测装置
CN102608127A (zh) * 2012-04-09 2012-07-25 杭州智感科技有限公司 基于机器视觉的金属盖表面缺陷检测设备
CN102967658A (zh) * 2012-12-07 2013-03-13 钢铁研究总院 一种用于钢棒表面自动化检测的电磁超声换能器
CN108154508A (zh) * 2018-01-09 2018-06-12 北京百度网讯科技有限公司 产品缺陷检测定位的方法、装置、存储介质及终端设备
CN108230318A (zh) * 2018-01-09 2018-06-29 北京百度网讯科技有限公司 钢包缺陷检测分类方法、装置、设备及计算机可读介质
CN108230317A (zh) * 2018-01-09 2018-06-29 北京百度网讯科技有限公司 钢板缺陷检测分类方法、装置、设备及计算机可读介质
CN108320278A (zh) * 2018-01-09 2018-07-24 北京百度网讯科技有限公司 产品缺陷检测定位方法、装置、设备及计算机可读介质

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111231251A (zh) * 2020-01-09 2020-06-05 杭州电子科技大学 注塑机的产品检测方法、设备及系统
CN111231251B (zh) * 2020-01-09 2022-02-01 杭州电子科技大学 注塑机的产品检测方法、设备及系统

Similar Documents

Publication Publication Date Title
WO2022222558A1 (zh) 一种人工智能模型在线训练方法及系统
CN104317618B (zh) 一种固件分区处理方法和装置
US20180129483A1 (en) Developing software project plans based on developer sensitivity ratings detected from monitoring developer error patterns
CN110377471B (zh) 接口校验数据的生成方法、装置、存储介质及电子设备
CN103761189B (zh) 一种测试用例管理方法及系统
CN104252481A (zh) 主从数据库一致性的动态校验方法和装置
CN110471857B (zh) 人工智能模型性能容量的自动测试方法及装置
CN107025224B (zh) 一种监控任务运行的方法和设备
CN112507623B (zh) 一种算法中台构建方法及系统
CN108139449A (zh) 用于便携式充电设备的改进的质量控制测试系统及使用方法
CN112508249A (zh) 突发事件推演图结构的构建及突发事件推演的方法和装置
CN109165170A (zh) 一种自动化请求测试的方法及系统
CN111258881B (zh) 一种用于工作流程测试的智能测试系统
CN110120044A (zh) 物品缺陷检测方法及装置、边缘设备、服务器
CN108921841A (zh) 钢铁连铸坯质量检测方法、装置、设备及存储介质
CN105606353B (zh) 一种机械故障诊断方法及系统
CN110134609A (zh) 企业级web应用系统页面性能检测方法、装置及介质
CN115510998A (zh) 交易异常值检测方法及装置
CN115658402A (zh) 测试用例管理方法、装置、电子设备及可读存储介质
CN113326113A (zh) 任务处理方法及装置、电子设备和存储介质
CN115878448A (zh) 数据库测试方法、分布式数据库、存储介质
CN105740822A (zh) 一种机械故障诊断优化方法及系统
CN112612702A (zh) 一种基于web的自动测试方法及装置
CN106874391B (zh) 一种死锁处理方法及装置
CN105701002A (zh) 一种基于测试的执行路径的记录方法和装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination