CN110161045A - 表面缺陷检测系统和方法 - Google Patents
表面缺陷检测系统和方法 Download PDFInfo
- Publication number
- CN110161045A CN110161045A CN201910412797.9A CN201910412797A CN110161045A CN 110161045 A CN110161045 A CN 110161045A CN 201910412797 A CN201910412797 A CN 201910412797A CN 110161045 A CN110161045 A CN 110161045A
- Authority
- CN
- China
- Prior art keywords
- defect
- sorting device
- target
- detection equipment
- image
- 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
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8854—Grading and classifying of flaws
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8854—Grading and classifying of flaws
- G01N2021/8874—Taking dimensions of defect into account
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本申请涉及一种表面缺陷检测系统,该系统包括:缺陷检测设备,用于接收待检测目标主体的目标图像,对所述目标图像进行缺陷检测,将检测到的缺陷发送给缺陷分类设备;缺陷分类设备,用于对所述缺陷进行分类,得到分类结果。该系统通过对缺陷进行分类有利于后续有针对性地对缺陷进行修补。此外,还提出了一种缺陷检测方法。
Description
技术领域
本发明涉及计算机技术领域,尤其是涉及一种表面缺陷检测系统和方法。
背景技术
在工业生产中,需要对生产出的产品表面进行缺陷检测。传统的缺陷检测只是单纯的使用一台缺陷检测设备进行检测,且仅仅能够定位出缺陷的位置,不利于后续针对缺陷进行修补改进。因此,传统的缺陷检测需要改进。
发明内容
基于此,有必要针对上述问题,提供一种改进的有利于后续对缺陷进行修改的表面缺陷检测系统和方法。
第一方面,本发明实施例提供一种表面缺陷检测系统,所述系统包括:
缺陷检测设备,用于接收待检测目标主体的目标图像,对所述目标图像进行缺陷检测,将检测到的缺陷发送给缺陷分类设备;
缺陷分类设备,用于对所述缺陷进行分类,得到分类结果。
在其中一个实施例中,所述系统还包括:
与所述缺陷检测设备连接的摄像装置,用于对所述目标主体进行拍摄得到目标图像,将所述目标图像传输给所述缺陷检测设备。
在其中一个实施例中,所述缺陷检测设备还用于根据检测得到的缺陷的边缘点信息提取出缺陷图像,将所述缺陷图像发送给所述缺陷分类设备;所述缺陷分类设备还用于根据所述缺陷图像对所述缺陷进行分类得到分类结果。
在其中一个实施例中,所述缺陷分类设备有多个,所述多个缺陷分类设备中包括一个主缺陷分类设备;所述主缺陷分类设备用于获取每个缺陷分类设备的负载和对应的待分类的图像数量,根据所述缺陷分类设备的负载和待分类的图像数量对所述缺陷分类设备进行评分,根据评分结果确定目标缺陷分类设备,将所述目标缺陷分类设备的地址返回给所述缺陷检测设备;所述缺陷检测设备还用于根据所述目标缺陷分类设备的地址建立与所述目标缺陷分类设备的连接。
在其中一个实施例中,所述所述缺陷检测设备有多个,每个缺陷检测设备与多个所述摄像装置连接。
在其中一个实施例中,所述缺陷分类设备还用于将分类完成后的缺陷图像和相应的附属信息存入数据库,所述附属信息包括:缺陷类型。
第二方面,本发明提供一种表面缺陷检测方法,所述方法包括:缺陷检测设备接收待检测目标主体的目标图像,对所述目标图像进行缺陷检测,将检测到的缺陷发送给缺陷分类设备;所述缺陷分类设备对所述缺陷进行分类,得到分类结果。
在其中一个实施例中,所述方法还包括:与所述缺陷检测设备连接的摄像装置对所述目标主体进行拍摄得到目标图像,将所述目标图像传输给所述缺陷检测设备。
在其中一个实施例中,所述缺陷检测设备接收待检测目标主体的目标图像,对所述目标图像进行缺陷检测,将检测到的缺陷发送给缺陷分类设备,包括:所述缺陷检测设备根据检测得到的缺陷的边缘点信息提取出缺陷图像,将所述缺陷图像发送给所述缺陷分类设备;所述所述缺陷分类设备对所述缺陷进行分类,得到分类结果,包括:所述缺陷分类设备根据所述缺陷图像对所述缺陷进行分类得到分类结果。
在其中一个实施例中,所述缺陷分类设备有多个,所述多个缺陷分类设备中包括一个主缺陷分类设备;所述方法还包括:所述主缺陷分类设备获取每个缺陷分类设备的负载和对应的待分类的图像数量,根据所述缺陷分类设备的负载和待分类的图像数量对所述缺陷分类设备进行评分,根据评分结果确定目标缺陷分类设备,将所述目标缺陷分类设备的地址返回给所述缺陷检测设备;所述缺陷检测设备根据所述目标缺陷分类设备的地址建立与目标缺陷分类设备的连接。
在其中一个实施例中,所述缺陷检测设备有多个,每个缺陷检测设备与多个所述摄像装置连接。
在其中一个实施例中,所述方法还包括:所述缺陷分类设备将分类完成后的缺陷图像和相应的附属信息存入数据库,所述附属信息包括:缺陷类型。
上述表面缺陷检测系统和方法,包括缺陷检测设备和缺陷分类设备,缺陷检测设备用于接收待检测目标主体的目标图像,对目标图像进行缺陷检测,将检测到的缺陷发送给缺陷分类设备,缺陷分类设备对缺陷进行分类,得到分类结果。通过将多个缺陷检测设备与缺陷分类设备连接起来,可以实时将检测到的缺陷进行分类,通过对缺陷进行分类有利于后续有针对性地对缺陷进行修补。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图示出的结构获得其他的附图。
图1为一个实施例中表面缺陷检测系统的框架图;
图2为另一个实施例中表面缺陷检测系统的框架图;
图3为又一个实施例中表面缺陷检测系统的框架图;
图4为再一个实施例中表面缺陷检测系统的框架图;
图5为一个实施例中表面缺陷检测系统的架构示意图;
图6为一个实施例中表面缺陷检测方法的流程图;
图7为另一个实施例中表面缺陷检测方法的流程图;
图8为又一个实施例中表面缺陷检测方法的流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
如图1所示,提出了一种表面缺陷检测系统,该系统包括:
缺陷检测设备102,用于接收待检测目标主体的目标图像,对目标图像进行缺陷检测,将检测到的缺陷发送给缺陷分类设备。
其中,缺陷检测设备可以是缺陷检测服务器,也可以是缺陷检测终端等。缺陷检测设备可以是一个,也可以是多个。目标主体是指待检测缺陷的目标物,目标图像是指目标主体的图像。目标图像可以为彩色图像,也可以为灰色图像,还可以为二值化图像。目标主体可以是布匹、也可以薄膜,还可以是玻璃等。目标图像的获取可以是实时对目标主体进行拍摄得到的,也可以是从已存储的相册中获取的,还可以是实时地从摄像装置中获取到的。将检测到的缺陷实时发送给缺陷分类设备,提高了检测效率。
缺陷分类设备104,用于对缺陷进行分类,得到分类结果。
其中,缺陷分类设备可以是缺陷分类服务器,也可以是缺陷分类终端等。缺陷分类设备与缺陷检测设备连接,接收缺陷检测设备检测到的缺陷,然后对缺陷进行分类,得到分类结果。通过将缺陷进行分类,有利于后续根据类别集中对缺陷进行处理,便于提高处理的效率。
上述表面缺陷检测系统,包括缺陷检测设备和缺陷分类设备,缺陷检测设备用于接收待检测目标主体的目标图像,对目标图像进行缺陷检测,将检测到的缺陷发送给缺陷分类设备,缺陷分类设备对缺陷进行分类,得到分类结果。通过将多个缺陷检测设备与缺陷分类设备连接起来,可以实时将检测到的缺陷进行分类,通过对缺陷进行分类有利于后续有针对性地对缺陷进行修补。
如图2所示,在一个实施例中,上述表面缺陷检测系统还包括:
与每个缺陷检测设备连接的摄像装置106,用于对目标主体进行拍摄得到目标图像,将目标图像传输给缺陷检测设备。
其中,可以将一个或多个摄像装置(比如,相机)与缺陷检测设备连接,实时将拍摄得到的目标图像传输给缺陷检测设备。在一个实施例中,摄像装置通过CameraLink(照相机)线连接到缺陷检测设备。摄像装置用于对目标主体进行拍摄得到目标图像,然后实时地将目标图像传输给缺陷检测设备,以便实现实时地对缺陷进行检测。
在一个实施例中,缺陷检测设备还用于根据检测得到的缺陷的边缘点信息提取出缺陷图像,将缺陷图像发送给缺陷分类设备;缺陷分类设备还用于根据缺陷图像进行分类得到分类结果。
其中,为了提高分类的准确性,检测到缺陷后,根据缺陷的边缘点信息提取出缺陷图像,即将缺陷进行抠图得到缺陷图像,然后将缺陷图像发送给缺陷分类设备,缺陷分类设备根据缺陷图像进行分类得到分类结果。通过根据缺陷的边缘点信息将缺陷图像提出,有利于更准确地对缺陷进行分类。
如图3所示,在一个实施例中,缺陷分类设备104有多个,多个缺陷分类设备中包括一个主缺陷分类设备104A;主缺陷分类设备用于获取每个缺陷分类设备的负载和对应的待分类的图像数量,根据缺陷分类设备的负载和待分类的图像数量对缺陷分类设备进行评分,根据评分结果确定目标缺陷分类设备,将目标缺陷分类设备的地址返回给缺陷检测设备;缺陷检测设备还用于根据目标缺陷分类设备的地址建立与目标缺陷分类设备的连接。
其中,为了能够更快速地对缺陷进行分类,设置多个缺陷分类设备,从中选择一个作为主缺陷分类设备,主缺陷分类设备获取每个缺陷分类设备的负载和对应的待分类的图像数量,然后根据负载和待分类的图像数量对缺陷分类设备进行评分,根据评分结果确定目标缺陷分类设备,然后将目标缺陷分类设备的地址返回给缺陷检测设备。
负载可以采用CPU占用率来表示或者内存占用率来表示。在一个实施例中,分别设置负载和待分类的图像数量的权重,然后通过加权求和得到相应的评分。负载和待分类的图像数量与分数成正相关,如果评分越低,说明相应的缺陷分类设备越空闲。将评分最低的缺陷分类设备作为目标缺陷分类设备。在另一个实施例中,设置分数与负载、待分类的图像数量成反相关,即负载越大,相应的分数越低,待分类的图像数量越多,相应的分数越低,得到的评分越高的缺陷分类设备越空闲,将评分最高的缺陷分类设备作为目标缺陷分类设备。
在一个实施例中,主缺陷分类设备用于接收缺陷检测设备发送的分类请求,然后根据分类请求查找当前最空闲的目标缺陷分类设备,然后将该目标缺陷分类设备的地址返回,这样,缺陷检测设备根据该地址建立与目标缺陷分类设备的连接,然后将相应的缺陷图像和相应的缺陷信息发送给该缺陷分类设备,缺陷信息包括:缺陷大小和缺陷位置等信息。
由于缺陷检测设备和缺陷分类设备是单独计算的两个过程,两者的计算速度可能不一,为了实现实时地对缺陷进行检测,可以动态调整缺陷分类设备的数量,比如,如果缺陷检测设备的计算速度是缺陷分类设备的两倍,则每个缺陷检测设备可以配置两个缺陷分类设备。如果缺陷检测设备的计算速度是缺陷分类设备的一半,那么可以将两个缺陷检测设备与一个缺陷分类设备相连。即缺陷分类设备可以动态扩展,从而可以保证缺陷检测和分类的实时性。
如图4所示,在一个实施例中,缺陷检测设备有多个,每个缺陷检测设备与多个摄像装置连接。
其中,由于目标主体的表面往往很大,一个摄像装置可能满足不了要求,通过同时设置多个摄像装置,扩大采集视角,有利于快速全面地对目标主体的表面进行拍摄。由于缺陷检测的计算量往往很大,采用多个缺陷检测设备同时进行计算,有利于提高缺陷处理的效率。
如图5所示,在一个实施例中,表面缺陷检测系统的架构图示意图。包括多个摄像装置502、多个缺陷检测设备504和多个缺陷分类设备506。如图所示,多个摄像装置502通过CameraLink线连接到缺陷检测设备504,多个缺陷检测设备通过网络(以太网)连接到缺陷分类设备。缺陷分类设备中包括主缺陷分类设备,由主缺陷分类设备查询目标缺陷分类设备,然后将相应的地址返回给缺陷检测设备,然后缺陷检测设备再与目标缺陷检测设备建立连接。摄像装置的数量、缺陷检测设备的数量以及缺陷分类设备的数量可以根据实际需要动态进行调整。
在一个实施例中,缺陷分类设备还用于将分类完成后的缺陷图像和相应的附属信息存入数据库,附属信息包括:缺陷类型。
其中,附属信息是指与缺陷图像对应的信息,包括:缺陷类型。缺陷分类设备对缺陷图像进行分类后,将最终分类完成后的缺陷图像和相应的附属信息存入数据库,便于后续进行数据分析、统计使用。在另一个实施例中,附属信息还包括:缺陷轮廓类型、缺陷面积、缺陷位置信息等。
如图6所示,在一个实施例中,提出了一种表面缺陷检测方法包括:
步骤602,缺陷检测设备接收待检测目标主体的目标图像,对目标图像进行缺陷检测,将检测到的缺陷发送给缺陷分类设备。
其中,缺陷检测设备可以是缺陷检测服务器,也可以是缺陷检测终端等。目标主体是指待检测缺陷的目标物,目标图像是指目标主体的图像。目标图像可以为彩色图像,也可以为灰色图像,还可以为二值化图像。目标主体可以是布匹、也可以薄膜,还可以是玻璃等。目标图像的获取可以是实时对目标主体进行拍摄得到的,也可以是从已存储的相册中获取的,还可以是实时地从摄像装置中获取到的。同时采用多个缺陷检测设备进行缺陷检测,大大提高了缺陷检测的效率,将检测到的缺陷实时发送给缺陷分类设备,进一步提高了检测的效率。
步骤604,缺陷分类设备对缺陷进行分类,得到分类结果。
其中,缺陷分类设备可以是缺陷分类服务器,也可以是缺陷分类终端等。缺陷分类设备与多个缺陷检测设备连接,接收缺陷检测设备检测到的缺陷,然后对缺陷进行分类,得到分类结果。通过将缺陷进行分类,有利于后续根据类别集中对缺陷进行处理,便于提高处理的效率。
上述表面缺陷检测方法,通过缺陷检测设备接收待检测目标主体的目标图像,对目标图像进行缺陷检测,将检测到的缺陷发送给缺陷分类设备,缺陷分类设备对缺陷进行分类,得到分类结果。通过将多个缺陷检测设备与缺陷分类设备连接起来,可以实时将检测到的缺陷进行分类,通过对缺陷进行分类有利于后续有针对性地对缺陷进行修补。
如图7所示,在一个实施例中,上述表面缺陷检测方法还包括:
步骤601,与缺陷检测设备连接的摄像装置对目标主体进行拍摄得到目标图像,将目标图像传输给缺陷检测设备。
其中,可以将一个或多个摄像装置(比如,相机)与缺陷检测设备连接,实时将拍摄得到的目标图像传输给缺陷检测设备。在一个实施例中,摄像装置通过CameraLink(照相机)线连接到缺陷检测设备。摄像装置用于对目标主体进行拍摄得到目标图像,然后实时地将目标图像传输给缺陷检测设备,以便实现实时地对缺陷进行检测。
在一个实施例中,缺陷检测设备接收待检测目标主体的目标图像,对目标图像进行缺陷检测,将检测到的缺陷发送给缺陷分类设备,包括:缺陷检测设备根据检测得到的缺陷的边缘点信息提取出缺陷图像,将缺陷图像发送给缺陷分类设备;缺陷分类设备对缺陷进行分类,得到分类结果,包括:缺陷分类设备根据缺陷图像对缺陷进行分类得到分类结果。
其中,为了提高分类的准确性,检测到缺陷后,根据缺陷的边缘点信息提取出缺陷图像,即将缺陷进行抠图得到缺陷图像,然后将缺陷图像发送给缺陷分类设备,缺陷分类设备根据缺陷图像进行分类得到分类结果。通过根据缺陷的边缘点信息将缺陷图像提出,有利于更准确地对缺陷进行分类。
如图8所示,在一个实施例中,提出了一种表面缺陷检测方法,缺陷分类设备有多个,多个缺陷分类设备中包括一个主缺陷分类设备;包括以下步骤:
步骤802,缺陷检测设备接收待检测目标主体的目标图像,对目标图像进行缺陷检测,得到缺陷检测结果,向主缺陷分类设备发送分类请求。
步骤804,主缺陷分类设备根据分类请求获取每个缺陷分类设备的负载和对应的待分类的图像数量,根据缺陷分类设备的负载和待分类的图像数量对缺陷分类设备进行评分,根据评分结果确定目标缺陷分类设备,将目标缺陷分类设备的地址返回给缺陷检测设备。
步骤806,缺陷检测设备根据目标缺陷分类设备的地址建立与目标缺陷分类设备的连接,将缺陷检测结果发送给目标缺陷分类设备。
步骤808,目标缺陷分类设备对缺陷进行分类,得到分类结果。
其中,为了能够更快速地对缺陷进行分类,设置多个缺陷分类设备,从中选择一个作为主缺陷分类设备,主缺陷分类设备获取每个缺陷分类设备的负载和对应的待分类的图像数量,然后根据负载和待分类的图像数量对缺陷分类设备进行评分,根据评分结果确定目标缺陷分类设备,然后将目标缺陷分类设备的地址返回给缺陷检测设备。
在一个实施例中,缺陷检测设备有多个,每个缺陷检测设备与多个摄像装置连接。
其中,由于目标主体的表面往往很大,一个摄像装置可能满足不了要求,通过同时设置多个摄像装置,扩大采集视角,有利于快速全面地对目标主体的表面进行拍摄。由于缺陷检测的计算量往往很大,采用多个缺陷检测设备同时进行计算,有利于提高缺陷处理的效率。
在一个实施例中,上述表面缺陷检测方法还包括:缺陷分类设备将分类完成后的缺陷图像和相应的附属信息存入数据库,附属信息包括:缺陷类型。
其中,附属信息是指与缺陷图像对应的信息,包括:缺陷类型。缺陷分类设备对缺陷图像进行分类后,将最终分类完成后的缺陷图像和相应的附属信息存入数据库,便于后续进行数据分析、统计使用。在另一个实施例中,附属信息还包括:缺陷轮廓类型、缺陷面积、缺陷位置信息等。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一非易失性计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种表面缺陷检测系统,其特征在于,所述系统包括:
缺陷检测设备,用于接收待检测目标主体的目标图像,对所述目标图像进行缺陷检测,将检测到的缺陷发送给缺陷分类设备;
缺陷分类设备,用于对所述缺陷进行分类,得到分类结果。
2.根据权利要求1所述的方法,其特征在于,所述系统还包括:
与所述缺陷检测设备连接的摄像装置,用于对所述目标主体进行拍摄得到目标图像,将所述目标图像传输给所述缺陷检测设备。
3.根据权利要求1所述的方法,其特征在于,所述缺陷检测设备还用于根据检测得到的缺陷的边缘点信息提取出缺陷图像,将所述缺陷图像发送给所述缺陷分类设备;
所述缺陷分类设备还用于根据所述缺陷图像对所述缺陷进行分类得到分类结果。
4.根据权利要求1所述的方法,其特征在于,所述缺陷分类设备有多个,所述多个缺陷分类设备中包括一个主缺陷分类设备;
所述主缺陷分类设备用于获取每个缺陷分类设备的负载和对应的待分类的图像数量,根据所述缺陷分类设备的负载和待分类的图像数量对所述缺陷分类设备进行评分,根据评分结果确定目标缺陷分类设备,将所述目标缺陷分类设备的地址返回给所述缺陷检测设备;
所述缺陷检测设备还用于根据所述目标缺陷分类设备的地址建立与所述目标缺陷分类设备的连接。
5.根据权利要求1所述的方法,其特征在于,所述缺陷检测设备有多个,所述每个缺陷检测设备与多个所述摄像装置连接。
6.根据权利要求1所述的方法,其特征在于,所述缺陷分类设备还用于将分类完成后的缺陷图像和相应的附属信息存入数据库,所述附属信息包括:缺陷类型。
7.一种表面缺陷检测方法,其特征在于,所述方法包括:
缺陷检测设备接收待检测目标主体的目标图像,对所述目标图像进行缺陷检测,将检测到的缺陷发送给缺陷分类设备;
所述缺陷分类设备对所述缺陷进行分类,得到分类结果。
8.根据权利要求7所述的方法,其特征在于,所述方法还包括:
与所述缺陷检测设备连接的摄像装置对所述目标主体进行拍摄得到目标图像,将所述目标图像传输给所述缺陷检测设备。
9.根据权利要求7所述的方法,其特征在于,所述缺陷检测设备接收待检测目标主体的目标图像,对所述目标图像进行缺陷检测,将检测到的缺陷发送给缺陷分类设备,包括:
所述缺陷检测设备根据检测得到的缺陷的边缘点信息提取出缺陷图像,将所述缺陷图像发送给所述缺陷分类设备;
所述所述缺陷分类设备对所述缺陷进行分类,得到分类结果,包括:
所述缺陷分类设备根据所述缺陷图像对所述缺陷进行分类得到分类结果。
10.根据权利要求7所述的方法,其特征在于,所述缺陷分类设备有多个,所述多个缺陷分类设备中包括一个主缺陷分类设备;
在所述将检测到的缺陷发送给缺陷分类设备之前,还包括:
所述主缺陷分类设备接收所述缺陷检测设备发送的分类请求,根据所述分类请求获取每个缺陷分类设备的负载和对应的待分类的图像数量,根据所述缺陷分类设备的负载和待分类的图像数量对所述缺陷分类设备进行评分,根据评分结果确定目标缺陷分类设备,将所述目标缺陷分类设备的地址返回给所述缺陷检测设备;
所述缺陷检测设备根据所述目标缺陷分类设备的地址建立与目标缺陷分类设备的连接。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910412797.9A CN110161045A (zh) | 2019-05-17 | 2019-05-17 | 表面缺陷检测系统和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910412797.9A CN110161045A (zh) | 2019-05-17 | 2019-05-17 | 表面缺陷检测系统和方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110161045A true CN110161045A (zh) | 2019-08-23 |
Family
ID=67631282
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910412797.9A Pending CN110161045A (zh) | 2019-05-17 | 2019-05-17 | 表面缺陷检测系统和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110161045A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110738237A (zh) * | 2019-09-16 | 2020-01-31 | 深圳新视智科技术有限公司 | 缺陷分类的方法、装置、计算机设备和存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109087282A (zh) * | 2018-07-02 | 2018-12-25 | 北京百度网讯科技有限公司 | 显示屏外围电路检测方法、装置、电子设备及存储介质 |
CN109300127A (zh) * | 2018-09-21 | 2019-02-01 | 中兴新通讯有限公司 | 缺陷检测方法、装置、计算机设备及存储介质 |
-
2019
- 2019-05-17 CN CN201910412797.9A patent/CN110161045A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109087282A (zh) * | 2018-07-02 | 2018-12-25 | 北京百度网讯科技有限公司 | 显示屏外围电路检测方法、装置、电子设备及存储介质 |
CN109300127A (zh) * | 2018-09-21 | 2019-02-01 | 中兴新通讯有限公司 | 缺陷检测方法、装置、计算机设备及存储介质 |
Non-Patent Citations (3)
Title |
---|
张晓光等: "《射线检测焊接缺陷的提取和自动识别》", 31 October 2004, 国防工业出版社 * |
曲成义: "《信息安全技术概览及探索》", 30 April 2018, 贵州科技出版社 * |
齐继阳等: "《异形涵管钢筋骨架自动变径高速滚焊机》", 30 April 2019, 华中科技大学出版社 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110738237A (zh) * | 2019-09-16 | 2020-01-31 | 深圳新视智科技术有限公司 | 缺陷分类的方法、装置、计算机设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111179251B (zh) | 基于孪生神经网络利用模板比对的缺陷检测系统及方法 | |
CN109447169B (zh) | 图像处理方法及其模型的训练方法、装置和电子系统 | |
TWI677826B (zh) | 車牌辨識系統與方法 | |
CN111951212A (zh) | 对铁路的接触网图像进行缺陷识别的方法 | |
CN110008909B (zh) | 一种基于ai的实名制业务实时稽核系统 | |
CN112418009B (zh) | 一种图像质量检测方法、终端设备及存储介质 | |
CN104573617B (zh) | 一种摄像控制方法 | |
CN109376580B (zh) | 一种基于深度学习的电力塔架部件识别方法 | |
CN111814850A (zh) | 缺陷检测模型训练方法、缺陷检测方法及相关装置 | |
CN112348787A (zh) | 物体缺陷检测模型的训练方法、物体缺陷检测方法及装置 | |
CN110738237A (zh) | 缺陷分类的方法、装置、计算机设备和存储介质 | |
CN110517265A (zh) | 一种产品表面缺陷的检测方法、装置及存储介质 | |
CN111522951A (zh) | 一种基于图像识别的敏感数据识别与分类的技术方法 | |
CN109726678A (zh) | 一种车牌识别的方法及相关装置 | |
CN111311546A (zh) | 集装箱检测方法、装置及计算机可读存储介质 | |
CN112001219A (zh) | 一种多角度多人脸识别考勤方法及系统 | |
Thendral et al. | Computer vision system for railway track crack detection using deep learning neural network | |
Zhou et al. | Who are raising their hands? Hand-raiser seeking based on object detection and pose estimation | |
CN115272961A (zh) | 基于人工智能的vr设备预警监测方法及系统 | |
CN110161045A (zh) | 表面缺陷检测系统和方法 | |
CN117274245B (zh) | 基于图像处理技术的aoi光学检测方法及系统 | |
CN111311545A (zh) | 集装箱检测方法、装置及计算机可读存储介质 | |
CN110728269A (zh) | 一种高铁接触网支柱杆号牌识别方法 | |
CN112347967B (zh) | 一种复杂场景下融合运动信息的行人检测方法 | |
CN115359306B (zh) | 一种铁路货检高清图像智能识别方法和系统 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190823 |
|
RJ01 | Rejection of invention patent application after publication |