CN110261392B - 质量检测方法、装置、电子设备和系统 - Google Patents
质量检测方法、装置、电子设备和系统 Download PDFInfo
- Publication number
- CN110261392B CN110261392B CN201910533045.8A CN201910533045A CN110261392B CN 110261392 B CN110261392 B CN 110261392B CN 201910533045 A CN201910533045 A CN 201910533045A CN 110261392 B CN110261392 B CN 110261392B
- Authority
- CN
- China
- Prior art keywords
- quality detection
- detected
- image
- quality
- angle
- 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.)
- Active
Links
Images
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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
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)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本申请提供一种质量检测方法、装置、电子设备和系统,该方法涉及云计算领域,包括:接收采集设备发送的质量检测请求,质量检测请求用于请求检测待检测对象的质量,质量检测请求包括:待检测对象至少一个表面的至少一个角度的图像;根据图像的拍摄信息,以及,各计算节点的计算资源使用信息,确定目标节点,以及,目标节点上的目标计算资源;向目标节点发送质量检测请求和调度指令,调度指令用于指示目标节点使用目标计算资源,以及目标计算资源中的质量检测模型,检测待检测对象的质量;接收目标节点发送的待检测对象的质量检测结果。本申请提供的质量检测方法能够提高检测效率和检测准确度。
Description
技术领域
本申请涉及图像处理应用技术领域,尤其涉及一种质量检测方法、装置、电子设备和系统。
背景技术
在传统制造业生产场景中,如3C产品零部件制造、钢铁生产、汽车制造、电池制造、太阳能板制造等领域中,产品的表面状态检测是制造厂商控制出货质量、维持生产关系的重要环节。例如,检测产品的表面是否有划痕、异物等。
现有技术中,产品表面状态的检测多为人工目视检测,或人工借助辅助仪器质检。但由于高强度的检测节奏可能会导致质检人员产生误判,且不同的质检人员的检测结果无法对齐。
发明内容
本申请提供一种质量检测方法、装置、电子设备和系统,能够提高检测效率和检测准确度。
本申请的第一方面提供一种质量检测方法,包括:
接收采集设备发送的质量检测请求,所述质量检测请求用于请求检测待检测对象的质量,所述质量检测请求包括:所述待检测对象至少一个表面的至少一个角度的图像;
根据所述图像的拍摄信息,以及,各计算节点的计算资源使用信息,确定目标节点,以及,所述目标节点上的目标计算资源;
向所述目标节点发送所述质量检测请求和调度指令,所述调度指令用于指示所述目标节点使用所述目标计算资源和质量检测模型,检测所述待检测对象的质量;
接收所述目标节点发送的所述待检测对象的质量检测结果。
可选的,所述接收所述目标节点发送的所述待检测对象的质量检测结果之后,所述方法还包括:
根据所述待检测对象的质量检测结果,确定所述待检测对象的分送目的地;
向分料设备发送分料请求,所述分料请求用于请求将所述待检测对象分送至所述分送目的地。
可选的,所述质量检测请求还包括:所述待检测对象的生产信息,所述接收所述目标节点发送的所述待检测对象的质量检测结果之后,所述方法还包括:
若所述待检测对象的质量检测结果表征所述待检测对象的质量合格,则存储所述待检测对象的生产信息;或者,
若所述待检测对象的质量检测结果表征所述待检测对象的质量不合格,则推送报警信息,所述报警信息用于指示所述待检测对象的质量不合格。
可选的,所述接收采集设备发送的质量检测请求之前,所述方法还包括:
向各所述计算节点发送质量检测服务启动指令,所述质量检测服务启动指令用于指示所述计算节点启动质量检测服务。
可选的,所述向所述目标节点发送所述质量检测请求和调度指令之后,所述方法还包括:
根据所述目标计算资源,更新所述目标节点的计算资源使用信息。
可选的,所述计算资源包括处理器的资源和/或异构芯片的资源。
可选的,所述异构芯片为下述任一项:
图形处理器芯片、现场可编程门阵列芯片、专用集成电路芯片。
本申请的第二方面提供一种质量检测方法,包括:
接收来自控制设备的质量检测请求和调度指令,所述质量检测请求用于请求检测待检测对象的质量,所述质量检测请求包括:所述待检测对象至少一个表面的至少一个角度的图像,所述调度指令用于指示使用目标计算资源和质量检测模型,检测所述待检测对象的质量;
根据所述目标计算资源,为所述待检测对象的每个角度的图像对应的质量检测模型分配计算资源;
在各所述质量检测模型的计算资源上,运行各所述质量检测模型,对各所述质量检测模型对应的角度的图像进行检测,得到所述待检测对象的每个角度的图像的质量检测结果;
根据所述待检测对象的每个角度的图像的质量检测结果,确定所述待检测对象的质量检测结果;
向所述控制设备发送所述待检测对象的质量检测结果。
可选的,所述接收来自控制设备的质量检测请求和调度指令之前,所述方法还包括:
接收来自控制设备的质量检测服务启动指令,所述质量检测服务启动指令用于指示启动质量检测服务;
根据所述质量检测服务启动指令,加载检测各角度的图像的质量检测模型。
可选的,所述质量检测模型包括下述任一项:
图像分类模型、缺陷检测模型、语义分割模型。
可选的,所述计算资源包括处理器的资源和/或异构芯片的资源。
可选的,所述异构芯片为下述任一项:
图形处理器芯片、现场可编程门阵列芯片、专用集成电路芯片。
本申请的第三方面提供一种质量检测装置,包括:
收发模块,用于接收采集设备发送的质量检测请求,所述质量检测请求用于请求检测待检测对象的质量,所述质量检测请求包括:所述待检测对象至少一个表面的至少一个角度的图像;
处理模块,用于根据所述图像的拍摄信息,以及,各计算节点的计算资源使用信息,确定目标节点,以及,所述目标节点上的目标计算资源;
所述收发模块,还用于向所述目标节点发送所述质量检测请求和调度指令,所述调度指令用于指示所述目标节点使用所述目标计算资源和质量检测模型,检测所述待检测对象的质量;接收所述目标节点发送的所述待检测对象的质量检测结果。
可选的,所述处理模块,还用于根据所述待检测对象的质量检测结果,确定所述待检测对象的分送目的地。
所述收发模块,还用于向分料设备发送分料请求,所述分料请求用于请求将所述待检测对象分送至所述分送目的地。
可选的,所述质量检测请求还包括:所述待检测对象的生产信息。
所述处理模块,还用于若所述待检测对象的质量检测结果表征所述待检测对象的质量合格,则存储所述待检测对象的生产信息;或者,若所述待检测对象的质量检测结果表征所述待检测对象的质量不合格,则推送报警信息,所述报警信息用于指示所述待检测对象的质量不合格。
可选的,所述收发模块,还用于向各所述计算节点发送质量检测服务启动指令,所述质量检测服务启动指令用于指示所述计算节点启动质量检测服务。
可选的,所述处理模块,还用于根据所述目标计算资源,更新所述目标节点的计算资源使用信息。
可选的,所述计算资源包括处理器的资源和/或异构芯片的资源。
可选的,所述异构芯片为下述任一项:图形处理器芯片、现场可编程门阵列芯片、专用集成电路芯片。
本申请的第四方面提供一种质量检测装置,包括:
收发模块,用于接收来自控制设备的质量检测请求和调度指令,所述质量检测请求用于请求检测待检测对象的质量,所述质量检测请求包括:所述待检测对象至少一个表面的至少一个角度的图像,所述调度指令用于指示使用目标计算资源和质量检测模型,检测所述待检测对象的质量;
处理模块,用于根据所述目标计算资源,为所述待检测对象的每个角度的图像对应的质量检测模型分配计算资源;在各所述质量检测模型的计算资源上,运行各所述质量检测模型,对各所述质量检测模型对应的角度的图像进行检测,得到所述待检测对象的每个角度的图像的质量检测结果;根据所述待检测对象的每个角度的图像的质量检测结果,确定所述待检测对象的质量检测结果;
所述收发模块,还用于向所述控制设备发送所述待检测对象的质量检测结果。
可选的,所述收发模块,还用于接收来自控制设备的质量检测服务启动指令,所述质量检测服务启动指令用于指示启动质量检测服务。
所述处理模块,还用于根据所述质量检测服务启动指令,加载检测各角度的图像的质量检测模型。
可选的,所述质量检测模型包括下述任一项:图像分类模型、缺陷检测模型、语义分割模型。
可选的,所述计算资源包括处理器的资源和/或异构芯片的资源。
可选的,所述异构芯片为下述任一项:图形处理器芯片、现场可编程门阵列芯片、专用集成电路芯片。
本申请的第五方面提供一种电子设备,包括:至少一个处理器和存储器;
所述存储器存储计算机执行指令;
所述至少一个处理器执行所述存储器存储的计算机执行指令,使得所述电子设备执行上述第一方面和第二方面的质量检测方法。
本申请的第六方面提供一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机执行指令,当所述计算机执行指令被处理器执行时,实现上述第一方面和第二方面的质量检测方法。
本申请提供一种质量检测方法、装置、电子设备和系统,该方法包括:接收采集设备发送的质量检测请求,质量检测请求用于请求检测待检测对象的质量,质量检测请求包括:待检测对象至少一个表面的至少一个角度的图像;根据图像的拍摄信息,以及,各计算节点的计算资源使用信息,确定目标节点,以及,目标节点上的目标计算资源;向目标节点发送质量检测请求和调度指令,调度指令用于指示目标节点使用目标计算资源,以及目标计算资源中的质量检测模型,检测待检测对象的质量;接收目标节点发送的待检测对象的质量检测结果。本申请提供的质量检测方法,一方面目标节点使用所述目标计算资源,以及所述目标计算资源中的质量检测模型,检测所述待检测对象的质量,可以提高检测准确度和检测效率;另一方面,还可以通过计算节点的计算资源使用信息,确定检测所述待检测对象的质量的目标节点和目标计算资源,进一步充分利用计算资源,提高检测效率。
附图说明
图1为本申请提供的质量检测方法适用的场景示意图;
图2为本申请提供的质量检测方法的交互流程示意图一;
图3为本申请提供的质量检测方法的交互流程示意图二;
图4为本申请提供的一质量检测装置的结构示意图;
图5为本申请提供的另一质量检测装置的结构示意图;
图6为本申请提供的电子设备的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合本申请的实施例,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
图1为本申请提供的质量检测方法适用的场景示意图。如图1所示,本申请提供的质量检测方法适用的场景中可以包括:采集设备、控制设备、计算节点。其中,采集设备用于采集待检测对象的图像,并将待检测对象的图像发送给控制设备。控制设备可以根据计算节点的计算资源的使用信息,确定检测待检测对象的图像的计算节点和对应的计算资源,将待检测对象的图像发送给计算节点。计算节点可以使用其中的计算资源对待检测对象的图像进行检测,以获取待检测对象的质量检测结果。
可选的,本实施例中的采集设备可以为具有图像采集功能的设备。例如,可以为工业相机、摄像头、双目相机等。计算节点可以为集群计算节点,例如,集群计算节点中包括多个计算节点,每个计算节点中包含有多个计算资源。
可选的,该场景中还可以包括:分料设备。该分料设备用于根据来自控制设备的质量检测结果,对待检测对象进行分料处理。其中,分料处理可以为:将质量检测结果合格的待检测对象运送至下一生产阶段,将质量检测结果不合格的待检测对象运送至修复阶段进行修复等。
图2为本申请提供的质量检测方法的交互流程示意图一。图2中以采集设备、控制设备和目标节点交互的角度对本实施例中提供的质量检测方法进行说明。如图2所示,本实施例提供的质量检测方法可以包括:
S201,控制设备接收采集设备发送的质量检测请求,质量检测请求用于请求检测待检测对象的质量,质量检测请求包括:待检测对象至少一个表面的至少一个角度的图像。
本实施例中的采集设备能够获取待检测对象的每个表面的每个角度的图像。可选的,采集设备可以为架设的工业摄像头。其中,为了能够获取待检测对象的每个表面的每个角度的图像,可以通过设置工业摄像头的位置和拍摄角度来实现。另,本实施例中为了获取更为准确的待检测对象的图像,可以设置专业的光源(例如,光源的强度和光源的照射角度等),以提高待检测对象的质量检测结果的准确性。
可选的,本实施例中获取待检测对象的每个表面的图像的采集设备可以分开设置。如,第一个采集设备采集待检测对象的上表面的图像,第二个采集设备采集待检测对象的下表面的图像等。可选的,本实施例中获取待检测对象的每个表面的每个角度的图像的采集设备可以分开设置。如,第一个采集设备采集待检测对象的上表面第一角度的图像,第二个采集设备采集待检测对象的上表面第二角度的图像,第三个采集设备采集待检测对象的下表面第一角度的图像,第四个采集设备采集待检测对象的下表面第二角度的图像等。可选的,本实施例中的采集设备还可以一次性获取待检测对象每个表面的每个角度的图像。本实施例中对采集设备的设置方式不做限制,但实施例中的采集设备能够获取待检测对象的每个表面的每个角度的图像。
采集设备在采集待检测对象的图像后,可以向控制设备发送质量检测请求。其中,该质量检测请求用于请求检测待检测对象的质量,质量检测请求包括:待检测对象至少一个表面的至少一个角度的图像。其中,待检测对象至少一个表面的至少一个角度的图像可以为:待检测对象每个表面的每个角度的图像,也可以是预先设置的待检测对象的待检测表面的待检测角度的图像。
对应的,控制设备可以接收到采集设备发送的质量检测请求。
S202,控制设备根据图像的拍摄信息,以及,各计算节点的计算资源使用信息,确定目标节点,以及,目标节点上的目标计算资源。
可选的,本实施例中的图像的拍摄信息可以为:拍摄图像的拍摄装置的信息。控制设备在接收到采集设备发送的质量检测请求时,可以获取拍摄图像的拍摄装置的信息。图像的拍摄装置的信息可以包括拍摄装置的标识。可选的,控制设备预先存储有所有拍摄装置的标识,以及标识与拍摄装置的设置位置的对应关系。控制设备通过比较图像的拍摄装置的信息中拍摄装置的标识,以及存储的拍摄装置的标识,可以确定拍摄装置的设置位置,进而能够确定拍摄的图像是待检测对象的表面和角度。
示例性的,表一为标识与拍摄装置的设置位置的对应关系。
表一
标识 | 设置位置 |
拍摄装置A | 位置1 |
拍摄装置B | 位置2 |
可选的,本实施例中的图像的拍摄信息可以为:图像的表面信息和角度信息。其中,表面信息和角度信息为图像的拍摄表面和拍摄角度,例如,拍摄的是待检测对象的上表面的第一角度。可选的,该图像的拍摄信息可以携带在质量检测请求中,也可以是由控制设备根据质量检测请求中的图像确定的。示例性的,控制设备中存储有待检测对象的每个表面的每个角度的标准图像。控制设备通过对比存储的标准图像和质量检测请求中的图像,确定图像的表面信息和角度信息。
可选的,本实施例中的图像的拍摄信息还可以为:质量检测请求中的图像的个数。例如,质量检测请求中的图像为待检测对象的上表面的第一角度的图像和下表面的第一角度的图像,据此可以确定质量检测请求中的图像的个数为2个。
本实施例中,计算节点为至少两个,每个计算节点中包括至少一个计算资源。其中,计算节点中的计算资源可以为处理器(Central Processing Unit,CPU)的资源和/或异构芯片的资源。可选的,本实施例中的异构芯片可以为下述任一项:图形处理器芯片(Graphics Processing Unit,GPU)、现场可编程门阵列芯片(Field-Programmable GateArray,FPGA)、专用集成电路芯片(Application Specific Integrated Circuit,ASIC)。
可选的,本实施例中的控制设备可以实时监控各计算节点的计算资源使用信息。其中,计算资源使用信息包括计算节点中包括的处理器和/或异构芯片的内存使用情况,以及计算负载情况等。
控制设备根据图像的拍摄信息,以及,各计算节点的计算资源使用信息,确定目标节点,以及,目标节点上的目标计算资源。其中,目标节点为各计算节点中的任意节点。
可选的,图像的拍摄信息为质量检测请求中包括的图像的个数,则控制设备可以根据图像的个数,确定需要的计算资源个数。示例性的,如质量检测请求中包括的图像的个数为两个,而计算节点上每个计算资源可以检测一个图像,对应的,则确定需要的计算资源个数为两个。
其中,本实施例中的目标节点可以为多个,目标节点上的目标计算资源也可以为多个。也就是说,本实施例中,控制设备可以实现跨计算节点分配检测图像的任务。示例性的,本实施例中确定有可用计算资源的节点为目标节点,目标节点中的可用计算资源为目标计算资源。可选的,本实施例中还可以采用先来先服务(First Come First Served,FCFS)法、轮转法等确定目标节点,以及目标节点中的目标计算资源。应理解,目标计算资源小于或等于目标节点上的可用计算资源。
其中,先来先服务法为:若将具有空闲计算资源的计算节点按照空闲的时间进行排列,可以将较早空闲的计算阶段确定为目标节点,对应的,将其中的空闲计算资源确定为目标计算资源。轮转法为:预先确定计算节点进行质量检测服务的顺序,按照轮转的方法确定目标节点和目标节点中的目标计算资源。
S203,控制设备向目标节点发送质量检测请求和调度指令,调度指令用于指示目标节点使用目标计算资源和质量检测模型,检测待检测对象的质量。
对应的,目标节点接收来自控制设备的质量检测请求和调度指令。
在控制设备确定目标节点,以及目标节点中的计算资源后,可以向目标节点发送质量检测请求和调度指令。其中,质量检测请求中可以包括待检测对象至少一个表面的至少一个角度的图像。
S204,目标节点根据目标计算资源,为待检测对象的每个角度的图像对应的质量检测模型分配计算资源。
对应的,目标节点在接收到质量检测请求和调度指令后,会根据目标计算资源为对图像的检测分配计算资源。
本实施例中,目标节点中可以存储有多个质量检测模型。其中,质量检测模型可以包括下述任一项:图像分类模型、缺陷检测模型、语义分割模型。值得注意的是,每个质量检测模型用于检测待检测对象的对应角度的图像。示例性的,如图像上表面为划痕集中的表面,可以采用缺陷检测模型对图像的上表面的各角度的图像进行检测,以获取缺陷位置、缺陷类型等。本实施例中可以预先设置待检测对象的角度与质量检测模型的对应关系。
对应的,每个质量检测模型在对对应的图像进行检测时,需要的计算资源可能不同。示例性的,如语义分割模型所需的计算资源大于图像分类模型所需的计算资源。目标节点在接收到质量检测请求后,可以确定其中包括的图像的拍摄信息,例如,图像的表面信息和角度信息,进而确定检测图像对应的质量检测模型,进一步的,根据质量检测模型所需的计算资源,根据目标计算资源,为待检测对象的每个角度的图像对应的质量检测模型分配计算资源。
可选的,本实施例中还可以采用命名管道(Named Pipes)的方式为根据目标计算资源,为待检测对象的每个角度的图像对应的质量检测模型分配计算资源。命名管道又名命名管线(Named Pipes),是一种简单的进程间通信(IPC)机制,Microsoft Windows大都提供了对它的支持。命名管道可在同一计算节点的不同进程之间或在跨越一个网络的不同计算节点的不同进程之间,支持可靠的、单向或双向的数据通信。
S205,目标节点在各质量检测模型的计算资源上,运行各质量检测模型,对各质量检测模型对应的角度的图像进行检测,得到待检测对象的每个角度的图像的质量检测结果。
本实施例中,目标节点中可以预先加载各角度的图像检测对应的质量检测模型。在目标节点为待检测对象的每个角度的图像对应的质量检测模型分配计算资源后,可以在对应的计算资源上,运行各质量检测模型。其中,运行各质量检测模型,可以为调用对应的质量检测模型,以实现各质量检测模型对对应的角度的图像的检测,进而得到待检测对象的每个角度的图像的质量检测结果。
应理解,本实施例中的质量检测模型可以为基于深度学习网络训练获取的模型。示例性的,检测待检测对象的上表面的各角度的图像的质量检测模型为缺陷检测模型,检测待检测对象的下表面的各角度的图像的质量检测模型为图像分类模型。在训练过程中,可以采用大量的图像数据作为训练数据,以获取缺陷检测模型和图像分类模型。
例如,待检测对象的上表面的第一角度的图像的质量检测结果为在位置1处具有划痕,待检测对象的上表面的第二角度的图像的质量检测结果为在位置2处具有异物;待检测对象的下表面的第一角度和第二角度的图像的质量检测结果均为正常。
S206,目标节点根据待检测对象的每个角度的图像的质量检测结果,确定待检测对象的质量检测结果。
可选的,本实施例中的待检测对象的质量检测结果包括待检测对象的每个角度的图像的质量检测结果。
可选的,本实施例中的待检测对象的质量检测结果包括质量合格和质量不合格,还可以预先设置质量合格的条件。示例性的,如质量合格的条件为待检测对象的每个表面的每个角度的图像中均不包括有划痕。对应的,在获取待检测对象的每个角度的图像的质量检测结果后,通过判断待检测对象的每个角度的图像的质量检测结果是否满足质量合格的条件。若满足,则确定待检测对象的质量检测结果为质量合格,若不满足,则确定待检测对象的质量检测结果为质量不合格。
S207,目标节点向控制设备发送待检测对象的质量检测结果。
对应的,控制设备接收目标节点发送的待检测对象的质量检测结果。
其中,目标节点在获取待检测对象的质量检测结果,可以将待检测对象的质量检测结果发送给控制设备,以使控制设备可以根据待检测对象的质量检测结果进行对应的操作。
本实施例提供的质量检测方法包括:接收采集设备发送的质量检测请求,质量检测请求用于请求检测待检测对象的质量,质量检测请求包括:待检测对象至少一个表面的至少一个角度的图像;根据图像的拍摄信息,以及,各计算节点的计算资源使用信息,确定目标节点,以及,目标节点上的目标计算资源;向目标节点发送质量检测请求和调度指令,调度指令用于指示目标节点使用目标计算资源,以及目标计算资源中的质量检测模型,检测待检测对象的质量;接收目标节点发送的待检测对象的质量检测结果。本申请提供的质量检测方法,一方面目标节点使用目标计算资源,以及目标计算资源中的质量检测模型,检测待检测对象的质量,可以提高检测准确度和检测效率;另一方面,还可以通过计算节点的计算资源使用信息,确定检测待检测对象的质量的目标节点和目标计算资源,进一步充分利用计算资源,提高检测效率。
下面结合图3从控制设备、目标节点和分料设备交互的角度对本申请提供的质量检测方法进行进一步说明。图3为本申请提供的质量检测方法的交互流程示意图二,如图3所示,本实施例提供的质量检测方法可以包括:
S301,控制设备接收采集设备发送的质量检测请求。
S302,控制设备向各计算节点发送质量检测服务启动指令,质量检测服务启动指令用于指示计算节点启动质量检测服务。
对应的,各计算节点接收来自控制设备的质量检测服务启动指令。图3中为了体现目标节点和控制设备的交互,以目标节点为例进行说明。
S303,目标节点根据质量检测服务启动指令,加载检测各角度的图像的质量检测模型。
其中,S303可以替换为:各计算节点根据质量检测服务启动指令,加载检测各角度的图像的质量检测模型。本实施例中为了从控制设备和目标节点交互的角度说明本实施例提供的质量检测方法,且由于目标节点为各计算节点中的节点,因此以目标节点的角度进行说明。
在计算节点(包括目标节点)接收到质量检测服务启动指令后,可以在计算节点的主进程开启多个子进程,以加载检测各角度的图像的质量检测模型。
值得注意的是,本实施例中,计算节点在加载检测各角度的图像的质量检测模型后,还可以对加载的质量检测模型进行预热处理,即微调处理。
其中,预热处理为基于预先确定的角度与对应的质量检测模型的对应关系,采用对应角度的图像训练数据集,对对应角度的质量检测模型进行处理。
示例性的,检测待检测对象的上表面的各角度的图像的质量检测模型为缺陷检测模型,检测待检测对象的下表面的各角度的图像的质量检测模型为图像分类模型。对应的,可以采用待检测对象的上表面的各角度的图像作为训练数据,对计算节点加载的缺陷检测模型进行微调处理,以使缺陷检测模型达到最佳计算状态。可以采用待检测对象的下表面的各角度的图像作为训练数据,对计算节点加载的图像分类模型进行微调处理,以使缺陷检测模型达到最佳计算状态,进而提高质量检测模型对图像的检测结果的准确性。
S304,控制设备根据图像的拍摄信息,以及,各计算节点的计算资源使用信息,确定目标节点,以及,目标节点上的目标计算资源。
应理解,S303和S304可以为并列执行的步骤,二者可以没有先后顺序的区别。
S305,控制设备向目标节点发送质量检测请求和调度指令。
可选的,控制设备向所述目标节点发送所述质量检测请求和调度指令之后,还可以根据所述目标计算资源,更新所述目标节点的计算资源使用信息。
示例性的,如计算节点包括计算节点1,在控制设备未确定目标节点时计算节点1的计算资源使用信息为:计算节点1中的计算资源A占用,计算资源B空闲。在确定计算节点1位目标节点,且其中的计算资源B为目标计算资源后,可以将计算节点1的计算资源使用信息更新为:计算节点1中的计算资源A占用,计算资源B占用。
S306,目标节点根据目标计算资源,为待检测对象的每个角度的图像对应的质量检测模型分配计算资源。
S307,目标节点在各质量检测模型的计算资源上,运行各质量检测模型,对各质量检测模型对应的角度的图像进行检测,得到待检测对象的每个角度的图像的质量检测结果。
S308,目标节点根据待检测对象的每个角度的图像的质量检测结果,确定待检测对象的质量检测结果。
S309,目标节点向控制设备发送待检测对象的质量检测结果。
S310,控制设备根据待检测对象的质量检测结果,确定待检测对象的分送目的地。
可选的,本实施例中的待检测对象的质量检测结果包括质量合格和质量不合格。对于质量合格的待检测对象,控制设备可以确定将待检测对象的分送目的地至下一生产阶段,对于质量合格的待检测对象,控制设备可以确定待检测对象的分送目的地为废弃区域。
可选的,本实施例中的待检测对象的质量检测结果中质量不合格还可以包括:不合格待修复、不合格废弃等结果。对于质量不合格待修复的待检测对象,控制设备可以确定待检测对象的分送目的地为修复阶段,对于不合格废弃的待检测对象,控制设备可以确定待检测对象的分送目的地为废弃区域。
应理解,本实施例中的分送目的地还可以包括其他生产阶段的其他目的地。可以根据应用场景的不同,预先设置待检测对象的质量检测结果和目的地的对应关系,以使控制设备根据待检测对象的质量检测结果,确定待检测对象的分送目的地。
S311,控制设备向分料设备发送分料请求,分料请求用于请求将待检测对象分送至分送目的地。
对应的,分料设备接收到来自控制设备的分料请求。
控制设备在确定待检测对象的分送目的地后,可以向分料设备发送分料请求,可选的,分料请求中可以包括待检测对象的标识和分送目的地。其中,待检测对象的标识可以为待检测对象的批次号,以及在批次中所处的位置信息等。
S312,分料设备将待检测对象分送至分送目的地。
分料设备在接收到分料请求后,可以根据该分料请求将待检测对象分送至分送目的地。可选的,分料设备可以根据分料请求中包括的待检测对象的标识和分送目的地,将待检测对象分送至分送目的地。
本实施例中的质量检测请求还包括:待检测对象的生产信息。其中,待检测对象的生产信息可以包括待检测对象的生产批次号、生产时间、质量检测时间等信息。其中,若待检测对象的质量检测结果表征待检测对象的质量合格,则控制设备存储待检测对象的生产信息。
若待检测对象的质量检测结果表征待检测对象的质量不合格,则控制设备推送报警信息,报警信息用于指示待检测对象的质量不合格。
可选的,控制设备推送报警信息的方式可以为显示报警文字“待检测对象A不合格,上表面有划痕”;或者,控制设备推送报警信息的方式还可以为发出蜂鸣声或开启报警灯,以指示待检测对象的质量不合格。
应理解,S310和S312可以为并列执行的步骤,二者可以没有先后顺序的区别。
本实施例中,控制设备可以根据待检测对象的质量检测结果执行对应的操作,以使待检测对象正常进入下一生产阶段或进行修复等,提高了自动化效率;且本实施例中计算节点在对待检测对象的图像进行检测前,还对质量检测模型进行预热处理,使得计算节点中的质量检测模型达到最佳的计算状态,以提高质量检测模型对图像的检测结果的准确性。
图4为本申请提供的一质量检测装置的结构示意图。如图4所示,该质量检测装置400包括:收发模块401和处理模块402。
收发模块401,用于接收采集设备发送的质量检测请求,质量检测请求用于请求检测待检测对象的质量,质量检测请求包括:待检测对象至少一个表面的至少一个角度的图像;
处理模块402,用于根据图像的拍摄信息,以及,各计算节点的计算资源使用信息,确定目标节点,以及,目标节点上的目标计算资源;
收发模块401,还用于向目标节点发送质量检测请求和调度指令,调度指令用于指示目标节点使用目标计算资源和质量检测模型,检测待检测对象的质量;接收目标节点发送的待检测对象的质量检测结果。
可选的,处理模块402还用于根据待检测对象的质量检测结果,确定待检测对象的分送目的地。
收发模块401,还用于向分料设备发送分料请求,分料请求用于请求将待检测对象分送至分送目的地。
可选的,质量检测请求还包括:待检测对象的生产信息。
处理模块402,还用于若待检测对象的质量检测结果表征待检测对象的质量合格,则存储待检测对象的生产信息;或者,若待检测对象的质量检测结果表征待检测对象的质量不合格,则推送报警信息,报警信息用于指示待检测对象的质量不合格。
可选的,收发模块401,还用于向各计算节点发送质量检测服务启动指令,质量检测服务启动指令用于指示计算节点启动质量检测服务。
可选的,处理模块402,还用于根据目标计算资源,更新目标节点的计算资源使用信息。
可选的,计算资源包括处理器的资源和/或异构芯片的资源。
可选的,异构芯片为下述任一项:图形处理器芯片、现场可编程门阵列芯片、专用集成电路芯片。
本实施例提供的质量检测装置与上述质量检测方法实现的原理和技术效果类似,在此不作赘述。
图5为本申请提供的另一质量检测装置的结构示意图。如图5所示,该质量检测装置500包括:收发模块501和处理模块502。
收发模块501,用于接收来自控制设备的质量检测请求和调度指令,质量检测请求用于请求检测待检测对象的质量,质量检测请求包括:待检测对象至少一个表面的至少一个角度的图像,调度指令用于指示使用目标计算资源和质量检测模型,检测待检测对象的质量;
处理模块502,用于根据目标计算资源,为待检测对象的每个角度的图像对应的质量检测模型分配计算资源;在各质量检测模型的计算资源上,运行各质量检测模型,对各质量检测模型对应的角度的图像进行检测,得到待检测对象的每个角度的图像的质量检测结果;根据待检测对象的每个角度的图像的质量检测结果,确定待检测对象的质量检测结果;
收发模块501,还用于向控制设备发送待检测对象的质量检测结果。
可选的,收发模块501,还用于接收来自控制设备的质量检测服务启动指令,质量检测服务启动指令用于指示启动质量检测服务。
处理模块502,还用于根据质量检测服务启动指令,加载检测各角度的图像的质量检测模型。
可选的,质量检测模型包括下述任一项:图像分类模型、缺陷检测模型、语义分割模型。
可选的,计算资源包括处理器的资源和/或异构芯片的资源。
可选的,异构芯片为下述任一项:图形处理器芯片、现场可编程门阵列芯片、专用集成电路芯片。
本实施例提供的质量检测装置与上述质量检测方法实现的原理和技术效果类似,在此不作赘述。
图6为本申请提供的电子设备的结构示意图。该电子设备例如可以是上述图4或图5中所示的质量检测装置。如图6所示,该电子设备400包括:存储器601和至少一个处理器602。
存储器601,用于存储程序指令。
处理器602,用于在程序指令被执行时实现本实施例中的质量检测方法,具体实现原理可参见上述实施例,本实施例此处不再赘述。
该电子设备600还可以包括及输入/输出接口603。
输入/输出接口603可以包括独立的输出接口和输入接口,也可以为集成输入和输出的集成接口。其中,输出接口用于输出数据,输入接口用于获取输入的数据。
本申请还提供一种可读存储介质,可读存储介质中存储有执行指令,当电子设备的至少一个处理器执行该执行指令时,当计算机执行指令被处理器执行时,实现上述实施例中的质量检测方法。
本申请还提供一种程序产品,该程序产品包括执行指令,该执行指令存储在可读存储介质中。电子设备的至少一个处理器可以从可读存储介质读取该执行指令,至少一个处理器执行该执行指令使得电子设备实施上述的各种实施方式提供的质量检测方法。
本申请还提供一种质量检测系统,其中,该质量检测系统包括上述实施例中的采集设备、分料设备,以及图4和图5中执行上述实施例中的质量检测方法的质量检测装置。
本实施例提供的质量检测系统与上述质量检测方法实现的原理和技术效果类似,在此不作赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元,可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或处理器(英文:processor)执行本申请各个实施例所述方法的部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(英文:Read-Only Memory,简称:ROM)、随机存取存储器(英文:Random Access Memory,简称:RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
在上述装置或电子设备的实施例中,应理解,处理模块可以是中央处理单元(英文:Central Processing Unit,简称:CPU),还可以是其他通用处理器、数字信号处理器(英文:Digital Signal Processor,简称:DSP)、专用集成电路(英文:Application SpecificIntegrated Circuit,简称:ASIC)等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请所公开的方法的步骤可以直接体现为硬件处理器执行完成,或者用处理器中的硬件及软件模块组合执行完成。
最后应说明的是:以上各实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述各实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的范围。
Claims (18)
1.一种质量检测方法,其特征在于,包括:
接收采集设备发送的质量检测请求,所述质量检测请求用于请求检测待检测对象的质量,所述质量检测请求包括:所述待检测对象至少一个表面的至少一个角度的图像;
根据所述图像的拍摄信息,以及,各计算节点的计算资源使用信息,确定目标节点,以及,所述目标节点上的目标计算资源;
向所述目标节点发送所述质量检测请求和调度指令,所述调度指令用于指示所述目标节点使用所述目标计算资源和质量检测模型,检测所述待检测对象的质量;其中,所述目标节点中存储有多个所述质量检测模型;每个质量检测模型用于检测待检测对象的对应角度的图像;所述目标节点中预先加载各角度的图像检测对应的质量检测模型;所述目标节点在接收到所述质量检测请求后,确定其中包括的图像的拍摄信息,所述图像的拍摄信息包括图像的拍摄表面和拍摄角度,进而确定检测图像对应的质量检测模型,根据质量检测模型所需的计算资源,根据目标计算资源,为待检测对象的每个角度的图像对应的质量检测模型分配计算资源;
接收所述目标节点发送的所述待检测对象的质量检测结果。
2.根据权利要求1所述的方法,其特征在于,所述接收所述目标节点发送的所述待检测对象的质量检测结果之后,所述方法还包括:
根据所述待检测对象的质量检测结果,确定所述待检测对象的分送目的地;
向分料设备发送分料请求,所述分料请求用于请求将所述待检测对象分送至所述分送目的地。
3.根据权利要求1所述的方法,其特征在于,所述质量检测请求还包括:所述待检测对象的生产信息,所述接收所述目标节点发送的所述待检测对象的质量检测结果之后,所述方法还包括:
若所述待检测对象的质量检测结果表征所述待检测对象的质量合格,则存储所述待检测对象的生产信息;或者,
若所述待检测对象的质量检测结果表征所述待检测对象的质量不合格,则推送报警信息,所述报警信息用于指示所述待检测对象的质量不合格。
4.根据权利要求1所述的方法,其特征在于,所述接收采集设备发送的质量检测请求之前,所述方法还包括:
向各所述计算节点发送质量检测服务启动指令,所述质量检测服务启动指令用于指示所述计算节点启动质量检测服务。
5.根据权利要求1所述的方法,其特征在于,所述向所述目标节点发送所述质量检测请求和调度指令之后,所述方法还包括:
根据所述目标计算资源,更新所述目标节点的计算资源使用信息。
6.根据权利要求1-5任一项所述的方法,其特征在于,所述计算资源包括处理器的资源和/或异构芯片的资源。
7.根据权利要求6所述的方法,其特征在于,所述异构芯片为下述任一项:
图形处理器芯片、现场可编程门阵列芯片、专用集成电路芯片。
8.一种质量检测方法,其特征在于,包括:
接收来自控制设备的质量检测请求和调度指令,所述质量检测请求用于请求检测待检测对象的质量,所述质量检测请求包括:所述待检测对象至少一个表面的至少一个角度的图像,所述调度指令用于指示使用目标计算资源和质量检测模型,检测所述待检测对象的质量;
基于图像的拍摄信息确定检测图像对应的质量检测模型,根据质量检测模型所需的计算资源,根据所述目标计算资源,为所述待检测对象的每个角度的图像对应的质量检测模型分配计算资源;每个质量检测模型用于检测待检测对象的对应角度的图像;预先加载各角度的图像检测对应的质量检测模型;图像的拍摄信息包括图像的拍摄表面和拍摄角度;
在各所述质量检测模型的计算资源上,运行各所述质量检测模型,对各所述质量检测模型对应的角度的图像进行检测,得到所述待检测对象的每个角度的图像的质量检测结果;
根据所述待检测对象的每个角度的图像的质量检测结果,确定所述待检测对象的质量检测结果;
向所述控制设备发送所述待检测对象的质量检测结果。
9.根据权利要求8所述的方法,其特征在于,所述接收来自控制设备的质量检测请求和调度指令之前,所述方法还包括:
接收来自控制设备的质量检测服务启动指令,所述质量检测服务启动指令用于指示启动质量检测服务;
根据所述质量检测服务启动指令,加载检测各角度的图像的质量检测模型。
10.根据权利要求8或9所述的方法,其特征在于,所述质量检测模型包括下述任一项:
图像分类模型、缺陷检测模型、语义分割模型。
11.根据权利要求8或9所述的方法,其特征在于,所述计算资源包括处理器的资源和/或异构芯片的资源。
12.根据权利要求11所述的方法,其特征在于,所述异构芯片为下述任一项:
图形处理器芯片、现场可编程门阵列芯片、专用集成电路芯片。
13.一种质量检测装置,其特征在于,包括:
收发模块,用于接收采集设备发送的质量检测请求,所述质量检测请求用于请求检测待检测对象的质量,所述质量检测请求包括:所述待检测对象至少一个表面的至少一个角度的图像;
处理模块,用于根据所述图像的拍摄信息,以及,各计算节点的计算资源使用信息,确定目标节点,以及,所述目标节点上的目标计算资源;
所述收发模块,还用于向所述目标节点发送所述质量检测请求和调度指令,所述调度指令用于指示所述目标节点使用所述目标计算资源和质量检测模型,检测所述待检测对象的质量;接收所述目标节点发送的所述待检测对象的质量检测结果;其中,所述目标节点中存储有多个所述质量检测模型;每个质量检测模型用于检测待检测对象的对应角度的图像;所述目标节点中预先加载各角度的图像检测对应的质量检测模型;所述目标节点在接收到所述质量检测请求后,确定其中包括的图像的拍摄信息,所述图像的拍摄信息包括图像的拍摄表面和拍摄角度,进而确定检测图像对应的质量检测模型,根据质量检测模型所需的计算资源,根据目标计算资源,为待检测对象的每个角度的图像对应的质量检测模型分配计算资源。
14.一种质量检测装置,其特征在于,包括:
收发模块,用于接收来自控制设备的质量检测请求和调度指令,所述质量检测请求用于请求检测待检测对象的质量,所述质量检测请求包括:所述待检测对象至少一个表面的至少一个角度的图像,所述调度指令用于指示使用目标计算资源和质量检测模型,检测所述待检测对象的质量;
处理模块,用于基于图像的拍摄信息确定检测图像对应的质量检测模型,根据质量检测模型所需的计算资源,根据所述目标计算资源,为所述待检测对象的每个角度的图像对应的质量检测模型分配计算资源;每个质量检测模型用于检测待检测对象的对应角度的图像;预先加载各角度的图像检测对应的质量检测模型;图像的拍摄信息包括图像的拍摄表面和拍摄角度;
在各所述质量检测模型的计算资源上,运行各所述质量检测模型,对各所述质量检测模型对应的角度的图像进行检测,得到所述待检测对象的每个角度的图像的质量检测结果;根据所述待检测对象的每个角度的图像的质量检测结果,确定所述待检测对象的质量检测结果;
所述收发模块,还用于向所述控制设备发送所述待检测对象的质量检测结果。
15.一种电子设备,其特征在于,包括:至少一个处理器和存储器;
所述存储器存储计算机执行指令;
所述至少一个处理器执行所述存储器存储的计算机执行指令,使得所述电子设备执行权利要求1-7任一项所述的方法。
16.一种电子设备,其特征在于,包括:至少一个处理器和存储器;
所述存储器存储计算机执行指令;
所述至少一个处理器执行所述存储器存储的计算机执行指令,使得所述电子设备执行权利要求8-12任一项所述的方法。
17.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机执行指令,当所述计算机执行指令被处理器执行时,实现权利要求1-7任一项所述的方法。
18.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机执行指令,当所述计算机执行指令被处理器执行时,实现权利要求8-12任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910533045.8A CN110261392B (zh) | 2019-06-19 | 2019-06-19 | 质量检测方法、装置、电子设备和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910533045.8A CN110261392B (zh) | 2019-06-19 | 2019-06-19 | 质量检测方法、装置、电子设备和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110261392A CN110261392A (zh) | 2019-09-20 |
CN110261392B true CN110261392B (zh) | 2022-07-08 |
Family
ID=67919447
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910533045.8A Active CN110261392B (zh) | 2019-06-19 | 2019-06-19 | 质量检测方法、装置、电子设备和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110261392B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111522771B (zh) * | 2020-04-20 | 2023-08-15 | 北京百度网讯科技有限公司 | 眼底图像处理方法、终端设备及存储介质 |
CN113109339B (zh) * | 2021-04-08 | 2022-05-27 | 仲恺农业工程学院 | 一种缺陷视觉检测设备的控制方法 |
CN114782445B (zh) * | 2022-06-22 | 2022-10-11 | 深圳思谋信息科技有限公司 | 对象缺陷检测方法、装置、计算机设备和存储介质 |
CN116502870B (zh) * | 2023-06-25 | 2023-09-22 | 北京电科智芯科技有限公司 | 调度策略确定方法、装置、管理终端和存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6223205B1 (en) * | 1997-10-20 | 2001-04-24 | Mor Harchol-Balter | Method and apparatus for assigning tasks in a distributed server system |
CN104836819A (zh) * | 2014-02-10 | 2015-08-12 | 阿里巴巴集团控股有限公司 | 动态负载均衡的方法、系统及监控调度设备 |
CN107506702A (zh) * | 2017-08-08 | 2017-12-22 | 江西高创保安服务技术有限公司 | 基于多角度的人脸识别模型训练及测试系统及方法 |
CN109084955A (zh) * | 2018-07-02 | 2018-12-25 | 北京百度网讯科技有限公司 | 显示屏质量检测方法、装置、电子设备及存储介质 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104572308A (zh) * | 2015-02-10 | 2015-04-29 | 飞狐信息技术(天津)有限公司 | 计算资源分配方法、分布式计算方法及装置 |
CN105577760A (zh) * | 2015-12-16 | 2016-05-11 | 南京邮电大学 | 云计算分级管理方法及系统 |
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 |
CN109544548A (zh) * | 2018-11-30 | 2019-03-29 | 北京百度网讯科技有限公司 | 餐盒的缺陷检测方法、装置、服务器、设备和存储介质 |
CN110148130B (zh) * | 2019-05-27 | 2022-02-11 | 北京百度网讯科技有限公司 | 用于检测零件缺陷的方法和装置 |
CN110517259A (zh) * | 2019-08-30 | 2019-11-29 | 北京百度网讯科技有限公司 | 一种产品表面状态的检测方法、装置、设备及介质 |
-
2019
- 2019-06-19 CN CN201910533045.8A patent/CN110261392B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6223205B1 (en) * | 1997-10-20 | 2001-04-24 | Mor Harchol-Balter | Method and apparatus for assigning tasks in a distributed server system |
CN104836819A (zh) * | 2014-02-10 | 2015-08-12 | 阿里巴巴集团控股有限公司 | 动态负载均衡的方法、系统及监控调度设备 |
CN107506702A (zh) * | 2017-08-08 | 2017-12-22 | 江西高创保安服务技术有限公司 | 基于多角度的人脸识别模型训练及测试系统及方法 |
CN109084955A (zh) * | 2018-07-02 | 2018-12-25 | 北京百度网讯科技有限公司 | 显示屏质量检测方法、装置、电子设备及存储介质 |
Non-Patent Citations (2)
Title |
---|
基于云计算的食品有毒有害物质检验检测大数据的风险分析算法及其应用;王雅洁 等;《安徽农业科学》;20171231;第45卷(第21期);第216-220页 * |
基于网格计算的混合负载均衡策略;于传涛 等;《计算机工程与设计》;20070831;第28卷(第16期);第3925-3927页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110261392A (zh) | 2019-09-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110261392B (zh) | 质量检测方法、装置、电子设备和系统 | |
US20210248734A1 (en) | Method and apparatus for detecting pixel defect of optical module, and device | |
CN109564166A (zh) | 用于自动和人工的组合检查的系统和方法 | |
US10860901B2 (en) | Detection system, information processing apparatus, evaluation method, and program | |
CN111915549A (zh) | 瑕疵检测方法、电子装置及计算机可读存储介质 | |
JPWO2019131742A1 (ja) | 検査処理装置、検査処理方法、およびプログラム | |
CN111242943A (zh) | 图像处理方法、装置、图像处理设备及存储介质 | |
CN102144155B (zh) | 支援发现检查对象物的缺陷的系统及方法 | |
US20190355112A1 (en) | System and method of distributed processing for machine-vision analysis | |
CN105468507B (zh) | 分支达标检测方法及装置 | |
CN111126851A (zh) | 质控方法、系统、服务器及存储介质 | |
CN110751055B (zh) | 一种智能制造系统 | |
CN103389312A (zh) | 铜管检测系统 | |
KR100829891B1 (ko) | 액정패널의 검사방법 및 화상처리장치 | |
CN117010197A (zh) | 基于数字孪生的设备检测方法及装置 | |
CN111069062A (zh) | 一种多通道视觉检测控制方法、系统软件架构及构建方法 | |
CN114266737A (zh) | 缺陷检测方法、装置、设备和存储介质 | |
CN109115780A (zh) | 用于监控多个自动光学检测设备的方法及其装置 | |
CN113766312A (zh) | 设备间的响应延迟计算方法、装置、设备及存储介质 | |
CN213659503U (zh) | 图像数据处理系统、存储策略设备 | |
CN114066799A (zh) | 检测系统和检测方法 | |
CN208026642U (zh) | 一种发动机垫片缺陷检测装置 | |
JP7056492B2 (ja) | サーバ装置及び表示制御プログラム | |
KR20220152785A (ko) | 이종 임베디드 플랫폼에서 비전 가속 처리와 머신러닝을 활용한 pcb 외관검사 장치 및 방법 | |
US20220318984A1 (en) | Use of an hdr image in a visual inspection process |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |