CN111157540A - 一种锅具缺陷的检测方法 - Google Patents
一种锅具缺陷的检测方法 Download PDFInfo
- Publication number
- CN111157540A CN111157540A CN201911408247.6A CN201911408247A CN111157540A CN 111157540 A CN111157540 A CN 111157540A CN 201911408247 A CN201911408247 A CN 201911408247A CN 111157540 A CN111157540 A CN 111157540A
- Authority
- CN
- China
- Prior art keywords
- defect
- cookware
- defects
- feature
- detection
- 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
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
- G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
Landscapes
- 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
本发明公开了一种锅具缺陷的检测方法，属于锅具检测技术领域，目的在于克服现有锅具缺陷检测方法检测能力较差的缺陷。检测方法，包括以下步骤：获取锅具的多份起始缺陷样本，根据所有起始缺陷样本获取起始缺陷特征，将起始缺陷特征作为特征模型储存；拍摄检测锅具，根据特征模型捕捉检测锅具的缺陷；若捕捉到缺陷，则将检测锅具归为缺陷锅具或合格锅具；若未捕捉到缺陷，则将检测锅具归为合格锅具。本发明所提供的一种锅具缺陷的检测方法,能够根据锅具上的缺陷特征得到特征模型，特征模型是基于锅具上的缺陷特征形成的，而不是人为概括而成，能够校准地识别锅具上的缺陷，具有较好的缺陷识别能力。
Description
技术领域
本发明属于锅具检测技术领域，涉及一种锅具缺陷的检测方法。
背景技术
传统的锅具缺陷的检测方法人为预设缺陷特征，这种缺陷特征通常是具有明显的规律性的刚性缺陷，对于例如划痕、凹坑、拉丝、脏污和油污等非刚性缺陷则难以检测，因为非刚性缺陷具有多变性，难以人为归纳出较为准确的预设缺陷特征，现有的锅具缺陷的检测方法检测能力较差。
发明内容
本发明针对现有技术存在的问题提出一种锅具缺陷的检测方法，目的在于克服现有锅具缺陷检测方法检测能力较差的缺陷。
本发明是这样实现的：
一种锅具缺陷的检测方法，其特征在于，包括以下步骤：
获取锅具的多份起始缺陷样本，根据所有起始缺陷样本获取起始缺陷特征，将起始缺陷特征作为特征模型储存；
拍摄检测锅具，根据特征模型捕捉检测锅具的缺陷；
若捕捉到缺陷，则将检测锅具归为缺陷锅具或合格锅具；
若未捕捉到缺陷，则将检测锅具归为合格锅具。
所述缺陷包括划痕、凹坑、拉丝、脏污和油污中的一种或多种真实缺陷，当捕捉到真实缺陷时，则将检测锅具归为对应的缺陷锅具。
所述缺陷包括伪缺陷，当捕捉到伪缺陷时，则将检测锅具归为合格锅具。
获取误检锅具的误检缺陷样本，根据误检缺陷样本和起始缺陷特征获取优化缺陷特征，将优化缺陷特征作为特征模型。
将起始缺陷样本分为训练集、验证集和测试集，将所述训练集分成多组；根据第一组训练集获取第一缺陷特征，根据验证集获取验证缺陷特征，根据第一缺陷特征和验证缺陷特征获取训练中的起始缺陷特征，再根据第二组训练集获取第二缺陷特征，根据第二缺陷特征调整训练中的起始缺陷特征，以此类推，将多组训练集训练完毕后形成起始缺陷特征，将起始缺陷特征作为特征模型。
调整缺陷特征的大小，获取同一缺陷特征不同大小的多个状态。
本发明所提供的一种锅具缺陷的检测方法,能够根据锅具上的缺陷特征得到特征模型，特征模型是基于锅具上的缺陷特征形成的，而不是人为概括而成，能够校准地识别锅具上的缺陷，具有较好的缺陷识别能力。
附图说明
图1为实施例中检测方法流程图。
具体实施方式
以下便结合实施例附图，对本发明的具体实施方式作进一步的详述，以使本发明技术方案更易于理解、掌握。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
本实施例提供了一种锅具缺陷的检测方法，包括以下步骤：
步骤1，获取锅具的多份起始缺陷样本，根据所有起始缺陷样本获取起始缺陷特征，将起始缺陷特征作为特征模型储存。
人为挑选出具有缺陷的锅具作为起始缺陷样本，一个锅具为一份起始缺陷样本。将起始缺陷样本至于检测位，通过数码摄像头对其进行拍摄，数码摄像头将照片数据传递到计算机，工作人员根据计算机上显示的照片，将相应的缺陷标注为缺陷特征，这样多份起始缺陷样本就可以得到的起始缺陷特征，然后将起始缺陷特征作为特征模型储存。
锅具的缺陷包括真实缺陷和伪缺陷，真实缺陷包括划痕、凹坑、拉丝、脏污和油污中的一种或多种。本实施例中，真实缺陷包括划痕、凹坑、拉丝、脏污和油污五中，伪缺陷包括纹理。即起始缺陷样本中的缺陷包括六种类型，根据各种类型缺陷在产品中的比例，等比例选取作为起始缺陷样本的类型，例如划痕、凹坑、拉丝、脏污、油污和纹理缺陷的比例为1:1:2:4:3:2，则在选择起始缺陷样本的类型时，包含划痕、凹坑、拉丝、脏污、油污和纹理的起始缺陷样本的比例也为1:1:2:4:3:2，这样能够更好地适应缺陷的类型，更为准确地对锅具缺陷进行检测。在特征模型中也包括了对应六种缺陷类型的六组模型，这样就能够适应不同类型缺陷的检测，避免单一模型过于复杂而容易出现误检情况。
进一步的，将起始缺陷样本分为训练集、验证集和测试集，训练集主要用于获取起始缺陷特征，验证集主要使训练集能够按照一定方向进行训练以获得更为精致的特征模型。将所述训练集分成多组，根据第一组训练集获取第一缺陷特征，根据验证集获取验证缺陷特征，根据第一缺陷特征和验证缺陷特征获取训练中的起始缺陷特征，再根据第二组训练集获取第二缺陷特征，根据第二缺陷特征调整训练中的起始缺陷特征，以此类推，将多组训练集训练完毕后形成起始缺陷特征。
测试集主要对训练完毕的起始缺陷特征进行检测，检测完成如果未发现误检情况，则表示上述训练完毕的起始缺陷特征已经能够较好地描述和概括锅具的缺陷，可以将其作为特征模型上线检测；如果发现误检样本，则进一步获取误检样本的缺陷特征，基于误检样本的缺陷特征调整起始缺陷特征形成最终的起始缺陷特征，将最终的起始缺陷特征作为特征模型用于上线检测。这样计算机能够通过自我学习的方式获得较为准确，较为接近锅具缺陷的真实情况的特征模型，这样能够更加准确的检测锅具的缺陷。
在获取起始缺陷特征的过程中，对同一样品的照片可以调整缺陷特征的大小，这样在特征模型中就可以包含不同大小的缺陷特征，以更好地适应锅具上的缺陷的大小变化。
步骤2，拍摄检测锅具，根据特征模型捕捉检测锅具的缺陷，并对检测锅具进行分类。
将待检测的锅具作为检测锅具至于检测位，通过数码摄像头对检测锅具进行拍摄，数码摄像头将获取的检测锅具的照片数据传输给计算机，计算机根据其储存的特征模型对照片中的缺陷进行捕捉。
若捕捉到缺陷，则将检测锅具归为缺陷锅具或合格锅具。当捕捉到真实缺陷时，则将检测锅具归为对应的缺陷锅具。具体来说，例如，当捕捉到划痕缺陷时，计算机将该检测锅具归为具有划痕缺陷的锅具，并控制机械手将该检测锅具推入或抓到专门用于传输具有划痕缺陷的锅具传输带或专门存放具有划痕缺陷的锅具的工位上，以便后续处理。再例如，当捕捉到具有正常纹理的锅具时，则将检测锅具归为合格锅具，由于纹理很容易被误认为划痕或拉丝，故将其特征作为特征模型的一个组成部分，能够减少对具有正常纹理的锅具的误检。
若未捕捉到缺陷，则将检测锅具归为合格锅具。
步骤3，获取误检锅具的误检缺陷样本，根据误检缺陷样本和起始缺陷特征获取优化缺陷特征，将优化缺陷特征作为特征模型，然后返回步骤2。
在实施本方法的系统上线之初，主要通过抽样检查来获取误检样本，待系统较为成熟或者误检率较低时，后续可以根据用户的反馈的方式来获取误检样本，然后通过对误检样本的进一步训练来获得优化缺陷特征作为更为优化的特征模型以降低误检率。对于误检样本也是通过数码摄像头拍摄后将数据传输给计算机，人为捕捉照片上的缺陷特征，计算机根据该缺陷特征调整起始缺陷特征，即调整原来的特征模型，形成优化缺陷特征，优化缺陷特征比起始缺陷特征更加接近锅具真实的缺陷情况，以优化缺陷特征作为新的特征模型能够更好的检测锅具，这样就使得系统能够在不断学习中不断优化特征模型，使得系统的检测能力不断提高。
Claims (6)
1.一种锅具缺陷的检测方法，其特征在于，包括以下步骤：
获取锅具的多份起始缺陷样本，根据所有起始缺陷样本获取起始缺陷特征，将起始缺陷特征作为特征模型储存；
拍摄检测锅具，根据特征模型捕捉检测锅具的缺陷；
若捕捉到缺陷，则将检测锅具归为缺陷锅具或合格锅具；
若未捕捉到缺陷，则将检测锅具归为合格锅具。
2.根据权利要求1所述的一种锅具缺陷的检测方法，其特征在于，所述缺陷包括划痕、凹坑、拉丝、脏污和油污中的一种或多种真实缺陷，当捕捉到真实缺陷时，则将检测锅具归为对应的缺陷锅具。
3.根据权利要求1所述的一种锅具缺陷的检测方法，其特征在于，所述缺陷包括伪缺陷，当捕捉到伪缺陷时，则将检测锅具归为合格锅具。
4.根据权利要求1所述的一种锅具缺陷的检测方法，其特征在于，获取误检锅具的误检缺陷样本，根据误检缺陷样本和起始缺陷特征获取优化缺陷特征，将优化缺陷特征作为特征模型。
5.根据权利要求1-4任意一项所述的一种锅具缺陷的检测方法，其特征在于，将起始缺陷样本分为训练集、验证集和测试集，将所述训练集分成多组；根据第一组训练集获取第一缺陷特征，根据验证集获取验证缺陷特征，根据第一缺陷特征和验证缺陷特征获取训练中的起始缺陷特征，再根据第二组训练集获取第二缺陷特征，根据第二缺陷特征调整训练中的起始缺陷特征，以此类推，将多组训练集训练完毕后形成起始缺陷特征，将起始缺陷特征作为特征模型。
6.根据权利要求1-4任意一项所述的一种锅具缺陷的检测方法，其特征在于，调整缺陷特征的大小，获取同一缺陷特征不同大小的多个状态。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911408247.6A CN111157540A (zh) | 2019-12-31 | 2019-12-31 | 一种锅具缺陷的检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911408247.6A CN111157540A (zh) | 2019-12-31 | 2019-12-31 | 一种锅具缺陷的检测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111157540A true CN111157540A (zh) | 2020-05-15 |
Family
ID=70559700
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911408247.6A Pending CN111157540A (zh) | 2019-12-31 | 2019-12-31 | 一种锅具缺陷的检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111157540A (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108655542A (zh) * | 2018-05-23 | 2018-10-16 | 宁波家禾节能科技有限公司 | 一种锅炉筒体智能焊接同步探伤检测装置 |
| CN109711474A (zh) * | 2018-12-24 | 2019-05-03 | 中山大学 | 一种基于深度学习的铝材表面缺陷检测算法 |
| WO2019107028A1 (ja) * | 2017-12-01 | 2019-06-06 | 富士フイルム株式会社 | 画像検査方法、画像検査装置、プログラム、及び画像記録システム |
| CN110276754A (zh) * | 2019-06-21 | 2019-09-24 | 厦门大学 | 一种表面缺陷检测方法、终端设备及存储介质 |
-
2019
- 2019-12-31 CN CN201911408247.6A patent/CN111157540A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2019107028A1 (ja) * | 2017-12-01 | 2019-06-06 | 富士フイルム株式会社 | 画像検査方法、画像検査装置、プログラム、及び画像記録システム |
| CN108655542A (zh) * | 2018-05-23 | 2018-10-16 | 宁波家禾节能科技有限公司 | 一种锅炉筒体智能焊接同步探伤检测装置 |
| CN109711474A (zh) * | 2018-12-24 | 2019-05-03 | 中山大学 | 一种基于深度学习的铝材表面缺陷检测算法 |
| CN110276754A (zh) * | 2019-06-21 | 2019-09-24 | 厦门大学 | 一种表面缺陷检测方法、终端设备及存储介质 |
Non-Patent Citations (3)
| Title |
|---|
| 吴伍彬: "基于面阵相机的铸坯表面缺陷检测系统", 《福建冶金》 * |
| 汤勃: "基于图像处理的钢板表面缺陷支持向量机识别", 《中国机械工程》 * |
| 甘胜丰: "《机器视觉表面缺陷检测技术及其在钢铁工业中的应用》", 30 June 2017 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109724984B (zh) | 一种基于深度学习算法的缺陷检测识别装置和方法 | |
| CN111814850A (zh) | 缺陷检测模型训练方法、缺陷检测方法及相关装置 | |
| CN115063423B (zh) | 基于计算机视觉的机械铸件冷热裂纹自适应辨别方法 | |
| WO2024055796A1 (zh) | 一种缺陷检测系统、方法、装置、电子设备及存储介质 | |
| CN113222938A (zh) | 芯片缺陷检测方法及系统与计算机可读存储介质 | |
| WO2021046726A1 (zh) | 用于检测机械设备零部件的方法和装置 | |
| CN114029237A (zh) | 一种铝型材表面缺陷实时分拣系统及方法 | |
| CN111415339A (zh) | 一种复杂纹理工业产品图像缺陷检测方法 | |
| CN106846294B (zh) | 视觉检测方法、装置及设备 | |
| CN109685756A (zh) | 影像特征自动辨识装置、系统及方法 | |
| CN110687120A (zh) | 法兰外观质量检测系统 | |
| CN114463285A (zh) | 一种多级网络融合圆钢表面缺陷检测方法及图像采集装置 | |
| CN113781435A (zh) | 一种基于yolov5网络的香烟小包外观缺陷检测方法 | |
| CN113916127A (zh) | 一种气门导管成品外观视觉检测系统及检测方法 | |
| CN111157540A (zh) | 一种锅具缺陷的检测方法 | |
| CN113610185A (zh) | 基于主色调识别的木材色选方法 | |
| CN116091506B (zh) | 一种基于yolov5的机器视觉缺陷质检方法 | |
| CN110458231B (zh) | 一种陶瓷产品检测方法、装置和设备 | |
| CN116681677A (zh) | 一种锂电池缺陷检测方法、装置及系统 | |
| CN116342502A (zh) | 一种基于深度学习的工业视觉检测方法 | |
| CN210775265U (zh) | 一种人造板表面缺陷检测系统 | |
| CN102621158A (zh) | 一种磁环不合格品自动检测装置和方法 | |
| TWI747686B (zh) | 缺陷檢測方法及檢測裝置 | |
| CN114235810A (zh) | 一种基于面阵工业相机的布匹瑕疵自动检测方法 | |
| TWI749714B (zh) | 瑕疵檢測方法、瑕疵分類方法及其系統 |
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: 20200515 |
|
| RJ01 | Rejection of invention patent application after publication |