CN112485260B - 工件缺陷检测方法及装置 - Google Patents

Abstract

本申请揭示了一种工件缺陷检测方法及装置，属于工件缺陷检测技术领域。该方法包括：在所述生产线上，对所述生产线上各批次工件的光学面进行拍照，将得到的光学面图像输入至预测模型进行预测，将预测模型输出的预测数据同步导入至仿真线的数据库，预测数据包括工件批次、工件编号、工件光学面图号及缺陷信息；在仿真线上，从数据库读取待调优批次工件的预测数据，根据预测数据制定与待调优批次对应的调整规则。本申请通过采用深度神经网络模型的仿真方案，在不影响产线生产的基础上，既节约算力资源，又能便捷、快速、反复、稳定地获取特定批次的预测结果的问题，提高了后续对模型结果调优的工作效率。

Description

工件缺陷检测方法及装置

技术领域

本发明属于工件缺陷检测技术领域，涉及一种工件缺陷检测方法及装置。

背景技术

在使用深度神经网络模型进行工业视觉外观检测的实践过程中，由于工件生产工艺的调整及磨具更换，常常导致原有模型预测效果的下降。需及时针对当前预测批次进行结果调优，以重新达到产线要求。而调优过程中反复重现对当前批次光学面图像进行预测并返回结果的这个过程不可或缺。

在不影响产线生产的基础上，既节约算力资源，又能便捷、快速、反复、稳定地获取特定批次的预测结果成为亟需解决的问题。

发明内容

为了解决相关技术中的问题，本申请提供了一种工件缺陷检测方法及装置，技术方案如下：

第一方面，本申请提供了一种工件缺陷检测方法，应用于工件缺陷检测及仿真系统中，所述工件缺陷检测及仿真系统包括生产线和仿真线，所述方法包括：

在所述生产线上，对所述生产线上各批次工件的光学面进行拍照，将得到的光学面图像输入至预测模型进行预测，将所述预测模型输出的预测数据同步导入至所述仿真线的数据库，所述预测数据包括工件批次、工件编号、工件光学面图号及缺陷信息；

在所述仿真线上，从所述数据库读取待调优批次工件的预测数据，根据所述预测数据制定与所述待调优批次对应的调整规则。

可选地，所述仿真线包括仿真客户端、仿真服务器和所述数据库，所述从所述数据库读取待调优批次工件的预测数据，包括：

在所述仿真客户端上显示各个待调优批次；

在所述仿真客户端确定所选定的待调优批次后，向所述仿真服务器发送预测数据获取请求，所述预测数据获取请求包含所述待调优批次；

在所述仿真服务器接收到所述预测数据获取请求后，从所述数据库读取具备所述待调优批次的预测数据，并将读取的预测数据发送给所述仿真客户端；

在所述仿真客户端将所述预测数据显示在对应的光学面图像上。

可选地，在所述对所述生产线上各批次工件的光学面进行拍照之后，所述方法还包括：

将拍照得到的光学面图像以及对应的光学面数据发送至所述仿真客户端上，由所述仿真客户端对所述光学面图像进行显示，所述光学面数据包括工件批次、工件编号及工件光学面图号。

可选地，所述将所述预测模型输出的预测数据同步导入至所述仿真线的数据库，包括：

将所述预测模型输出的预测数据以及对应的光学面图像进行绑定；

将绑定的所述预测数据以及光学面图像导入至所述仿真线的数据库中。

可选地，所述从所述数据库读取具备所述待调优批次的预测数据，并将读取的预测数据发送给所述仿真客户端，包括：

从所述数据库中读取具备所述待调优批次的预测数据以及绑定的光学面图像；

将读取的所述预测数据以及所述光学面图像发送给所述仿真客户端。

第二方面，本申请还提供了一种工件缺陷检测装置，应用于工件缺陷检测及仿真系统中，所述工件缺陷检测及仿真系统包括生产线和仿真线，所述装置包括：

拍照预测模块，用于在所述生产线上，对所述生产线上各批次工件的光学面进行拍照，将得到的光学面图像输入至预测模型进行预测；

导入模块，用于将所述拍照预测模块输出的预测数据同步导入至所述仿真线的数据库，所述预测数据包括工件批次、工件编号、工件光学面图号及缺陷信息；

读取调优模块，用于在所述仿真线上，从所述数据库读取待调优批次工件的预测数据，根据所述预测数据制定与所述待调优批次对应的调整规则。

可选的，所述仿真线包括仿真客户端、仿真服务器和所述数据库，所述读取调优模块，包括：

第一显示单元，用于在所述仿真客户端上显示各个待调优批次；

请求单元，用于在所述仿真客户端确定所选定的待调优批次后，向所述仿真服务器发送预测数据获取请求，所述预测数据获取请求包含所述待调优批次；

读取单元，用于在所述仿真服务器接收到所述预测数据获取请求后，从所述数据库读取具备所述待调优批次的预测数据，并将读取的预测数据发送给所述仿真客户端；

第二显示单元，用于在所述仿真客户端将所述预测数据显示在对应的光学面图像上。

可选的，所述装置还包括：

发送模块，用于将拍照得到的光学面图像以及对应的光学面数据发送至所述仿真客户端上，由所述仿真客户端对所述光学面图像进行显示，所述光学面数据包括工件批次、工件编号及工件光学面图号。

可选的，所述导入模块，包括：

绑定单元，用于将所述预测模型输出的预测数据以及对应的光学面图像进行绑定；

导入单元，用于将所述绑定单元绑定的所述预测数据以及光学面图像导入至所述仿真线的数据库中。

可选的，所述读取单元还用于执行如下操作：

从所述数据库中读取具备所述待调优批次的预测数据以及绑定的光学面图像；

将读取的所述预测数据以及所述光学面图像发送给所述仿真客户端。

本申请至少可以实现如下有益效果：

通过采用深度神经网络模型的仿真方案，在不影响产线生产的基础上，既节约算力资源，又能便捷、快速、反复、稳定地获取特定批次的预测结果的问题，提高了后续对模型结果调优的工作效率。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性的，并不能限制本发明。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。

图1是本申请一个实施例中提供的工件缺陷检测方法的方法流程图；

图2是本申请另一个实施例中提供的工件缺陷检测方法的方法流程图；

图3A是本申请一个实施例中提供的工件缺陷检测装置的结构示意图；

图3B是本申请另一个实施例中提供的工件缺陷检测装置的结构示意图。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。

图1是本申请一个实施例中提供的工件缺陷检测方法的方法流程图，本申请提供的工件缺陷检测方法应用于工件缺陷检测及仿真系统中，该工件缺陷检测及仿真系统包括生产线和仿真线，可以包括如下步骤：

步骤101，在生产线上，对生产线上各批次工件的光学面进行拍照；

生成线上对各批次的工件的光学面进行正常的缺陷检测。

在缺陷检测的流程中，首先对工件的光学面进行拍照。

可选的，如果需要对工件的特定面的缺陷进行检测，或者需要对工件的特定缺陷进行检测，则可以将工件的朝向摆放好，以便视觉识别机台可以拍照包含有特定缺陷的光学面图像。

步骤102，将得到的光学面图像输入至预测模型进行预测；

在实际应用中，生产线上可以设置处理器，该处理器中可以运行该预测模型，当识别机台拍摄得到光学面图像后，由该处理器将光学面图像输入值预测模型中进行预测。这里的预测模型一般为训练得到的深度神经网络模型，可以根据训练要求对工件的特定缺陷进行预测。

步骤103，将预测模型输出的预测数据同步导入至仿真线的数据库；

由于生产线上可能会涉及到不同的工件批次，每个工件批次包含较多的工件，每个工件又有多个光学面，因此，为了确保每个光学面图像与其预测数据的一致性，本申请中提供的预测数据通常可以包括工件批次、工件编号、工件光学面图号及缺陷信息。这里的缺陷信息可以包括缺陷类型、缺陷位置、缺陷区域范围等中的至少一种。

为了实现仿真检测，本申请中在生产线上得到预测数据后，在不影响生产线的正常检测流程的情况下，可以将预测数据同步导入至仿真线的数据库。

步骤104，在仿真线上，从数据库读取待调优批次工件的预测数据，根据预测数据制定与待调优批次对应的调整规则。

在仿真线上，可以从数据库中读取需要调优的批次各工件的预测数据，根据读取的预测数据来指定待调优批次对应的调整规则。比如，工作人员可以查看工件实物上的缺陷以及该工件的预测数据，将两者进行核对，分析缺陷数据中的过杀记录，通过物理量数据过滤的方式对预测结果进行反复调优。

综上所述，本申请提供的工件缺陷检测方法，通过采用深度神经网络模型的仿真方案，在不影响产线生产的基础上，既节约算力资源，又能便捷、快速、反复、稳定地获取特定批次的预测结果的问题，提高了后续对模型结果调优的工作效率。

图2是本申请另一个实施例中提供的工件缺陷检测方法的方法流程图，本申请提供的工件缺陷检测方法应用于工件缺陷检测及仿真系统中，该工件缺陷检测及仿真系统包括生产线和仿真线，这里的仿真线可以包括仿真客户端、仿真服务器和数据库，利用工件缺陷检测及仿真系统，本申请提供的工件缺陷检测方法可以包括如下步骤：

步骤201，在生产线上，对生产线上各批次工件的光学面进行拍照；

生成线上对各批次的工件的光学面进行正常的缺陷检测。

在缺陷检测的流程中，首先对工件的光学面进行拍照。

可选的，如果需要对工件的特定面的缺陷进行检测，或者需要对工件的特定缺陷进行检测，则可以将工件的朝向摆放好，以便视觉识别机台可以拍照包含有特定缺陷的光学面图像。

在一种可能的实现方式中，为了保证仿真线上的工作人员可以查看到选定的某工件的光学面图像，在步骤201之后，还可以将拍照得到的光学面图像以及对应的光学面数据发送至仿真客户端上，由仿真客户端对光学面图像进行显示，光学面数据包括工件批次、工件编号及工件光学面图号。

步骤202，将得到的光学面图像输入至预测模型进行预测；

在实际应用中，生产线上可以设置处理器，该处理器中可以运行该预测模型，当识别机台拍摄得到光学面图像后，由该处理器将光学面图像输入值预测模型中进行预测。这里的预测模型一般为训练得到的深度神经网络模型，可以根据训练要求对工件的特定缺陷进行预测。

步骤203，将预测模型输出的预测数据同步导入至仿真线的数据库；

由于生产线上可能会涉及到不同的工件批次，每个工件批次包含较多的工件，每个工件又有多个光学面，因此，为了确保每个光学面图像与其预测数据的一致性，本申请中提供的预测数据通常可以包括工件批次、工件编号、工件光学面图号及缺陷信息。这里的缺陷信息可以包括缺陷类型、缺陷位置、缺陷区域范围等中的至少一种。

为了实现仿真检测，本申请中在生产线上得到预测数据后，在不影响生产线的正常检测流程的情况下，可以将预测数据同步导入至仿真线的数据库。

为了便于仿真客户端的工作人员可以方便对应工件批次、工件、光线面图像以及对应的预测数据，本申请中在将预测数据导入至数据库时，可以先将预测模型输出的预测数据以及对应的光学面图像进行绑定；然后将绑定的预测数据以及光学面图像导入至仿真线的数据库中。

步骤204，在仿真客户端上显示各个待调优批次；

在仿真客户端上显示各个待调优批次，当操作人员需要对某一待调优批次进行调整时，可以选定该待调整批次。

步骤205，在仿真客户端确定所选定的待调优批次后，向仿真服务器发送预测数据获取请求，预测数据获取请求包含待调优批次；

当操作人员在仿真客户端选定待调优批次后，仿真客户端则可以向仿真服务器发送预测数据获取请求，该预测数据获取请求包含操作人员选定的待调优批次，以请求读取该待调优批次的预测数据。

步骤206，在仿真服务器接收到预测数据获取请求后，从数据库读取具备该待调优批次的预测数据，并将读取的预测数据发送给仿真客户端；

若数据库中绑定存储了预测数据以及光学面图像，本申请中在执行步骤206时，可以先从数据库中读取具备待调优批次的预测数据以及绑定的光学面图像；然后将读取的预测数据以及光学面图像发送给仿真客户端。

若数据库中仅存储了预测数据，则直接从数据库读取具备该待调优批次的预测数据，并将读取的预测数据发送给仿真客户端。

步骤207，在仿真客户端将预测数据显示在对应的光学面图像上，根据预测数据制定与待调优批次对应的调整规则。

在仿真客户端上显示光学面图像以及对应的预测数据，操作人员可以根据预测数据制定与待调优批次对应的调整规则。

比如，工作人员可以查看工件实物上的缺陷以及该工件的预测数据，将两者进行核对，分析缺陷数据中的过杀记录，通过物理量数据过滤的方式对预测结果进行反复调优。

综上所述，本申请提供的工件缺陷检测方法，通过采用深度神经网络模型的仿真方案，在不影响产线生产的基础上，既节约算力资源，又能便捷、快速、反复、稳定地获取特定批次的预测结果的问题，提高了后续对模型结果调优的工作效率。

下面为工件缺陷检测装置的实施例，由于装置实施例是上述工件缺陷检测方法的实施例对应的实施例，装置实施例中涉及的技术特征的解释和说明均可以参见上述对方法实施例中的描述，这里就不再一一赘述。

图3A是本申请一个实施例中提供的工件缺陷检测装置的结构示意图，本申请提供的工件缺陷检测装置应用于工件缺陷检测及仿真系统中，可以通过软件、硬件或软硬件结合的方式实现，这里所讲的工件缺陷检测及仿真系统包括生产线和仿真线，该工件缺陷检测装置可以包括：拍照预测模块310、导入模块320和读取调优模块330。

拍照预测模块310可以用于在生产线上，对生产线上各批次工件的光学面进行拍照，将得到的光学面图像输入至预测模型进行预测；

导入模块320可以用于将拍照预测模块310输出的预测数据同步导入至仿真线的数据库，预测数据包括工件批次、工件编号、工件光学面图号及缺陷信息；

读取调优模块330可以用于在仿真线上，从数据库读取待调优批次工件的预测数据，根据预测数据制定与待调优批次对应的调整规则。

在一种可能的实现方式中，仿真线可以包括仿真客户端、仿真服务器和数据库，请参见图3B所示，其是本申请另一个实施例中提供的工件缺陷检测装置的结构示意图，读取调优模块330可以包括：第一显示单元331、请求单元332、读取单元333和第二显示单元334。

第一显示单元331可以用于在仿真客户端上显示各个待调优批次；

请求单元332可以用于在仿真客户端确定所选定的待调优批次后，向仿真服务器发送预测数据获取请求，预测数据获取请求包含待调优批次；

读取单元333可以用于在仿真服务器接收到预测数据获取请求后，从数据库读取具备待调优批次的预测数据，并将读取的预测数据发送给仿真客户端；

第二显示单元334可以用于在仿真客户端将预测数据显示在对应的光学面图像上。

在一种可能的实现方式中，本申请提供的工件缺陷检测装置还可以包括发送模块。

发送模块用于将拍照得到的光学面图像以及对应的光学面数据发送至仿真客户端上，由仿真客户端对光学面图像进行显示，光学面数据包括工件批次、工件编号及工件光学面图号。

在另一种可能的实现方式中，导入模块320可以包括：绑定单元321和导入单元322。

绑定单元321可以用于将预测模型输出的预测数据以及对应的光学面图像进行绑定；

导入单元322可以用于将绑定单元绑定的预测数据以及光学面图像导入至仿真线的数据库中。

可选的，读取单元333还用于执行如下操作：

从数据库中读取具备待调优批次的预测数据以及绑定的光学面图像；

将读取的预测数据以及光学面图像发送给仿真客户端。

综上所述，本申请提供的工件缺陷检测装置，通过采用深度神经网络模型的仿真方案，在不影响产线生产的基础上，既节约算力资源，又能便捷、快速、反复、稳定地获取特定批次的预测结果的问题，提高了后续对模型结果调优的工作效率。

本领域技术人员在考虑说明书及实践这里发明的发明后，将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未发明的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本发明的真正范围和精神由下面的权利要求指出。

应当理解的是，本发明并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制。

Claims (6)

1.一种工件缺陷检测装置，其特征在于，应用于工件缺陷检测及仿真系统中，所述工件缺陷检测及仿真系统包括生产线和仿真线，所述装置包括拍照预测模块、导入模块和读取调优模块；拍照预测模块用于在所述生产线上，对所述生产线上各批次工件的光学面进行拍照，将得到的光学面图像输入至预测模型进行预测；导入模块用于将所述拍照预测模块输出的预测数据同步导入至仿真线的数据库，所述预测数据包括工件批次、工件编号、工件光学面图号及缺陷信息；读取调优模块用于在所述仿真线上，从数据库读取待调优批次工件的预测数据，根据所述预测数据制定与所述待调优批次对应的调整规则；

所述仿真线包括仿真客户端、仿真服务器和所述数据库，所述读取调优模块包括第一显示单元、请求单元、读取单元和第二显示单元；第一显示单元用于在所述仿真客户端上显示各个待调优批次；请求单元用于在所述仿真客户端确定所选定的待调优批次后，向所述仿真服务器发送预测数据获取请求，所述预测数据获取请求包含所述待调优批次；读取单元用于在所述仿真服务器接收到所述预测数据获取请求后，从所述数据库读取具备所述待调优批次的预测数据，并将读取的预测数据发送给所述仿真客户端；第二显示单元用于在所述仿真客户端将所述预测数据显示在对应的光学面图像上；

所述装置还包括发送模块，发送模块用于将拍照得到的光学面图像以及对应的光学面数据发送至所述仿真客户端上，由所述仿真客户端对所述光学面图像进行显示，所述光学面数据包括工件批次、工件编号及工件光学面图号；

所述导入模块包括绑定单元和导入单元；绑定单元用于将所述预测模型输出的预测数据以及对应的光学面图像进行绑定；导入单元用于将所述绑定单元绑定的所述预测数据以及光学面图像导入至所述仿真线的数据库中；

所述读取单元还用于执行如下操作：从所述数据库中读取具备所述待调优批次的预测数据以及绑定的光学面图像；将读取的所述预测数据以及所述光学面图像发送给所述仿真客户端。

2.一种如权利要求1所述的工件缺陷检测装置的工件缺陷检测方法，其特征在于，应用于工件缺陷检测及仿真系统中，所述工件缺陷检测及仿真系统包括生产线和仿真线，所述方法包括：

在所述生产线上，对所述生产线上各批次工件的光学面进行拍照，将得到的光学面图像输入至预测模型进行预测，将所述预测模型输出的预测数据同步导入至所述仿真线的数据库，所述预测数据包括工件批次、工件编号、工件光学面图号及缺陷信息；

在所述仿真线上，从所述数据库读取待调优批次工件的预测数据，根据所述预测数据制定与所述待调优批次对应的调整规则。

3.根据权利要求2所述的方法，其特征在于，所述仿真线包括仿真客户端、仿真服务器和所述数据库，所述从所述数据库读取待调优批次工件的预测数据，包括：

在所述仿真客户端上显示各个待调优批次；

在所述仿真客户端确定所选定的待调优批次后，向所述仿真服务器发送预测数据获取请求，所述预测数据获取请求包含所述待调优批次；

在所述仿真服务器接收到所述预测数据获取请求后，从所述数据库读取具备所述待调优批次的预测数据，并将读取的预测数据发送给所述仿真客户端；

在所述仿真客户端将所述预测数据显示在对应的光学面图像上。

4.根据权利要求3所述的方法，其特征在于，在所述对所述生产线上各批次工件的光学面进行拍照之后，所述方法还包括：

将拍照得到的光学面图像以及对应的光学面数据发送至所述仿真客户端上，由所述仿真客户端对所述光学面图像进行显示，所述光学面数据包括工件批次、工件编号及工件光学面图号。

5.根据权利要求3所述的方法，其特征在于，所述将所述预测模型输出的预测数据同步导入至所述仿真线的数据库，包括：

将所述预测模型输出的预测数据以及对应的光学面图像进行绑定；

将绑定的所述预测数据以及光学面图像导入至所述仿真线的数据库中。

6.根据权利要求5所述的方法，其特征在于，所述从所述数据库读取具备所述待调优批次的预测数据，并将读取的预测数据发送给所述仿真客户端，包括：

从所述数据库中读取具备所述待调优批次的预测数据以及绑定的光学面图像；

将读取的所述预测数据以及所述光学面图像发送给所述仿真客户端。

Images