CN112967225A - 一种基于人工智能的自动检测系统、方法、设备及介质 - Google Patents

一种基于人工智能的自动检测系统、方法、设备及介质 Download PDF

Info

Publication number
CN112967225A
CN112967225A CN202110130559.6A CN202110130559A CN112967225A CN 112967225 A CN112967225 A CN 112967225A CN 202110130559 A CN202110130559 A CN 202110130559A CN 112967225 A CN112967225 A CN 112967225A
Authority
CN
China
Prior art keywords
product
data
detected
image
module
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.)
Withdrawn
Application number
CN202110130559.6A
Other languages
English (en)
Inventor
陈泰翔
黄祥麟
蒋中和
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.)
Shaoxing Longfuli Intelligent Technology Development Co ltd
Original Assignee
Shaoxing Longfuli Intelligent Technology Development 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 Shaoxing Longfuli Intelligent Technology Development Co ltd filed Critical Shaoxing Longfuli Intelligent Technology Development Co ltd
Priority to CN202110130559.6A priority Critical patent/CN112967225A/zh
Publication of CN112967225A publication Critical patent/CN112967225A/zh
Withdrawn legal-status Critical Current

Links

Images

Classifications

    • 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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
    • G06F16/367—Ontology
    • 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
    • G06N3/084—Backpropagation, e.g. using gradient descent
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/02—Knowledge representation; Symbolic representation
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]
    • 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
    • G06T2207/30108—Industrial image inspection

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Physics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computing Systems (AREA)
  • Biomedical Technology (AREA)
  • Molecular Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Biophysics (AREA)
  • Health & Medical Sciences (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Animal Behavior & Ethology (AREA)
  • Databases & Information Systems (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种基于人工智能的自动检测系统，包括：视觉检测模块用于采集待检测的产品图像；图像处理模块用于对待检测的产品图像进行预处理得到处理后的待检测产品图像；智能分析模块用于建立知识图谱，采用产品样本训练卷积神经网络模型得到训练好的模型；传感器模块用于采集环境信息，将处理后的待检测产品图像输入训练好的模型中检测，得到预测结果，并将预测结果反向传播到卷积神经网络模型中进行数据更新；结果输出模块用于输出预测结果。该系统实现对产品进行全方位的、自动化的详细检测，高检出率、低误报率的检测水平，并且检测能力随检测数据的积累不断提升，无需人工过多干预，降低人工成本。

Description

一种基于人工智能的自动检测系统、方法、设备及介质
技术领域
本发明涉及产品检测技术领域，具体涉及一种基于人工智能的自动检测系统、方法、设备及介质。
背景技术
目前，制造业多采用传统的质检手段，传统的质检手段面临多种挑战，例如：需要投入大量的人力做质检，人力成本大、工作吸引力、招工难；质检水平完全依赖于检测工人个人能力与稳定性，导致产品质量不稳定；传统质检设备准确率低、误报率高、灵活性差；质检数据没有被记录，无法深入分析，无法帮助工艺改进。
发明内容
针对现有技术中的缺陷，本发明实施例提供一种基于人工智能的自动检测系统、方法、设备及介质，实现产品质检自动化，准确度高，降低人工成本。
第一方面，本发明实施例提供的一种基于人工智能的自动检测系统，包括视觉检测模块、图像处理模块、智能分析模块和结果输出模块，其中，
所述视觉检测模块用于采集待检测的产品图像；
所述图像处理模块用于对待检测的产品图像进行预处理得到处理后的待检测产品图像；
所述智能分析模块用于建立知识图谱，采用产品样本训练卷积神经网络模型得到训练好的模型，将处理后的待检测产品图像输入训练好的模型中检测，得到预测结果，并将预测结果反向传播到卷积神经网络模型中进行数据更新；
所述结果输出模块用于输出预测结果。
第二方面，本发明实施例提供的一种基于人工智能的自动检测方法，包括以下步骤：
建立检测产品的知识图谱；
用产品样本训练卷积神经网络模型得到训练好的模型；
获取待检测的产品图像；
对待检测的产品图像进行预处理得到处理后的待检测产品图像；
将处理后的待检测产品图像输入训练好的模型中检测，得到预测结果，并将预测结果反向传播到卷积神经网络模型中进行数据更新；
输出预测结果。
第三方面，本发明实施例提供的一种智能设备，包括处理器、输入设备、输出设备和存储器，所述处理器、输入设备、输出设备和存储器相互连接，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行上述实施例描述的方法。
第四方面，本发明实施例提供的计算机可读存储介质，所述计算机存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行上述实施例描述的方法。
本发明的有益效果：
本发明实施例提供的一种基于人工智能的自动检测系统、方法、设备及介质，实现对产品进行全方位的、自动化的详细检测，高检出率、低误报率的检测水平，并且检测能力随检测数据的积累不断提升，无需人工过多干预，降低人工成本。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。在所有附图中，类似的元件或部分一般由类似的附图标记标识。附图中，各元件或部分并不一定按照实际的比例绘制。
图1示出了本发明第一实施例所提供的一种基于人工智能的自动检测系统的结构框图；
图2示出了本发明第二实施例所提供的一种基于人工智能的自动检测方法的流程图；
图3示出了本发明第三实施例所提供的一种智能设备的结构框图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。
应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解，本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
如在本说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
需要注意的是，除非另有说明，本申请使用的技术术语或者科学术语应当为本发明所属领域技术人员所理解的通常意义。
如图1所示，本发明第一实施例提供了一种基于人工智能的自动检测系统的结构框图，该系统包括视觉检测模块、图像处理模块、智能分析模块和结果输出模块，其中，视觉检测模块用于采集待检测的产品图像；图像处理模块用于对待检测的产品图像进行预处理得到处理后的待检测产品图像；智能分析模块用于建立知识图谱，采用产品样本训练卷积神经网络模型得到训练好的模型，将处理后的待检测产品图像输入训练好的模型中检测，得到预测结果，并将预测结果反向传播到卷积神经网络模型中进行数据更新；结果输出模块用于输出预测结果。
在本实施例中，智能分析模块包括知识图谱建立单元，所述知识图谱建立单元通过多种数据接入方式获取检测产品的数据建立知识图谱图数据库。可以通过网络爬虫自动收集检测产品的数据，可以通过数据传输方式接入检测产品数据，通过收集充足的数据建立知识图谱图数据库，增强AI在某一产业的应用性。
知识图谱建立单元包括数据预处理单元、实体抽取单元、关系抽取单元和数据存储单元，数据预处理单元用于收集的产品数据进行过滤、整理和清洗，将非文本数据转化为文本数据；实体抽取单元用于从文本数据中抽取数据中的实体和实体属性；关系抽取单元用于判定实体与实体间的关系；数据存储单元用于对需要存储的实体和实体属性进行数据处理，形成相应的键值存储到数据库中。通过构建不同的知识图谱，可以对产品质量进行检测或对产品的瑕疵进行检测。
在本实施例中，视觉检测模块利用CCD相机拍摄待检测产品的图像，视觉检测模块将采集的图像传输给图像处理模块，图像处理模块对待检测产品图像进行预处理，预处理的方法包括灰度化、几何变换、图像增强，得到处理后的图像。智能分析模块采用产品样本训练卷积神经网络模型得到训练好的模型，将处理后的待检测产品图像输入训练好的模型中检测，得到预测结果，并将预测结果反向传播到卷积神经网络模型中进行数据更新；结果输出模块用于输出预测结果。通过大量样本训练卷积神经网络模型使得预测结果越来越准确。
本发明实施例的提供一种基于人工智能的自动检测系统还包括传感器模块，所述传感器模块用于采集温度、湿度、声波和振动信号，将采集的信号传输给智能分析模块，智能分析模块根据传感器采集的信号和待检测的产品图像进行综合分析。系统设置传感器模块采集产品环境的温度和湿度信息，并采集设备的声波和超微振动信号，通过采集产品环境的温度、湿度、设备的声波和超微振动信号用于辅助智能分析模块判断影响产品质量的原因，提高预测结果的准确性。
本发明实施例提供的一种基于人工智能的自动检测系统，实现对产品进行全方位的、自动化的详细检测，高检出率、低误报率的检测水平，并且检测能力随检测数据的积累不断提升，无需人工过多干预，降低人工成本。
在上述的第一实施例中，提供了一种基于人工智能的自动检测系统，与之相对应的，本申请还提供一种基于人工智能的自动检测方法。请参考图2，其为本发明第二实施例提供的基于人工智能的自动检测方法的流程图。由于方法实施例基本相似于装置实施例，所以描述得比较简单，相关之处参见装置实施例的部分说明即可。下述描述的方法实施例仅仅是示意性的。
如图2所示，示出了本发明第二实施例提供的一种基于人工智能的自动检测方法的流程图，该方法包括以下步骤：
S1:建立检测产品的知识图谱。
具体地，建立检测产品的知识图谱的具体方法包括：
将收集的产品数据进行过滤、整理和清洗，将非文本数据转化为文本数据；
从文本数据中抽取数据中的实体和实体属性；
判定实体与实体间的关系；
对需要存储的实体和实体属性进行数据处理，形成相应的键值存储到数据库中。
S2:采用产品样本训练卷积神经网络模型得到训练好的模型。
S3:获取待检测的产品图像。
具体地，采用CCD相机拍摄待检测产品图像。
S4:对待检测的产品图像进行预处理得到处理后的待检测产品图像。
具体地，对待检测产品图像进行预处理，预处理的方法包括灰度化、几何变换、图像增强，得到处理后的图像。
S5:将处理后的待检测产品图像输入训练好的模型中检测，得到预测结果，并将预测结果反向传播到卷积神经网络模型中进行数据更新。
S6:输出预测结果。
方法还包括：获取传感器模块发送的感知数据；根据感知数据和待检测的产品图像进行综合分析。通过设置传感器模块采集产品环境的温度和湿度信息，并采集设备的声波和超微振动信号，通过采集产品环境的温度、湿度、设备的声波和超微振动信号用于辅助智能分析模块判断影响产品质量的原因，提高预测结果的准确性。
本发明实施例提供的一种基于人工智能的自动检测方法，实现对产品进行全方位的、自动化的详细检测，高检出率、低误报率的检测水平，并且检测能力随检测数据的积累不断提升，无需人工过多干预，降低人工成本。
如图3所示，示出了在本发明第三实施例提供的一种智能设备结构框图，该设备包括处理器、输入设备、输出设备和存储器，所述处理器、输入设备、输出设备和存储器相互连接，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行上述实施例描述的方法。
应当理解，在本发明实施例中，所称处理器可以是中央处理单元(CentralProcessing Unit，CPU)，该处理器还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。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。
输入设备可以包括触控板、指纹采传感器(用于采集用户的指纹信息和指纹的方向信息)、麦克风等，输出设备可以包括显示器(LCD等)、扬声器等。
该存储器可以包括只读存储器和随机存取存储器，并向处理器提供指令和数据。存储器的一部分还可以包括非易失性随机存取存储器。例如，存储器还可以存储设备类型的信息。
具体实现中，本发明实施例中所描述的处理器、输入设备、输出设备可执行本发明实施例提供的方法实施例所描述的实现方式，也可执行本发明实施例所描述的系统实施例的实现方式，在此不再赘述。
在本发明还提供一种计算机可读存储介质的实施例，所述计算机存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行上述实施例描述的方法。
所述计算机可读存储介质可以是前述实施例所述的终端的内部存储单元，例如终端的硬盘或内存。所述计算机可读存储介质也可以是所述终端的外部存储设备，例如所述终端上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(SecureDigital,SD)卡，闪存卡(Flash Card)等。进一步地，所述计算机可读存储介质还可以既包括所述终端的内部存储单元也包括外部存储设备。所述计算机可读存储介质用于存储所述计算机程序以及所述终端所需的其他程序和数据。所述计算机可读存储介质还可以用于暂时地存储已经输出或者将要输出的数据。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的终端和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露终端和方法，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。另外，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，也可以是电的，机械的或其它的形式连接。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，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发明各实施例技术方案的范围，其均应涵盖在本发明的权利要求和说明书的范围当中。

Claims (9)

1.一种基于人工智能的自动检测系统，其特征在于，包括视觉检测模块、图像处理模块、智能分析模块和结果输出模块，其中，
所述视觉检测模块用于采集待检测的产品图像；
所述图像处理模块用于对待检测的产品图像进行预处理得到处理后的待检测产品图像；
所述智能分析模块用于建立知识图谱，采用产品样本训练卷积神经网络模型得到训练好的模型，将处理后的待检测产品图像输入训练好的模型中检测，得到预测结果，并将预测结果反向传播到卷积神经网络模型中进行数据更新；
所述结果输出模块用于输出预测结果。
2.如权利要求1所述的系统，其特征在于，所述智能分析模块包括知识图谱建立单元，所述知识图谱建立单元通过多种数据接入方式获取检测产品的数据建立知识图谱图数据库。
3.如权利要求2所述的系统，其特征在于，所述知识图谱建立单元包括数据预处理单元、实体抽取单元、关系抽取单元和数据存储单元，
所述数据预处理单元用于收集的产品数据进行过滤、整理和清洗，将非文本数据转化为文本数据；
所述实体抽取单元用于从文本数据中抽取数据中的实体和实体属性；
所述关系抽取单元用于判定实体与实体间的关系；
所述数据存储单元用于对需要存储的实体和实体属性进行数据处理，形成相应的键值存储到数据库中。
4.如权利要求1所述的系统，其特征在于，所述系统还包括传感器模块，所述传感器模块用于采集温度、湿度、声波和振动信号，将采集的信号传输给智能分析模块，智能分析模块根据传感器采集的信号和待检测的产品图像进行综合分析。
5.一种基于人工智能的自动检测方法，其特征在于，包括以下步骤：
建立检测产品的知识图谱；
用产品样本训练卷积神经网络模型得到训练好的模型；
获取待检测的产品图像；
对待检测的产品图像进行预处理得到处理后的待检测产品图像；
将处理后的待检测产品图像输入训练好的模型中检测，得到预测结果，并将预测结果反向传播到卷积神经网络模型中进行数据更新；
输出预测结果。
6.如权利要求5所述的方法，其特征在于，所述建立检测产品的知识图谱的具体方法包括：
将收集的产品数据进行过滤、整理和清洗，将非文本数据转化为文本数据；
从文本数据中抽取数据中的实体和实体属性；
判定实体与实体间的关系；
对需要存储的实体和实体属性进行数据处理，形成相应的键值存储到数据库中。
7.如权利要求5所述的方法，其特征在于，所述方法还包括：
获取传感器模块发送的感知数据；
根据感知数据和待检测的产品图像进行综合分析。
8.一种智能设备，包括处理器、输入设备、输出设备和存储器，所述处理器、输入设备、输出设备和存储器相互连接，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，其特征在于，所述处理器被配置用于调用所述程序指令，执行如权利要求5-7任一项所述的方法。
9.一种计算机可读存储介质，其特征在于，所述计算机存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行如权利要求5-7任一项所述的方法。
CN202110130559.6A 2021-01-29 2021-01-29 一种基于人工智能的自动检测系统、方法、设备及介质 Withdrawn CN112967225A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110130559.6A CN112967225A (zh) 2021-01-29 2021-01-29 一种基于人工智能的自动检测系统、方法、设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110130559.6A CN112967225A (zh) 2021-01-29 2021-01-29 一种基于人工智能的自动检测系统、方法、设备及介质

Publications (1)

Publication Number Publication Date
CN112967225A true CN112967225A (zh) 2021-06-15

Family

ID=76272564

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110130559.6A Withdrawn CN112967225A (zh) 2021-01-29 2021-01-29 一种基于人工智能的自动检测系统、方法、设备及介质

Country Status (1)

Country Link
CN (1) CN112967225A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114356249A (zh) * 2022-01-10 2022-04-15 苏州久道信息科技有限公司 一种自动检测和优化图像质量的处理系统及其处理方法
CN114418270A (zh) * 2021-12-01 2022-04-29 江苏权正检验检测有限公司 一种食品检测的样品智能化筛查方法及系统
CN115592226A (zh) * 2021-08-03 2023-01-13 苏州楚翰真空科技有限公司（Cn） 一种保温杯生产质检一体化方法和系统
CN116840693A (zh) * 2023-06-30 2023-10-03 深圳市盛弘新能源设备有限公司 基于人工智能的充放电测试控制方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109697233A (zh) * 2018-12-03 2019-04-30 中电科大数据研究院有限公司 一种知识图谱体系搭建方法
CN110632084A (zh) * 2019-10-23 2019-12-31 安徽富林物联网技术有限公司 一种基于传感器的产品质量检测系统
US20200294222A1 (en) * 2019-03-12 2020-09-17 Beijing Baidu Netcom Science and Technology Method and apparatus for outputting information
CN111862067A (zh) * 2020-07-28 2020-10-30 中山佳维电子有限公司 一种焊接缺陷检测方法、装置、电子设备以及存储介质
CN112017986A (zh) * 2020-10-21 2020-12-01 季华实验室 半导体产品缺陷检测方法、装置、电子设备及存储介质

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109697233A (zh) * 2018-12-03 2019-04-30 中电科大数据研究院有限公司 一种知识图谱体系搭建方法
US20200294222A1 (en) * 2019-03-12 2020-09-17 Beijing Baidu Netcom Science and Technology Method and apparatus for outputting information
CN110632084A (zh) * 2019-10-23 2019-12-31 安徽富林物联网技术有限公司 一种基于传感器的产品质量检测系统
CN111862067A (zh) * 2020-07-28 2020-10-30 中山佳维电子有限公司 一种焊接缺陷检测方法、装置、电子设备以及存储介质
CN112017986A (zh) * 2020-10-21 2020-12-01 季华实验室 半导体产品缺陷检测方法、装置、电子设备及存储介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
王子良: "基于深度学习的智能检测系统的研究与实现", 《中国优秀硕士学位论文全文数据库信息科技辑》, vol. 2019, no. 09, pages 7 - 47 *
阙馨妍子: ""知识图谱入门精讲"", pages 1 - 7, Retrieved from the Internet <URL:《https://www.jianshu.com/p/2009c4107b56.html》> *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115592226A (zh) * 2021-08-03 2023-01-13 苏州楚翰真空科技有限公司（Cn） 一种保温杯生产质检一体化方法和系统
CN115592226B (zh) * 2021-08-03 2023-07-21 苏州楚翰真空科技有限公司 一种保温杯生产质检一体化方法和系统
CN114418270A (zh) * 2021-12-01 2022-04-29 江苏权正检验检测有限公司 一种食品检测的样品智能化筛查方法及系统
CN114418270B (zh) * 2021-12-01 2023-05-23 江苏权正检验检测有限公司 一种食品检测的样品智能化筛查方法及系统
CN114356249A (zh) * 2022-01-10 2022-04-15 苏州久道信息科技有限公司 一种自动检测和优化图像质量的处理系统及其处理方法
CN116840693A (zh) * 2023-06-30 2023-10-03 深圳市盛弘新能源设备有限公司 基于人工智能的充放电测试控制方法及系统
CN116840693B (zh) * 2023-06-30 2024-03-19 深圳市盛弘新能源设备有限公司 基于人工智能的充放电测试控制方法及系统

Similar Documents

Publication Publication Date Title
CN112967225A (zh) 一种基于人工智能的自动检测系统、方法、设备及介质
CN112561080B (zh) 样本筛选方法、样本筛选装置及终端设备
CN110660102B (zh) 基于人工智能的说话人识别方法及装置、系统
CN108460346B (zh) 指纹识别方法及装置
CN111598827A (zh) 外观瑕疵检测方法、电子装置及存储介质
CN113111844A (zh) 一种作业姿态评估方法、装置、本地终端及可读存储介质
CN110555400A (zh) 基于无人机巡检架空输电线路的覆冰检测方法及系统
CN110826646A (zh) 机器人视觉测试方法、装置、存储介质及终端设备
CN113723467A (zh) 用于缺陷检测的样本收集方法、装置和设备
CN114357560A (zh) 基于多模态神经网络的结构健康监测数据检测方法和装置
CN110941978A (zh) 一种未识别身份人员的人脸聚类方法、装置及存储介质
CN113112497A (zh) 一种基于零样本学习的工业外观缺陷检测方法、电子设备及存储介质
CN110287361A (zh) 一种人物图片筛选方法及装置
CN109035666B (zh) 一种火烟检测方法、装置及终端设备
CN112967226A (zh) 一种基于人工智能的高反光制品检测系统、方法及介质
CN112967224A (zh) 一种基于人工智能的电子电路板检测系统、方法及介质
CN113138916A (zh) 基于标注样本的图片结构化算法的自动测试方法及系统
CN112749735B (zh) 基于深度学习的转炉出钢钢流识别方法、系统、介质及终端
CN114140852A (zh) 图像检测方法和装置
CN112967223A (zh) 一种基于人工智能的纺织品检测系统、方法及介质
CN115358914B (zh) 用于视觉检测的数据处理方法、装置、计算机设备及介质
CN111163332A (zh) 视频色情度检测方法、终端及介质
CN115670397A (zh) 一种ppg伪迹识别方法、装置、存储介质及电子设备
CN111985497B (zh) 架空输电线路下吊车作业识别方法及系统
CN111008842B (zh) 一种茶叶检测方法、系统、电子设备及机器可读介质

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
WW01 Invention patent application withdrawn after publication
WW01 Invention patent application withdrawn after publication

Application publication date: 20210615