CN113393424A - 基于人工智能图像处理的缺陷检测系统、方法及装置 - Google Patents
基于人工智能图像处理的缺陷检测系统、方法及装置 Download PDFInfo
- Publication number
- CN113393424A CN113393424A CN202110542734.2A CN202110542734A CN113393424A CN 113393424 A CN113393424 A CN 113393424A CN 202110542734 A CN202110542734 A CN 202110542734A CN 113393424 A CN113393424 A CN 113393424A
- Authority
- CN
- China
- Prior art keywords
- information
- module
- detection
- sample
- image processing
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 314
- 230000007547 defect Effects 0.000 title claims abstract description 192
- 238000012545 processing Methods 0.000 title claims abstract description 119
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 11
- 238000000034 method Methods 0.000 title abstract description 21
- 230000003993 interaction Effects 0.000 claims abstract description 14
- 238000007726 management method Methods 0.000 claims description 94
- 238000013523 data management Methods 0.000 claims description 37
- 230000002159 abnormal effect Effects 0.000 claims description 30
- 238000007689 inspection Methods 0.000 claims description 26
- 238000013500 data storage Methods 0.000 claims description 13
- 238000004458 analytical method Methods 0.000 claims description 4
- 238000004422 calculation algorithm Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 7
- 230000008569 process Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012372 quality testing Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
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
- G06T7/001—Industrial image inspection using an image reference approach
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- 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)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Manufacturing & Machinery (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明公开了一种基于人工智能图像处理的缺陷检测系统、方法及装置,属于缺陷检测技术领域。本发明缺陷检测系统包括依次连接的检测模块、图像处理模块及样本管理模块,检测模块获取目标产品的条码信息,根据条码信息获取目标产品的外观图像信息,将外观图像信息与条码信息发送至图像处理模块,样本管理模块获取标准样本信息,根据标准样本信息获取样本图像信息,将样本图像信息发送至图像处理模块,图像处理模块根据外观图像信息、条码信息及样本图像信息进行外观缺陷检测,得到目标产品的缺陷检测信息,检测模块接收图像处理模块反馈的缺陷检测信息,以展示检测结果,实现信息交互,无需定制设备和专业人员操作完成缺陷自动识别,降低检测成本。
Description
技术领域
本发明涉及缺陷检测技术领域,尤其涉及一种基于人工智能图像处理的缺陷检测系统、方法及装置。
背景技术
外观缺陷检测是各个行业保障产品质量必不可少的手段,以往质检行业采用人工进行产品缺陷检验,随着时代的发展,质检行业对智能化、自动化要求越来越高,根据图像识别技术的机器视觉而定制的缺陷检验设备,可有效提升了检测效率及准确度。目前,因检测设备需要针对检测产品、场景进行适配性优化,传统机器视觉厂家及新兴机器视觉厂家均要根据检测场景定制检验设备,而定制设备的操作软件均为专业软件,通过培训才能使有一定质检能力的人员进行操作,但需要花费较多人力物力。同时由于定制设备部署的封闭性,不管定制设备的检测方案是否优化或者性能提升,本地的检测设备均受限于设备硬件性能及算法技术,其检测速度及准确度无法得到提升。
上述内容仅用于辅助理解本发明的技术方案,并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供一种基于人工智能图像处理的缺陷检测系统、方法及装置,旨在解决现有技术中定制检验设备依赖专业人员操作,使得检测成本较高的技术问题。
为实现上述目的,本发明提供了一种基于人工智能图像处理的缺陷检测系统,所述缺陷检测系统包括依次连接的检测模块、图像处理模块及样本管理模块;
所述检测模块,用于获取目标产品的条码信息,根据所述条码信息获取所述目标产品的外观图像信息,将所述外观图像信息与所述条码信息发送至所述图像处理模块;
所述样本管理模块,用于获取标准样本信息,根据所述标准样本信息获取样本图像信息,将所述样本图像信息发送至所述图像处理模块;
所述图像处理模块,用于接收所述外观图像信息、所述条码信息及所述样本图像信息,根据所述外观图像信息、所述条码信息及所述样本图像信息进行外观缺陷检测,得到所述目标产品的缺陷检测信息,以完成缺陷自动识别;
所述检测模块,还用于接收所述图像处理模块反馈的所述缺陷检测信息,以根据所述缺陷检测信息展示检测结果,实现信息交互。
可选地,所述样本管理模块包括产品管理单元及场景管理单元,所述产品管理单元与所述场景管理单元连接,所述场景管理单元与所述图像处理模块连接;
所述产品管理单元,用于获取样本条码信息,将所述样本条码信息发送至所述场景管理单元;
所述场景管理单元,用于根据所述样本条码信息获取所述标准场景信息,根据所述标准场景信息获取所述标准样本信息,根据所述标准样本信息获取样本图像信息,将所述样本图像信息发送至所述图像处理模块。
可选地,所述缺陷检测系统还包括检测数据管理模块,所述检测数据管理模块与所述图像处理模块;
所述检测数据管理模块,用于接收所述图像处理模块反馈的所述缺陷检测信息,根据所述缺陷检测信息生成检测质量信息,以根据所述检测质量信息进行质量分析。
可选地,所述缺陷检测系统还包括用户管理模块,所述用户管理模块与所述检测数据管理模块连接;
所述用户管理模块,用于获取检测人员身份信息与权限人员身份信息,根据所述检测人员身份信息与所述权限人员身份信息生成使用信息,将所述使用信息发送至所述检测数据管理模块,以使所述检测数据管理模块根据所述使用信息接收所述缺陷检测信息。
可选地,所述缺陷检测系统还包括用户信息存储模块,所述用户信息存储模块与所述用户管理模块连接;
所述用户信息存储模块,用于接收所述用户管理模块发送的所述权限人员身份信息及所述使用信息,根据所述权限人员身份信息及所述使用信息生成用户存储信息,以对所述用户存储信息进行储存。
可选地,所述缺陷检测系统还包括异常数据管理模块,所述异常数据管理模块分别与所述检测模块及所述图像处理模块连接;
所述异常数据管理模块,用于接收所述检测模块发送的所述外观图像信息与所述条码信息,根据所述外观图像信息与所述条码信息生成异常检测信息,将所述异常检测信息发送至所述图像处理模块,以使所述图像处理模块对异常检测信息进行储存与学习。
可选地,所述缺陷检测系统还包括图像存储模块,所述图像存储模块与所述图像处理模块连接;
所述图像存储模块,用于接收所述图像处理模块发送的所述外观图像信息及所述样本图像信息,根据所述外观图像信息及所述样本图像信息生成图像存储信息,以对所述图像存储信息进行储存。
可选地,所述缺陷检测系统还包括图像存储模块,所述图像存储模块与所述图像处理模块连接;
所述图像存储模块,用于接收所述图像处理模块发送的所述外观图像信息及所述样本图像信息,根据所述外观图像信息及所述样本图像信息生成图像存储信息,以对所述图像存储信息进行储存。
可选地,所述缺陷检测系统还包括数据存储模块,所述数据存储模块与所述图像处理模块连接;
所述数据存储模块,用于接收所述图像处理模块发送的所述缺陷检测信息,以对所述缺陷检测信息进行储存。
此外,为实现上述目的,本发明还提出一种缺陷检测方法,所述缺陷检测方法应用于如上文所述的缺陷检测系统,所述缺陷检测系统包括:检测模块、图像处理模块及样本管理模块;
所述缺陷检测方法包括:
所述检测模块获取目标产品的条码信息,根据所述条码信息获取所述目标产品的外观图像信息,将所述外观图像信息与所述条码信息发送至所述图像处理模块;
所述样本管理模块获取标准样本信息,根据所述标准样本信息获取样本图像信息,将所述样本图像信息发送至所述图像处理模块;
所述图像处理模块接收所述外观图像信息、所述条码信息及所述样本图像信息,根据所述外观图像信息、所述条码信息及所述样本图像信息进行外观缺陷检测,得到所述目标产品的缺陷检测信息,以完成缺陷自动识别;
所述检测模块接收所述图像处理模块反馈的所述缺陷检测信息,以根据所述缺陷检测信息展示检测结果,实现信息交互。
此外,为实现上述目的,本发明还提出一种缺陷检测装置,所述缺陷检测装置包含如上文所述的缺陷检测系统或所述地缺陷检测方法。
本发明缺陷检测系统包括依次连接的检测模块、图像处理模块及样本管理模块,检测模块获取目标产品的条码信息,根据条码信息获取目标产品的外观图像信息,将外观图像信息与条码信息发送至图像处理模块,样本管理模块获取标准样本信息,根据标准样本信息获取样本图像信息,将样本图像信息发送至图像处理模块,图像处理模块接收外观图像信息、条码信息及样本图像信息,根据外观图像信息、条码信息及样本图像信息进行外观缺陷检测,得到目标产品的缺陷检测信息,检测模块接收图像处理模块反馈的缺陷检测信息,以根据缺陷检测信息展示检测结果,实现信息交互,无需定制设备和专业人员操作完成缺陷自动识别,降低检测成本。
附图说明
图1为本发明缺陷检测系统第一实施例的结构示意图;
图2为本发明缺陷检测系统第一实施例的流程示意图;
图3为本发明缺陷检测系统第二实施例的结构示意图;
图4为本发明缺陷检测系统第二实施例的流程示意图;
图5为本发明缺陷检测方法第一实施例的流程示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
附图标号说明:
标号 | 名称 | 标号 | 名称 |
100 | 检测模块 | 700 | 异常数据管理模块 |
200 | 样本管理模块 | 800 | 图像存储模块 |
300 | 图像处理模块 | 900 | 数据存储模块 |
400 | 检测数据管理模块 | 201 | 场景管理单元 |
500 | 用户管理模块 | 202 | 产品管理单元 |
600 | 用户信息存储模块 |
具体实施方式
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。
参照图1,图1为本发明缺陷检测系统第一实施例的结构示意图。
所述缺陷检测系统包括依次连接的检测模块100、图像处理模块300及样本管理模块200;
所述检测模块100,用于获取目标产品的条码信息,根据所述条码信息获取所述目标产品的外观图像信息,将所述外观图像信息与所述条码信息发送至所述图像处理模块300。
需要说明地是,检测模块100可为缺陷检测系统的核心检测功能模块,检测模块100可设置于可移动设备内或与可移动设备连接,无需依赖制定的专业检测设备拍摄目标产品的外观图像,可移动设备可包括手机、平板、笔记本、掌上电脑及摄像机等设备,如图2,图2为本发明缺陷检测系统第一实施例的流程示意图,检测模块100执行采集产品条码与拍摄检测照片的步骤,检测模块100获取目标产品的条码信息,目标产品可为待进行外观缺陷检测的产品,每个目标产品都有其唯一对应的条码,产品条码还可以为一维码、二维码或任意可进行产品追溯的流水码,检测模块100检测到目标产品的条码后可获取到条码信息,条码信息可包括目标产品对应的型号信息、编号信息即生产日期等信息。
可以理解的是,检测模块100读取到条码信息后可对目标产品进行拍摄,拍摄检测照片时,检测模块100还可以根据目标产品的类型在拍摄图像中生成辅助拍摄框图,辅助拍摄框图可为矩行、产品边界连接的曲线行或根据检测人员的实际需求设定的任意形状,检测模块100与镜头连接,可通过调整镜头位置使得目标产品需要被拍摄的区域均在辅助拍摄框图中,从而防止对目标产品拍摄的外观图像出现不完整,位置偏差较大等异常情况出现,以提高外观缺陷检测的准确率。
所述样本管理模块200,用于获取标准样本信息,根据所述标准样本信息获取样本图像信息,将所述样本图像信息发送至所述图像处理模块300。
应当理解的是,样本管理模块200可为缺陷检测系统中提供学习样本的功能模块,如图2,样本管理模块200执行采集学习样本的步骤,样本管理模块200可对样本产品及场景进行定义,如设定作为样本的产品类型及数量,检测场景可为工厂流水线类固定场景或复杂的场景,复杂场景较固定场景需更注意场景中对光源、检测点及检测内容的设置。标准样本信息可包括作为样本的产品的条码信息、场景信息及检测区域信息等,场景信息可以包括光源信息及拍摄角度信息(如正视、侧视或俯视等)等信息,检测区域信息可为产品需要被检测的区域的位置信息。样本管理模块200根据标准样本信息拍摄作为样本的产品的图片,样本图像信息可为样本产品的图片信息,本实施例不加以限制。
所述图像处理模块300,用于接收所述外观图像信息、所述条码信息及所述样本图像信息,根据所述外观图像信息、所述条码信息及所述样本图像信息进行外观缺陷检测,得到所述目标产品的缺陷检测信息,以完成缺陷自动识别。
需要说明的是,图像处理模块300可采用无线网络(如5G网络、蓝牙、WIFI)或有线网络(如局域网)的方式接收外观图像信息、条码信息及样本图像信息,图像处理模块300可设置与计算设备内或于计算设备连接,在具体实现中,图像处理模块300可将接收的外观图像信息、条码信息及样本图像信息提交至云端,云端可进行基于人工智能图像处理算法的运算,图像处理算法可以是自研图像算法,也可以是自购或开源图像算法。图像处理算法算法具备人工智能算法的优点,无需定义复杂的缺陷分类,同时可以进行少量样本学习,保障检测场景变化后的学习效率,图像处理模块300可通过云端的大数据运算能力进行外观缺陷检测,从而降低硬件成本,同时保证数据安全,采用大数据运算无需将学习和判定的功能分割,因此无需将学习后的数据下载到本地,实现在线学习与推理。
易于理解的是,如图2,图像处理模块300可通过云端执行外观缺陷检测及反馈检测结果的步骤,云端可根据条码信息在样本图像信息中匹配目标产品对应的图像信息,通过图像算法对外观图像信息与匹配的样本图像信息进行复杂的计算工作,以通过图像检测得到外观缺陷检测结果即缺陷检测信息,缺陷检测信息可包括缺陷位置信息、缺陷等级信息及缺陷产品条码信息等信息,缺陷等级可通过缺陷产品较标准样本的损伤程度进行判定,本实施例不加以限制。
所述检测模块100,还用于接收所述图像处理模块300反馈的所述缺陷检测信息,以根据所述缺陷检测信息展示检测结果,实现信息交互。
易于理解的是,图像处理模块300得到的缺陷检测信息可以反馈至检测模块100或样本管理模块200,由检测模块100或样本管理模块200将检测结果展示给检测人员,以使检测人员根据缺陷检测信息了解目标产品是否合格或根据缺陷检测信息对目标产品的异常情况进行二次判定,可实现缺陷检测系统内各模块间的信息交互及缺陷检测系统与检测人员间的数据交互。
本实施例通过缺陷检测系统包括依次连接的检测模块100、图像处理模块300及样本管理模块200,检测模块100获取目标产品的条码信息,根据条码信息获取目标产品的外观图像信息,将外观图像信息与条码信息发送至图像处理模块300,样本管理模块200获取标准样本信息,根据标准样本信息获取样本图像信息,将样本图像信息发送至图像处理模块300,图像处理模块300接收外观图像信息、条码信息及样本图像信息,根据外观图像信息、条码信息及样本图像信息进行外观缺陷检测,得到目标产品的缺陷检测信息,检测模块100接收图像处理模块300反馈的缺陷检测信息,以根据缺陷检测信息展示检测结果,实现信息交互,无需定制设备和专业人员操作完成缺陷自动识别,降低检测成本。
进一步,参考图3,图3为本发明缺陷检测系统第二实施例的结构示意图,本发明根据第一实施例提出缺陷检测系统第二实施例。
本实施例中,所述样本管理模块200包括产品管理单元202及场景管理单元201,所述产品管理单元202与所述场景管理单元201连接,所述场景管理单元201与所述图像处理模块300连接;
所述产品管理单元202,用于获取样本条码信息,将所述样本条码信息发送至所述场景管理单元201;
所述场景管理单元201,用于根据所述样本条码信息获取所述标准场景信息,根据所述标准场景信息获取所述标准样本信息,根据所述标准样本信息获取样本图像信息,将所述样本图像信息发送至所述图像处理模块300。
可以理解的是,如图4,图4为本发明缺陷检测系统第二实施例的流程示意图,产品管理单元202可采集样本产品的条码作为样本条码信息,根据样本条码信息可以确定样本产品的参考类型,如样本产品种类及样本产品数量,产品管理单元202将样本条码信息发送至场景管理单元201,以使场景管理单元201根据样本条码信息获取标准场景信息,本实施例不加以限制。
易于理解的是,场景管理单元201可对样本产品所在检测场景进行定义,检测场景可为工厂流水线类固定场景或复杂的场景,复杂场景较固定场景需更注意场景中对光源、检测点及检测内容的设置。标准场景信息可以包括光源信息及拍摄角度信息(如正视、侧视或俯视等)等信息,标准样本信息可包括作为样本的产品的条码信息、场景信息及检测区域信息等,检测区域信息可为产品需要被检测的区域的位置信息。场景管理单元201拍摄学习样品后可进行图像压缩处理再向图像处理模块300提交学习样本,在具体实现中也可省略图像压缩处理的步骤,本实施例不加以限制。
本实施例中,所述缺陷检测系统还包括检测数据管理模块400,所述检测数据管理模块400与所述图像处理模块300;
所述检测数据管理模块400,用于接收所述图像处理模块300反馈的所述缺陷检测信息,根据所述缺陷检测信息生成检测质量信息,以根据所述检测质量信息进行质量分析。
应当理解的是,检测数据管理模块400可以导出存储在图像处理模块300的缺陷检测信息,对所有目标产品对应的缺陷检测信息进行记录与分析,从而得到检测质量信息,检测质量信息可包括目标产品的合格率信息、缺陷等级信息及缺陷检测质量信息,缺陷检测质量信息可为缺陷检测系统的检测结果与实际缺陷的偏差率,以根据所述检测质量信息进行质量分析,提高系统的检测效率。
所述缺陷检测系统还包括用户管理模块500,所述用户管理模块500与所述检测数据管理模块400连接;
所述用户管理模块500,用于获取检测人员身份信息与权限人员身份信息,根据所述检测人员身份信息与所述权限人员身份信息生成使用信息,将所述使用信息发送至所述检测数据管理模块400,以使所述检测数据管理模块400根据所述使用信息接收所述缺陷检测信息。
可以理解的是,用户管理模块500可以对个人用户及企业用户的身份信息管理,并定义不同使用人员的权限,由用户管理模块500认证的人员(如对检测模块100进行信息录入的现场检测人员及对检测质量信息进行导出的质量人员)才可获取缺陷检测系统的相关信息。
在具体实现中,用户管理模块500获取检测人员身份信息,检测人员身份信息可以为每个检测人员唯一对应的编码信息,权限人员身份信息可为已认证成功的检测人员的编码信息,若检测人员身份信息与权限人员身份信息匹配成功,则可生成使用信息,使用信息可表示检测人员认证成功,可进行后续操作,以使检测数据管理模块400根据使用信息接收缺陷检测信息,检测人员可检测数据管理模块400导出检测质量信息。用户管理模块500还可以具有外置传感器的管理、服务支付费用的管理、其它账户管理及使用指导等功能,本实施例不加以限制。
所述缺陷检测系统还包括用户信息存储模块600,所述用户信息存储模块600与所述用户管理模块500连接;
所述用户信息存储模块600,用于接收所述用户管理模块500发送的所述权限人员身份信息及所述使用信息,根据所述权限人员身份信息及所述使用信息生成用户存储信息,以对所述用户存储信息进行储存。
易于理解的是,用户信息存储模块600可根据权限人员身份信息及使用信息生成用户存储信息,用户存储信息可包括已认证成功的检测人员的编码信息及已认证成功的检测人员对应的认证时间信息,本实施例不加以限制。
本实施例中,所述缺陷检测系统还包括异常数据管理模块700,所述异常数据管理模块700分别与所述检测模块100及所述图像处理模块300连接;
所述异常数据管理模块700,用于接收所述检测模块100发送的所述外观图像信息与所述条码信息,根据所述外观图像信息与所述条码信息生成异常检测信息,将所述异常检测信息发送至所述图像处理模块300,以使所述图像处理模块300对异常检测信息进行储存。
应当理解的是,异常数据管理模块700可以根据外观图像信息对目标产品的外观图像进行初步判定,将目标产品拍摄的外观图像出现不完整或位置偏差较大的图像作为异常图像,异常检测信息可包括异常区域位置信息、异常图像对应的产品条码信息,以使图像处理模块300对异常检测信息进行储存与学习,若图像处理模块根据外观图像信息对目标产品的外观图像进行判定的结果与异常检测信息不一致,则可触发图像处理模块再次进行人工智能学习,以提高图像处理模块判定的准确度,本实施例不加以限制。
所述缺陷检测系统还包括图像存储模块800,所述图像存储模块800与所述图像处理模块300连接;
所述图像存储模块800,用于接收所述图像处理模块300发送的所述外观图像信息及所述样本图像信息,根据所述外观图像信息及所述样本图像信息生成图像存储信息,以对所述图像存储信息进行储存。
可以理解的是,图像存储模块800可根据外观图像信息及样本图像信息生成图像存储信息,图像存储信息可包括目标产品的外观图像信息与其对应的样本图像信息,图像存储模块800对图像存储信息进行储存,以方便后续对目标产品的外观缺陷检测结果进行校验,从而提高系统检测的准确率,本实施例不加以限制。
所述缺陷检测系统还包括数据存储模块900,所述数据存储模块900与所述图像处理模块300连接;
所述数据存储模块900,用于接收所述图像处理模块300发送的所述缺陷检测信息,以对所述缺陷检测信息进行储存。
易于理解的是,数据存储模块900接收图像处理模块300生成的缺陷检测信息,对缺陷检测信息进行储存,以方便后续对目标产品的外观缺陷检测结果进行校验,从而提高系统检测的准确率,本实施例不加以限制。
本实施例通过,样本管理模块200包括产品管理单元202及场景管理单元201,缺陷检测系统还包括检测数据管理模块400、用户管理模块500、用户信息存储模块600、异常数据管理模块700、图像存储模块800及数据存储模块900,其中,检测模块100、产品管理单元202、场景管理单元201、检测数据管理模块400、异常数据管理模块700及用户管理模块500可作为检查终端部署的模块实现图像采集与信息管理的功能,图像处理模块300、用户信息存储模块600、图像存储模块800及数据存储模块900可作为计算端部署的模块实现图像处理运算与信息存储的功能,提高缺陷检测系统的检测效率与准确率。
此外,为实现上述目的,本发明还提供一种缺陷检测方法,如图5,图5为本发明缺陷检测方法第一实施例的流程示意图,所述缺陷检测方法应用于上文所述的缺陷检测系统,所述缺陷检测系统包括:检测模块、图像处理模块及样本管理模块;
所述缺陷检测方法包括:
步骤S10:所述检测模块获取目标产品的条码信息,根据所述条码信息获取所述目标产品的外观图像信息,将所述外观图像信息与所述条码信息发送至所述图像处理模块。
需要说明地是,检测模块可为缺陷检测系统的核心检测功能模块,检测模块可设置于可移动设备内或与可移动设备连接,无需依赖制定的专业检测设备拍摄目标产品的外观图像,可移动设备可包括手机、平板、笔记本、掌上电脑及摄像机等设备,如图2,图2为本发明缺陷检测系统第一实施例的流程示意图,检测模块执行采集产品条码与拍摄检测照片的步骤,检测模块获取目标产品的条码信息,目标产品可为待进行外观缺陷检测的产品,每个目标产品都有其唯一对应的条码,产品条码还可以为一维码、二维码或任意可进行产品追溯的流水码,检测模块检测到目标产品的条码后可获取到条码信息,条码信息可包括目标产品对应的型号信息、编号信息即生产日期等信息。
可以理解的是,检测模块读取到条码信息后可对目标产品进行拍摄,拍摄检测照片时,检测模块还可以根据目标产品的类型在拍摄图像中生成辅助拍摄框图,辅助拍摄框图可为矩行、产品边界连接的曲线行或根据检测人员的实际需求设定的任意形状,检测模块与镜头连接,可通过调整镜头位置使得目标产品需要被拍摄的区域均在辅助拍摄框图中,从而防止对目标产品拍摄的外观图像出现不完整,位置偏差较大等异常情况出现,以提高外观缺陷检测的准确率。
步骤S20:所述样本管理模块获取标准样本信息,根据所述标准样本信息获取样本图像信息,将所述样本图像信息发送至所述图像处理模块。
应当理解的是,样本管理模块可为缺陷检测系统中提供学习样本的功能模块,如图2,样本管理模块执行采集学习样本的步骤,样本管理模块可对样本产品及场景进行定义,如设定作为样本的产品类型及数量,检测场景可为工厂流水线类固定场景或复杂的场景,复杂场景较固定场景需更注意场景中对光源、检测点及检测内容的设置。标准样本信息可包括作为样本的产品的条码信息、场景信息及检测区域信息等,场景信息可以包括光源信息及拍摄角度信息(如正视、侧视或俯视等)等信息,检测区域信息可为产品需要被检测的区域的位置信息。样本管理模块根据标准样本信息拍摄作为样本的产品的图片,样本图像信息可为样本产品的图片信息,本实施例不加以限制。
步骤S30:所述图像处理模块接收所述外观图像信息、所述条码信息及所述样本图像信息,根据所述外观图像信息、所述条码信息及所述样本图像信息进行外观缺陷检测,得到所述目标产品的缺陷检测信息,以完成缺陷自动识别。
需要说明的是,图像处理模块可采用无线网络(如5G网络、蓝牙、WIFI)或有线网络(如局域网)的方式接收外观图像信息、条码信息及样本图像信息,图像处理模块可设置与计算设备内或于计算设备连接,在具体实现中,图像处理模块可将接收的外观图像信息、条码信息及样本图像信息提交至云端,云端可进行基于人工智能图像处理算法的运算,图像处理算法可以是自研图像算法,也可以是自购或开源图像算法。图像处理算法算法具备人工智能算法的优点,无需定义复杂的缺陷分类,同时可以进行少量样本学习,保障检测场景变化后的学习效率,图像处理模块可通过云端的大数据运算能力进行外观缺陷检测,从而降低硬件成本,同时保证数据安全,采用大数据运算无需将学习和判定的功能分割,因此无需将学习后的数据下载到本地,实现在线学习与推理。
易于理解的是,如图2,图像处理模块可通过云端执行外观缺陷检测及反馈检测结果的步骤,云端可根据条码信息在样本图像信息中匹配目标产品对应的图像信息,通过图像算法对外观图像信息与匹配的样本图像信息进行复杂的计算工作,以通过图像检测得到外观缺陷检测结果即缺陷检测信息,缺陷检测信息可包括缺陷位置信息、缺陷等级信息及缺陷产品条码信息等信息,缺陷等级可通过缺陷产品较标准样本的损伤程度进行判定,本实施例不加以限制。
步骤S40:所述检测模块接收所述图像处理模块反馈的所述缺陷检测信息,以根据所述缺陷检测信息展示检测结果,实现信息交互。
易于理解的是,图像处理模块得到的缺陷检测信息可以反馈至检测模块或样本管理模块,由检测模块或样本管理模块将检测结果展示给检测人员,以使检测人员根据缺陷检测信息了解目标产品是否合格或根据缺陷检测信息对目标产品的异常情况进行二次判定,可实现缺陷检测系统内各模块间的信息交互及缺陷检测系统与检测人员间的数据交互。
本实施例通过缺陷检测系统包括依次连接的检测模块、图像处理模块及样本管理模块,检测模块获取目标产品的条码信息,根据条码信息获取目标产品的外观图像信息,将外观图像信息与条码信息发送至图像处理模块,样本管理模块获取标准样本信息,根据标准样本信息获取样本图像信息,将样本图像信息发送至图像处理模块,图像处理模块接收外观图像信息、条码信息及样本图像信息,根据外观图像信息、条码信息及样本图像信息进行外观缺陷检测,得到目标产品的缺陷检测信息,检测模块接收图像处理模块反馈的缺陷检测信息,以根据缺陷检测信息展示检测结果,实现信息交互,无需定制设备和专业人员操作完成缺陷自动识别,降低检测成本。
此外,为实现上述目的,本发明还提出一种缺陷检测装置,所述缺陷检测装置包含如上文所述的缺陷检测系统或所述的缺陷检测方法。
由于本缺陷检测装置采用了上述所有实施例的全部技术方案,因此至少具有上述实施例的技术方案所带来的所有有益效果,在此不再一一赘述。
应当理解的是,以上仅为举例说明,对本发明的技术方案并不构成任何限定,在具体应用中,本领域的技术人员可以根据需要进行设置,本发明对此不做限制。
需要说明的是,以上所描述的工作流程仅仅是示意性的,并不对本发明的保护范围构成限定,在实际应用中,本领域的技术人员可以根据实际的需要选择其中的部分或者全部来实现本实施例方案的目的,此处不做限制。
另外,未在本实施例中详尽描述的技术细节,可参见本发明任意实施例所提供的缺陷检测系统、方法及装置,此处不再赘述。
此外,需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如只读存储器(Read Only Memory,ROM)/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种基于人工智能图像处理的缺陷检测系统,其特征在于,所述缺陷检测系统包括依次连接的检测模块、图像处理模块及样本管理模块;
所述检测模块,用于获取目标产品的条码信息,根据所述条码信息获取所述目标产品的外观图像信息,将所述外观图像信息与所述条码信息发送至所述图像处理模块;
所述样本管理模块,用于获取标准样本信息,根据所述标准样本信息获取样本图像信息,将所述样本图像信息发送至所述图像处理模块;
所述图像处理模块,用于接收所述外观图像信息、所述条码信息及所述样本图像信息,根据所述外观图像信息、所述条码信息及所述样本图像信息进行外观缺陷检测,得到所述目标产品的缺陷检测信息,以完成缺陷自动识别;
所述检测模块,还用于接收所述图像处理模块反馈的所述缺陷检测信息,以根据所述缺陷检测信息展示检测结果,实现信息交互。
2.如权利要求1所述的缺陷检测系统,其特征在于,所述样本管理模块包括产品管理单元及场景管理单元,所述产品管理单元与所述场景管理单元连接,所述场景管理单元与所述图像处理模块连接;
所述产品管理单元,用于获取样本条码信息,将所述样本条码信息发送至所述场景管理单元;
所述场景管理单元,用于根据所述样本条码信息获取所述标准场景信息,根据所述标准场景信息获取所述标准样本信息,根据所述标准样本信息获取样本图像信息,将所述样本图像信息发送至所述图像处理模块。
3.如权利要求1所述的缺陷检测系统,其特征在于,所述缺陷检测系统还包括检测数据管理模块,所述检测数据管理模块与所述图像处理模块;
所述检测数据管理模块,用于接收所述图像处理模块反馈的所述缺陷检测信息,根据所述缺陷检测信息生成检测质量信息,以根据所述检测质量信息进行质量分析。
4.如权利要求3所述的缺陷检测系统,其特征在于,所述缺陷检测系统还包括用户管理模块,所述用户管理模块与所述检测数据管理模块连接;
所述用户管理模块,用于获取检测人员身份信息与权限人员身份信息,根据所述检测人员身份信息与所述权限人员身份信息生成使用信息,将所述使用信息发送至所述检测数据管理模块,以使所述检测数据管理模块根据所述使用信息接收所述缺陷检测信息。
5.如权利要求4所述的缺陷检测系统,其特征在于,所述缺陷检测系统还包括用户信息存储模块,所述用户信息存储模块与所述用户管理模块连接;
所述用户信息存储模块,用于接收所述用户管理模块发送的所述权限人员身份信息及所述使用信息,根据所述权限人员身份信息及所述使用信息生成用户存储信息,以对所述用户存储信息进行储存。
6.如权利要求1至5任一项所述的缺陷检测系统,其特征在于,所述缺陷检测系统还包括异常数据管理模块,所述异常数据管理模块分别与所述检测模块及所述图像处理模块连接;
所述异常数据管理模块,用于接收所述检测模块发送的所述外观图像信息与所述条码信息,根据所述外观图像信息与所述条码信息生成异常检测信息,将所述异常检测信息发送至所述图像处理模块,以使所述图像处理模块对异常检测信息进行储存与学习。
7.如权利要求1至5任一项所述的缺陷检测系统,其特征在于,所述缺陷检测系统还包括图像存储模块,所述图像存储模块与所述图像处理模块连接;
所述图像存储模块,用于接收所述图像处理模块发送的所述外观图像信息及所述样本图像信息,根据所述外观图像信息及所述样本图像信息生成图像存储信息,以对所述图像存储信息进行储存。
8.如权利要求1至5任一项所述的缺陷检测系统,其特征在于,所述缺陷检测系统还包括数据存储模块,所述数据存储模块与所述图像处理模块连接;
所述数据存储模块,用于接收所述图像处理模块发送的所述缺陷检测信息,以对所述缺陷检测信息进行储存。
9.一种缺陷检测方法,其特征在于,所述缺陷检测方法应用于如权利要求1至8中任一项所述的缺陷检测系统,所述缺陷检测系统包括:检测模块、图像处理模块及样本管理模块;
所述缺陷检测方法包括:
所述检测模块获取目标产品的条码信息,根据所述条码信息获取所述目标产品的外观图像信息,将所述外观图像信息与所述条码信息发送至所述图像处理模块;
所述样本管理模块获取标准样本信息,根据所述标准样本信息获取样本图像信息,将所述样本图像信息发送至所述图像处理模块;
所述图像处理模块接收所述外观图像信息、所述条码信息及所述样本图像信息,根据所述外观图像信息、所述条码信息及所述样本图像信息进行外观缺陷检测,得到所述目标产品的缺陷检测信息,以完成缺陷自动识别;
所述检测模块接收所述图像处理模块反馈的所述缺陷检测信息,以根据所述缺陷检测信息展示检测结果,实现信息交互。
10.一种缺陷检测装置,其特征在于,所述缺陷检测装置包含如权利要求1至8任一项所述的缺陷检测系统或如权利要求9中所述的缺陷检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110542734.2A CN113393424A (zh) | 2021-05-18 | 2021-05-18 | 基于人工智能图像处理的缺陷检测系统、方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110542734.2A CN113393424A (zh) | 2021-05-18 | 2021-05-18 | 基于人工智能图像处理的缺陷检测系统、方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113393424A true CN113393424A (zh) | 2021-09-14 |
Family
ID=77618026
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110542734.2A Pending CN113393424A (zh) | 2021-05-18 | 2021-05-18 | 基于人工智能图像处理的缺陷检测系统、方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113393424A (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108627520A (zh) * | 2018-05-25 | 2018-10-09 | 北京英斯派克科技有限公司 | 一种非均质固体材料外观质量的在线检测系统和方法 |
CN111157544A (zh) * | 2019-06-24 | 2020-05-15 | 上海明据信息科技有限公司 | 一种基于图像识别的汽车大灯产品质量缺陷检测智能系统 |
-
2021
- 2021-05-18 CN CN202110542734.2A patent/CN113393424A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108627520A (zh) * | 2018-05-25 | 2018-10-09 | 北京英斯派克科技有限公司 | 一种非均质固体材料外观质量的在线检测系统和方法 |
CN111157544A (zh) * | 2019-06-24 | 2020-05-15 | 上海明据信息科技有限公司 | 一种基于图像识别的汽车大灯产品质量缺陷检测智能系统 |
Non-Patent Citations (1)
Title |
---|
李磊: "《嵌入式系统与云计算开发 基于Android系统的实验案例基础教程》", 30 September 2018, 北京航空航天大学出版社 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109559458B (zh) | 基于神经网络识别商品的收银方法以及自助收银台 | |
US11720871B2 (en) | Low-cost computerized kiosks for remote collection of electronic devices for value | |
US9639535B1 (en) | Waste identification systems and methods | |
US20230282055A1 (en) | Low-cost apparatus and method for distributed remote collection of electronic devices for value | |
CN112508109B (zh) | 一种图像识别模型的训练方法及装置 | |
CN104915645A (zh) | 一种数据处理方法及系统 | |
CN112001200A (zh) | 识别码识别方法、装置、设备、存储介质和系统 | |
CN107423944A (zh) | 一种便携式一站式检测服务系统及方法 | |
CN114170435A (zh) | 回收检测的外观影像筛选方法及装置 | |
CN111753608A (zh) | 信息处理方法及装置、电子设备及存储介质 | |
CN114429826A (zh) | 抗原检测结果的处理方法、系统、电子设备及存储介质 | |
CN107607205A (zh) | 线束颜色顺序检测系统和方法 | |
CN109858980B (zh) | 基于开源ocr上的高速扫描增值税发票勾选认证系统及方法 | |
CN112215222A (zh) | 车牌识别方法、装置、设备及存储介质 | |
KR20190031435A (ko) | 폐기물 식별 시스템 및 방법 | |
CN116449999A (zh) | 包裹安检登记方法、装置、设备和存储介质 | |
CN113393424A (zh) | 基于人工智能图像处理的缺陷检测系统、方法及装置 | |
CN116882928A (zh) | 商户签约资质审核方法、装置及电子设备 | |
CN111047731A (zh) | 一种基于ar技术的电信机房巡检方法及系统 | |
US7519237B2 (en) | Method for characterizing stored information | |
CN115797292A (zh) | 图像质量检测方法、表面缺陷检测方法、设备及存储介质 | |
CN115631169A (zh) | 产品检测方法、装置、电子设备及存储介质 | |
WO2017219562A1 (zh) | 一种二维码生成方法及装置 | |
CN114386019A (zh) | 安检操作记录方法、装置、电子设备及计算机可读介质 | |
CN113112659A (zh) | 一种物品处理方法、装置、电子设备和可读存储介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210914 |
|
RJ01 | Rejection of invention patent application after publication |