CN114723748B - 电机控制器的检测方法、装置、设备及存储介质 - Google Patents
电机控制器的检测方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN114723748B CN114723748B CN202210629280.7A CN202210629280A CN114723748B CN 114723748 B CN114723748 B CN 114723748B CN 202210629280 A CN202210629280 A CN 202210629280A CN 114723748 B CN114723748 B CN 114723748B
- Authority
- CN
- China
- Prior art keywords
- image
- defect detection
- electroplating
- fusion
- images
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 442
- 238000003860 storage Methods 0.000 title claims abstract description 24
- 230000007547 defect Effects 0.000 claims abstract description 307
- 230000004927 fusion Effects 0.000 claims abstract description 186
- 238000009713 electroplating Methods 0.000 claims abstract description 167
- 238000012545 processing Methods 0.000 claims abstract description 57
- 238000000034 method Methods 0.000 claims abstract description 19
- 238000007747 plating Methods 0.000 claims description 21
- 238000005520 cutting process Methods 0.000 claims description 17
- 230000009467 reduction Effects 0.000 claims description 14
- 238000013528 artificial neural network Methods 0.000 claims description 10
- 238000011176 pooling Methods 0.000 claims description 10
- 230000004913 activation Effects 0.000 claims description 9
- 238000007781 pre-processing Methods 0.000 claims description 6
- 230000007306 turnover Effects 0.000 claims description 5
- 230000002708 enhancing effect Effects 0.000 claims description 4
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 238000013473 artificial intelligence Methods 0.000 abstract description 2
- 238000012549 training Methods 0.000 description 18
- 238000013145 classification model Methods 0.000 description 14
- 230000006870 function Effects 0.000 description 8
- 238000005315 distribution function Methods 0.000 description 7
- 230000001186 cumulative effect Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000009826 distribution Methods 0.000 description 4
- 238000010606 normalization Methods 0.000 description 3
- 239000000284 extract Substances 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000007499 fusion processing Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 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
- 230000002085 persistent effect Effects 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 230000000007 visual effect Effects 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
-
- 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
-
- 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
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/60—Other road transportation technologies with climate change mitigation effect
- Y02T10/72—Electric energy management in electromobility
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及人工智能领域，公开了一种电机控制器的检测方法、装置、设备及存储介质，用于提高电机控制器的检测准确率。所述方法包括：将第一融合图像输入预置的接口缺陷检测模型进行接口位置缺陷检测，得到接口缺陷检测结果，其中，接口缺陷检测结果用于指示待检测电机控制器的接口位置是否存在偏移；将第一融合图像和第二融合图像输入预置的电镀缺陷检测模型进行表面电镀缺陷检测，得到电镀缺陷检测结果，其中，电镀缺陷检测结果包括：电镀缺陷类型信息和电镀缺陷位置信息；将接口缺陷检测结果和电镀缺陷检测结果作为待检测电机控制器的目标检测结果，并根据目标检测结果生成待检测电机控制器的目标处理方案。
Description
技术领域
本发明涉及人工智能领域，尤其涉及一种电机控制器的检测方法、装置、设备及存储介质。
背景技术
电机控制器做为新能源汽车生产中的关键要素之一，质量的可靠性是用户关注的重要问题。从原材料到成品，都要接受来自质检品控工作人员的全方位“监督”。电机控制器是通过集成电路的主动工作来控制电机按照设定的方向，速度，角度，响应时间进行工作。使得电机应用范围更为广泛，输出效率更高，噪音更小等优点。
现有方案在进行电机控制器质量检测时，往往是通过人工经验进行挨个检查，人工经验在面对一些微小的缺陷时很难检查出来，即现有方案的准确率低。
发明内容
本发明提供了一种电机控制器的检测方法、装置、设备及存储介质，用于提高电机控制器的检测准确率。
本发明第一方面提供了一种电机控制器的检测方法，所述电机控制器的检测方法包括：获取待检测电机控制器的多个控制器外部图像，并对所述多个控制器外部图像进行裁剪、降噪和对比度增强处理，得到多个标准控制器图像，其中，所述多个控制器外部图像用于指示所述待检测电机控制器的多个图像采集方位对应的图像；根据所述多个图像采集方位对所述多个标准控制器图像进行图像分类，得到侧面图像集和底面图像集，其中，所述侧面图像集包括多个侧面图像，所述底面图像集包括上底面图像和下底面图像；对所述侧面图像集中的多个侧面图像进行图像融合，得到第一融合图像，并对所述底面图像集中的上底面图像和下底面图像进行图像融合，得到第二融合图像；将所述第一融合图像输入预置的接口缺陷检测模型进行接口位置缺陷检测，得到接口缺陷检测结果，其中，所述接口缺陷检测结果用于指示所述待检测电机控制器的接口位置是否存在偏移；将所述第一融合图像和所述第二融合图像输入预置的电镀缺陷检测模型进行表面电镀缺陷检测，得到电镀缺陷检测结果，其中，所述电镀缺陷检测结果包括：电镀缺陷类型信息和电镀缺陷位置信息；将所述接口缺陷检测结果和所述电镀缺陷检测结果作为所述待检测电机控制器的目标检测结果，并根据所述目标检测结果生成所述待检测电机控制器的目标处理方案。
可选的，在本发明第一方面的第一种实现方式中，所述获取待检测电机控制器的多个控制器外部图像，并对所述多个控制器外部图像进行裁剪、降噪和对比度增强处理，得到多个标准控制器图像，其中，所述多个控制器外部图像用于指示所述待检测电机控制器的多个图像采集方位对应的图像，包括：接收图像采集指令，并根据所述图像采集指令调用预设于待检测电机控制器的多个图像采集终端，其中，所述多个图像采集终端位于多个图像采集方位；通过所述多个图像采集终端采集所述待检测电机控制器的多个控制器外部图像；按照预设的图像尺寸对所述多个控制器外部图像进行裁剪，得到多个标准尺寸图像；对所述多个标准尺寸图像进行降噪处理，得到多个高清图像；对所述多个高清图像进行对比度增强处理，得到多个标准控制器图像。
可选的，在本发明第一方面的第二种实现方式中，所述对所述侧面图像集中的多个侧面图像进行图像融合，得到第一融合图像，并对所述底面图像集中的上底面图像和下底面图像进行图像融合，得到第二融合图像，包括：按照预设的侧面图像融合顺序对所述侧面图像集中的多个侧面图像进行图像排序，得到目标排列图像；调用预置的图像融合算法对所述目标排列图像进行图像融合，得到第一融合图像；对所述底面图像集中的下底面图像进行图像翻转，得到翻转图像；通过所述图像融合算法对所述翻转图像和所述上底面图像进行图像融合，得到第二融合图像。
可选的，在本发明第一方面的第三种实现方式中，所述将所述第一融合图像输入预置的接口缺陷检测模型进行接口位置缺陷检测，得到接口缺陷检测结果，其中，所述接口缺陷检测结果用于指示所述待检测电机控制器的接口位置是否存在偏移，包括：将所述第一融合图像输入预置的接口缺陷检测模型，其中，所述接口缺陷检测模型包括：残差网络、卷积网络、池化层和激活层；通过所述接口缺陷检测模型对所述第一融合图像进行接口缺陷检测，生成检测图像，其中，所述检测图像中携带有接口位置标注信息；对所述接口位置标注信息和预置的标准接口参数信息进行比对，生成比对结果；根据所述比对结果确定所述待检测电机控制器的接口位置是否存在偏移，得到接口缺陷检测结果。
可选的，在本发明第一方面的第四种实现方式中，所述将所述第一融合图像和所述第二融合图像输入预置的电镀缺陷检测模型进行表面电镀缺陷检测，得到电镀缺陷检测结果，其中，所述电镀缺陷检测结果包括：电镀缺陷类型信息和电镀缺陷位置信息，包括：将所述第一融合图像和所述第二融合图像输入预置的电镀缺陷检测模型，并通过所述电镀缺陷检测模型分别提取所述第一融合图像和所述第二融合图像的电镀区域，得到第一区域图像和第二区域图像；通过所述电镀缺陷检测模型中的神经网络对所述第一区域图像和所述第二区域图像进行亮度检测，得到第一亮度图像和第二亮度图像；根据所述第一亮度图像生成所述第一融合图像对应的第一检测结果，并根据所述第二亮度图像生成所述第二融合图像对应的第二检测结果；对所述第一检测结果和所述第二检测结果进行结果整合，得到电镀缺陷检测结果，其中，所述电镀缺陷检测结果包括：电镀缺陷类型信息和电镀缺陷位置信息。
可选的，在本发明第一方面的第五种实现方式中，所述将所述接口缺陷检测结果和所述电镀缺陷检测结果作为所述待检测电机控制器的目标检测结果，并根据所述目标检测结果生成所述待检测电机控制器的目标处理方案，包括：将所述接口缺陷检测结果和所述电镀缺陷检测结果作为所述待检测电机控制器的目标检测结果，其中所述目标检测结果包括：合格和不合格；若合格，则确定目标处理方案为对所述待检测电机控制器进行下一轮检测；若不合格，则确定目标处理方案为对所述待检测电机控制器进行剔除，并对所述待检测电机控制器进行回收。
可选的，在本发明第一方面的第六种实现方式中，所述电机控制器的检测方法还包括：从所述上底面图像中获取所述待检测电机控制器的铭牌图像；对所述铭牌图像进行图像预处理和区域选取，得到目标区域图像；将所述目标区域图像输入预置的文字识别模型进行区域文字检测和文本识别，得到目标文本数据；根据所述目标文本数据和预设的产品信息判断所述待检测电机控制器是否符合产品标准，得到判断结果。
本发明第二方面提供了一种电机控制器的检测装置，所述电机控制器的检测装置包括：获取模块，用于获取待检测电机控制器的多个控制器外部图像，并对所述多个控制器外部图像进行裁剪、降噪和对比度增强处理，得到多个标准控制器图像，其中，所述多个控制器外部图像用于指示所述待检测电机控制器的多个图像采集方位对应的图像；分类模块，用于根据所述多个图像采集方位对所述多个标准控制器图像进行图像分类，得到侧面图像集和底面图像集，其中，所述侧面图像集包括多个侧面图像，所述底面图像集包括上底面图像和下底面图像；融合模块，用于对所述侧面图像集中的多个侧面图像进行图像融合，得到第一融合图像，并对所述底面图像集中的上底面图像和下底面图像进行图像融合，得到第二融合图像；第一检测模块，用于将所述第一融合图像输入预置的接口缺陷检测模型进行接口位置缺陷检测，得到接口缺陷检测结果，其中，所述接口缺陷检测结果用于指示所述待检测电机控制器的接口位置是否存在偏移；第二检测模块，用于将所述第一融合图像和所述第二融合图像输入预置的电镀缺陷检测模型进行表面电镀缺陷检测，得到电镀缺陷检测结果，其中，所述电镀缺陷检测结果包括：电镀缺陷类型信息和电镀缺陷位置信息；输出模块，用于将所述接口缺陷检测结果和所述电镀缺陷检测结果作为所述待检测电机控制器的目标检测结果，并根据所述目标检测结果生成所述待检测电机控制器的目标处理方案。
可选的，在本发明第二方面的第一种实现方式中，所述获取模块具体用于：接收图像采集指令，并根据所述图像采集指令调用预设于待检测电机控制器的多个图像采集终端，其中，所述多个图像采集终端位于多个图像采集方位；通过所述多个图像采集终端采集所述待检测电机控制器的多个控制器外部图像；按照预设的图像尺寸对所述多个控制器外部图像进行裁剪，得到多个标准尺寸图像；对所述多个标准尺寸图像进行降噪处理，得到多个高清图像；对所述多个高清图像进行对比度增强处理，得到多个标准控制器图像。
可选的，在本发明第二方面的第二种实现方式中，所述融合模块具体用于：按照预设的侧面图像融合顺序对所述侧面图像集中的多个侧面图像进行图像排序，得到目标排列图像；调用预置的图像融合算法对所述目标排列图像进行图像融合，得到第一融合图像；对所述底面图像集中的下底面图像进行图像翻转，得到翻转图像；通过所述图像融合算法对所述翻转图像和所述上底面图像进行图像融合，得到第二融合图像。
可选的，在本发明第二方面的第三种实现方式中，所述第一检测模块具体用于：将所述第一融合图像输入预置的接口缺陷检测模型，其中，所述接口缺陷检测模型包括：残差网络、卷积网络、池化层和激活层；通过所述接口缺陷检测模型对所述第一融合图像进行接口缺陷检测，生成检测图像，其中，所述检测图像中携带有接口位置标注信息；对所述接口位置标注信息和预置的标准接口参数信息进行比对，生成比对结果；根据所述比对结果确定所述待检测电机控制器的接口位置是否存在偏移，得到接口缺陷检测结果。
可选的，在本发明第二方面的第四种实现方式中，所述第二检测模块具体用于：将所述第一融合图像和所述第二融合图像输入预置的电镀缺陷检测模型，并通过所述电镀缺陷检测模型分别提取所述第一融合图像和所述第二融合图像的电镀区域，得到第一区域图像和第二区域图像；通过所述电镀缺陷检测模型中的神经网络对所述第一区域图像和所述第二区域图像进行亮度检测，得到第一亮度图像和第二亮度图像；根据所述第一亮度图像生成所述第一融合图像对应的第一检测结果，并根据所述第二亮度图像生成所述第二融合图像对应的第二检测结果；对所述第一检测结果和所述第二检测结果进行结果整合，得到电镀缺陷检测结果，其中，所述电镀缺陷检测结果包括：电镀缺陷类型信息和电镀缺陷位置信息。
可选的，在本发明第二方面的第五种实现方式中，所述输出模块具体用于：将所述接口缺陷检测结果和所述电镀缺陷检测结果作为所述待检测电机控制器的目标检测结果，其中所述目标检测结果包括：合格和不合格；若合格，则确定目标处理方案为对所述待检测电机控制器进行下一轮检测；若不合格，则确定目标处理方案为对所述待检测电机控制器进行剔除，并对所述待检测电机控制器进行回收。
可选的，在本发明第二方面的第六种实现方式中，所述电机控制器的检测装置还包括：识别模块，用于从所述上底面图像中获取所述待检测电机控制器的铭牌图像；对所述铭牌图像进行图像预处理和区域选取，得到目标区域图像；将所述目标区域图像输入预置的文字识别模型进行区域文字检测和文本识别，得到目标文本数据；根据所述目标文本数据和预设的产品信息判断所述待检测电机控制器是否符合产品标准，得到判断结果。
本发明第三方面提供了一种电机控制器的检测设备，包括：存储器和至少一个处理器，所述存储器中存储有指令；所述至少一个处理器调用所述存储器中的所述指令，以使得所述电机控制器的检测设备执行上述的电机控制器的检测方法。
本发明的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述的电机控制器的检测方法。
本发明提供的技术方案中，获取待检测电机控制器的多个控制器外部图像，并对所述多个控制器外部图像进行裁剪、降噪和对比度增强处理，得到多个标准控制器图像，其中，所述多个控制器外部图像用于指示所述待检测电机控制器的多个图像采集方位对应的图像；根据所述多个图像采集方位对所述多个标准控制器图像进行图像分类，得到侧面图像集和底面图像集，其中，所述侧面图像集包括多个侧面图像，所述底面图像集包括上底面图像和下底面图像；对所述侧面图像集中的多个侧面图像进行图像融合，得到第一融合图像，并对所述底面图像集中的上底面图像和下底面图像进行图像融合，得到第二融合图像；将所述第一融合图像输入预置的接口缺陷检测模型进行接口位置缺陷检测，得到接口缺陷检测结果，其中，所述接口缺陷检测结果用于指示所述待检测电机控制器的接口位置是否存在偏移；将所述第一融合图像和所述第二融合图像输入预置的电镀缺陷检测模型进行表面电镀缺陷检测，得到电镀缺陷检测结果，其中，所述电镀缺陷检测结果包括：电镀缺陷类型信息和电镀缺陷位置信息；将所述接口缺陷检测结果和所述电镀缺陷检测结果作为所述待检测电机控制器的目标检测结果，并根据所述目标检测结果生成所述待检测电机控制器的目标处理方案。本发明通过对待检测电机控制器的多个控制器外部图像进行接口位置检测和电镀缺陷检测，通过图像融合提高了图像识别的准确率，进而提高了电机控制器的检测准确率。
附图说明
图1为本发明实施例中电机控制器的检测方法的一个实施例示意图；
图2为本发明实施例中电机控制器的检测方法的另一个实施例示意图；
图3为本发明实施例中电机控制器的检测装置的一个实施例示意图；
图4为本发明实施例中电机控制器的检测装置的另一个实施例示意图；
图5为本发明实施例中电机控制器的检测设备的一个实施例示意图。
具体实施方式
本发明实施例提供了一种电机控制器的检测方法、装置、设备及存储介质，用于提高电机控制器的检测准确率。本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等（如果存在）是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外，术语“包括”或“具有”及其任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
为便于理解，下面对本发明实施例的具体流程进行描述，请参阅图1，本发明实施例中电机控制器的检测方法的一个实施例包括：
101、获取待检测电机控制器的多个控制器外部图像，并对多个控制器外部图像进行裁剪、降噪和对比度增强处理，得到多个标准控制器图像，其中，多个控制器外部图像用于指示待检测电机控制器的多个图像采集方位对应的图像；
可以理解的是，本发明的执行主体可以为电机控制器的检测装置，还可以是终端或者服务器，具体此处不做限定。本发明实施例以服务器为执行主体为例进行说明。
需要说明的是，服务器获取待检测点击控制器的多个外部图像，并对该多个外部图像通过引导滤波算法进行预处理降噪，对多个外部图像进行分块，在每个子块中都求取该子块的频率分布函数，通过事先定义的阈值来对频率直方图进行裁剪，进行图像对比度增强，通过带噪声抑制的反锐化掩模算法，将多个外部图像按照细节信息的多少分为高、中、低细节区域来对原图像进行锐化处理，通过对比实验，设置多个外部图像在视觉上有明显效果的参数，有效提高图像清晰程度。
102、根据多个图像采集方位对多个标准控制器图像进行图像分类，得到侧面图像集和底面图像集，其中，侧面图像集包括多个侧面图像，底面图像集包括上底面图像和下底面图像；
需要说明的是，本发明实施例中，在根据上述多个图像采集方位对多尔衮标准控制器图像进行图像分类前，服务器先获取待分类的图像和图像分类模型，图像分类模型通过类别层级树、训练样本和基于最短路径的损失函数训练得到，类别层级树和训练样本用于对初始图像分类模型进行训练，得到图像分类模型，基于最短路径的损失函数用于对第一图像分类模型进行更新，得到图像分类模型，进而服务器调用图像分类模型对多个标准控制器图像进行分类识别，得到侧面图像集和底面图像集。
103、对侧面图像集中的多个侧面图像进行图像融合，得到第一融合图像，并对底面图像集中的上底面图像和下底面图像进行图像融合，得到第二融合图像；
需要说明的是，本发明实施例中，采集到的多个侧面图像是不同角度的图像，为了方便后续对图像进行缺陷检测时基于同一角度进行检测，本步骤需要对该多个侧面图像进行图像融合处理，即对该多个侧面图像进行按照预设的融合排列顺序进行图像排序，得到目标排列图像，此时针对上底面图像和上底面图像，服务器对下底面图像进行图像翻转，并与上底面图像进行图像融合，进而得到上述第一融合图像和第二融合图像。
104、将第一融合图像输入预置的接口缺陷检测模型进行接口位置缺陷检测，得到接口缺陷检测结果，其中，接口缺陷检测结果用于指示待检测电机控制器的接口位置是否存在偏移；
需要说明的是，上述接口缺陷检测模型包括：残差网络、卷积网络、池化层和激活层，本发明实施例中，服务器分别统计该残长网络及卷积网络对上述第一融合图像进行特征提取，得到特征图后，将该特征图输入池化层进行线性转换，得到归一化处理后的特征图片，最终服务器对该归一化处理后的特征图片输入至激活层通过激活函数对该归一化处理后的特征图片进行激活处理，进而得到目标检测图，进而服务器通过该目标检测图进行缺陷检测，得到对应的接口缺陷检测结果。
105、将第一融合图像和第二融合图像输入预置的电镀缺陷检测模型进行表面电镀缺陷检测，得到电镀缺陷检测结果，其中，电镀缺陷检测结果包括：电镀缺陷类型信息和电镀缺陷位置信息；
具体的，服务器将该第一融合图像和第二融合图像输入预置的电镀缺陷检测模型进行电镀区域提取，得到电镀区域，进而服务器对该电镀区域图片进行亮度检测，得到上述第一融合图像和第二融合图像对应的第一亮度图像和第二亮度图像，进而服务器欧诺个过该电镀缺陷检测模型对该第一亮度图像和第二亮度图像进行电镀缺陷检测，得到上述电镀缺陷检测结果。
106、将接口缺陷检测结果和电镀缺陷检测结果作为待检测电机控制器的目标检测结果，并根据目标检测结果生成待检测电机控制器的目标处理方案。
具体的，服务器对该接口缺陷检测结果及电镀缺陷检测结果进行检测分析，得到对应的检测结果，其中，该目标检测结果包括合格和不合格两种类型，进而服务器根据该目标检测结果确定对应的处理方案，例如，当该目标检测结果为不合格时，则服务器对该不合格的待检测电机控制器信息传输至预置的不合格控制器数据库中，以便于后续工作人员进行下一步处理，提升缺陷检测时的效率。
本发明实施例中，获取待检测电机控制器的多个控制器外部图像，并对多个控制器外部图像进行裁剪、降噪和对比度增强处理，得到多个标准控制器图像，其中，多个控制器外部图像用于指示待检测电机控制器的多个图像采集方位对应的图像；根据多个图像采集方位对多个标准控制器图像进行图像分类，得到侧面图像集和底面图像集，其中，侧面图像集包括多个侧面图像，底面图像集包括上底面图像和下底面图像；对侧面图像集中的多个侧面图像进行图像融合，得到第一融合图像，并对底面图像集中的上底面图像和下底面图像进行图像融合，得到第二融合图像；将第一融合图像输入预置的接口缺陷检测模型进行接口位置缺陷检测，得到接口缺陷检测结果，其中，接口缺陷检测结果用于指示待检测电机控制器的接口位置是否存在偏移；将第一融合图像和第二融合图像输入预置的电镀缺陷检测模型进行表面电镀缺陷检测，得到电镀缺陷检测结果，其中，电镀缺陷检测结果包括：电镀缺陷类型信息和电镀缺陷位置信息；将接口缺陷检测结果和电镀缺陷检测结果作为待检测电机控制器的目标检测结果，并根据目标检测结果生成待检测电机控制器的目标处理方案。本发明通过对待检测电机控制器的多个控制器外部图像进行接口位置检测和电镀缺陷检测，通过图像融合提高了图像识别的准确率，进而提高了电机控制器的检测准确率。
请参阅图2，本发明实施例中电机控制器的检测方法的另一个实施例包括：
201、获取待检测电机控制器的多个控制器外部图像，并对多个控制器外部图像进行裁剪、降噪和对比度增强处理，得到多个标准控制器图像，其中，多个控制器外部图像用于指示待检测电机控制器的多个图像采集方位对应的图像；
具体的，服务器接收图像采集指令，并根据图像采集指令调用预设于待检测电机控制器的多个图像采集终端，其中，多个图像采集终端位于多个图像采集方位；通过多个图像采集终端采集待检测电机控制器的多个控制器外部图像；按照预设的图像尺寸对多个控制器外部图像进行裁剪，得到多个标准尺寸图像；对多个标准尺寸图像进行降噪处理，得到多个高清图像；对多个高清图像进行对比度增强处理，得到多个标准控制器图像。
其中，服务器接收图像采集指令，并根据图像采集指令调用预设于待检测电机控制器的多个图像采集终端，其中，多个图像采集终端位于多个图像采集方位；通过多个图像采集终端采集待检测电机控制器的多个控制器外部图像，进而服务器根据多个控制器外部图像的大小将图像分为16x16＝256或者8x8＝64块，在每个子块中都求取该子块的频率分布函数，通过提高频率分布函数的斜率，则对比度就提升：当斜率过高时就会造成对比度过度增强的后果，继续通过限制变换函数的斜率从而限制对比度，由于变换函数实际上是频率分布直方图的累积，所以通过事先定义的阈值来对频率直方图进行裁剪，在对频率分布函数进行阈值裁剪处理后，对新的频率分布函数求累计分布函数，之后再利用累积分布函数结合传统的直方图均衡化操作来获取每个子块的新的直方图，得到多个高清图像，进而服务器对多个高清图像进行对比度增强处理，得到多个标准控制器图像。
202、根据多个图像采集方位对多个标准控制器图像进行图像分类，得到侧面图像集和底面图像集，其中，侧面图像集包括多个侧面图像，底面图像集包括上底面图像和下底面图像；
需要说明的是，本发明实施例中，在根据上述多个图像采集方位对多尔衮标准控制器图像进行图像分类前，服务器先获取待分类的图像和图像分类模型，图像分类模型通过类别层级树、训练样本和基于最短路径的损失函数训练得到，类别层级树和训练样本用于对初始图像分类模型进行训练，得到图像分类模型，基于最短路径的损失函数用于对第一图像分类模型进行更新，得到图像分类模型，进而服务器调用图像分类模型对多个标准控制器图像进行分类识别，得到侧面图像集和底面图像集。
203、对侧面图像集中的多个侧面图像进行图像融合，得到第一融合图像，并对底面图像集中的上底面图像和下底面图像进行图像融合，得到第二融合图像；
具体的，服务器按照预设的侧面图像融合顺序对侧面图像集中的多个侧面图像进行图像排序，得到目标排列图像；调用预置的图像融合算法对目标排列图像进行图像融合，得到第一融合图像；对底面图像集中的下底面图像进行图像翻转，得到翻转图像；通过图像融合算法对翻转图像和上底面图像进行图像融合，得到第二融合图像。
其中，在图像采集的过程中，服务器是根据多个图像采集方位进行采集的，由于对多个位置的图像进行图像采集，所以图像采集过程中，用户需要带动图像采集装置移动，通过获取图像采集装置移动时的属性值，可以确定图像采集装置移动位置图像采集装置在进行第一次图像采集时，图像采集装置和图像采集图像中对应的背景具有一个相对位置，之后可以根据图像采集装置每次图像采集的位置信息，确定图像采集图像对应的背景的位置信息，根据位置信息和初始图像信息对多张图片进行排序，进而服务器调用预置的图像融合算法对目标排列图像进行图像融合，得到第一融合图像；对底面图像集中的下底面图像进行图像翻转，得到翻转图像；通过图像融合算法对翻转图像和上底面图像进行图像融合，得到第二融合图像。
204、将第一融合图像输入预置的接口缺陷检测模型进行接口位置缺陷检测，得到接口缺陷检测结果，其中，接口缺陷检测结果用于指示待检测电机控制器的接口位置是否存在偏移；
具体的，服务器将第一融合图像输入预置的接口缺陷检测模型，其中，接口缺陷检测模型包括：残差网络、卷积网络、池化层和激活层；通过接口缺陷检测模型对第一融合图像进行接口缺陷检测，生成检测图像，其中，检测图像中携带有接口位置标注信息；对接口位置标注信息和预置的标准接口参数信息进行比对，生成比对结果；根据比对结果确定待检测电机控制器的接口位置是否存在偏移，得到接口缺陷检测结果。
其中，在进行图像缺陷检测前，服务器对预置的卷积神经网络进行训练，进而得到对应的接口缺陷检测模型，具体的，服务器接收含有目标缺陷的训练图像，对目标缺陷进行像素标注，得到缺陷图像；通过预设神经网络，对缺陷图像进行特征提取，得到目标特征层，并对目标特征层进行不同尺度的平均池化，得到不同尺度的池化结果，对不同尺度的池化结果进行特征融合，得到目标特征图，并根据目标特征图，计算一致性损失，根据一致性损失，对预设神经网络进行迭代处理，并调整迭代处理后的预设神经网络的参数，以完成预设神经网络的训练，进而通过接口缺陷检测模型对第一融合图像进行接口缺陷检测，生成检测图像。
205、将第一融合图像和第二融合图像输入预置的电镀缺陷检测模型进行表面电镀缺陷检测，得到电镀缺陷检测结果，其中，电镀缺陷检测结果包括：电镀缺陷类型信息和电镀缺陷位置信息；
具体的，服务器将第一融合图像和第二融合图像输入预置的电镀缺陷检测模型，并通过电镀缺陷检测模型分别提取第一融合图像和第二融合图像的电镀区域，得到第一区域图像和第二区域图像；通过电镀缺陷检测模型中的神经网络对第一区域图像和第二区域图像进行亮度检测，得到第一亮度图像和第二亮度图像；根据第一亮度图像生成第一融合图像对应的第一检测结果，并根据第二亮度图像生成第二融合图像对应的第二检测结果；对第一检测结果和第二检测结果进行结果整合，得到电镀缺陷检测结果，其中，电镀缺陷检测结果包括：电镀缺陷类型信息和电镀缺陷位置信息。
其中，服务器将该第一融合图像和第二图像进行电镀区域识别，需要说明的是，在进行电镀区域识别时，服务器根据电镀区域图片的像素值分布情况进行电镀区域识别，例如，电镀区域的灰度值较高，则服务器并通过电镀缺陷检测模型分别提取第一融合图像和第二融合图像的电镀区域，得到第一区域图像和第二区域图像，进而服务区对该第一区域图像和第二区域图像进行亮度检测，具体的，服务器确定第一区域图像和第二区域图像的亮度值与亮度相关值亮度相关值包括亮度均值与亮度标准差中的一项或多项，将第一区域图像和第二区域图像中亮度值高于预设亮度值的过亮区域去除，确定出待检测图像的有效区域，确定有效区域的累积分布直方图，根据预先设定的累积灰度概率阈值，确定累积分布直方图中与累积灰度概率阈值的亮度值；并将相对应的亮度值作为初始亮度值，进而服务器根据该第一区域图像和第二区域图像的初始亮度值进行缺陷检测，其中，服务器根据第一亮度图像生成第一融合图像对应的第一检测结果，并根据第二亮度图像生成第二融合图像对应的第二检测结果；对第一检测结果和第二检测结果进行结果整合，得到电镀缺陷检测结果。
206、将接口缺陷检测结果和电镀缺陷检测结果作为待检测电机控制器的目标检测结果，其中目标检测结果包括：合格和不合格；
207、若合格，则确定目标处理方案为对待检测电机控制器进行下一轮检测；
服务器对该接口缺陷检测结果及电镀缺陷检测结果进行检测分析，得到对应的检测结果，其中，该目标检测结果包括合格和不合格两种类型，进而服务器根据该目标检测结果确定对应的处理方案，例如，当该目标检测结果为不合格时，则服务器对该不合格的待检测电机控制器信息传输至预置的不合格控制器数据库中，以便于后续工作人员进行下一步处理，提升缺陷检测时的效率。
208、若不合格，则确定目标处理方案为对待检测电机控制器进行剔除，并对待检测电机控制器进行回收。
具体的，服务器从上底面图像中获取待检测电机控制器的铭牌图像；对铭牌图像进行图像预处理和区域选取，得到目标区域图像；将目标区域图像输入预置的文字识别模型进行区域文字检测和文本识别，得到目标文本数据；根据目标文本数据和预设的产品信息判断待检测电机控制器是否符合产品标准，得到判断结果。
其中，服务器从上底面图像中获取待检测电机控制器的铭牌图像；对铭牌图像进行图像预处理和区域选取，得到目标区域图像，对目标区域图像和预设的标准铭牌做文字和/或铭牌图形要素编码识别处理，分别获取目标区域图像的第一关键词和样本铭牌图片对应的文本数据记录，提取图像特征描述符，获取待查询铭牌图片的第二关键词和样本铭牌图片对应的图像特征数据记录，提取第一关键词和第二关键词作为检索组合条件进行铭牌查询，获得初步铭牌查询结果并计算每一铭牌的各单项匹配率和铭牌综合匹配率，将铭牌综合匹配率大于预设铭牌综合匹配率的初步铭牌查询结果作为检索结果，即得到目标文本数据；根据目标文本数据和预设的产品信息判断待检测电机控制器是否符合产品标准，得到判断结果。
本发明实施例中，获取待检测电机控制器的多个控制器外部图像，并对多个控制器外部图像进行裁剪、降噪和对比度增强处理，得到多个标准控制器图像，其中，多个控制器外部图像用于指示待检测电机控制器的多个图像采集方位对应的图像；根据多个图像采集方位对多个标准控制器图像进行图像分类，得到侧面图像集和底面图像集，其中，侧面图像集包括多个侧面图像，底面图像集包括上底面图像和下底面图像；对侧面图像集中的多个侧面图像进行图像融合，得到第一融合图像，并对底面图像集中的上底面图像和下底面图像进行图像融合，得到第二融合图像；将第一融合图像输入预置的接口缺陷检测模型进行接口位置缺陷检测，得到接口缺陷检测结果，其中，接口缺陷检测结果用于指示待检测电机控制器的接口位置是否存在偏移；将第一融合图像和第二融合图像输入预置的电镀缺陷检测模型进行表面电镀缺陷检测，得到电镀缺陷检测结果，其中，电镀缺陷检测结果包括：电镀缺陷类型信息和电镀缺陷位置信息；将接口缺陷检测结果和电镀缺陷检测结果作为待检测电机控制器的目标检测结果，并根据目标检测结果生成待检测电机控制器的目标处理方案。本发明通过对待检测电机控制器的多个控制器外部图像进行接口位置检测和电镀缺陷检测，通过图像融合提高了图像识别的准确率，进而提高了电机控制器的检测准确率。
上面对本发明实施例中电机控制器的检测方法进行了描述，下面对本发明实施例中电机控制器的检测装置进行描述，请参阅图3，本发明实施例中电机控制器的检测装置一个实施例包括：
获取模块301，用于获取待检测电机控制器的多个控制器外部图像，并对所述多个控制器外部图像进行裁剪、降噪和对比度增强处理，得到多个标准控制器图像，其中，所述多个控制器外部图像用于指示所述待检测电机控制器的多个图像采集方位对应的图像；
分类模块302，用于根据所述多个图像采集方位对所述多个标准控制器图像进行图像分类，得到侧面图像集和底面图像集，其中，所述侧面图像集包括多个侧面图像，所述底面图像集包括上底面图像和下底面图像；
融合模块303，用于对所述侧面图像集中的多个侧面图像进行图像融合，得到第一融合图像，并对所述底面图像集中的上底面图像和下底面图像进行图像融合，得到第二融合图像；
第一检测模块304，用于将所述第一融合图像输入预置的接口缺陷检测模型进行接口位置缺陷检测，得到接口缺陷检测结果，其中，所述接口缺陷检测结果用于指示所述待检测电机控制器的接口位置是否存在偏移；
第二检测模块305，用于将所述第一融合图像和所述第二融合图像输入预置的电镀缺陷检测模型进行表面电镀缺陷检测，得到电镀缺陷检测结果，其中，所述电镀缺陷检测结果包括：电镀缺陷类型信息和电镀缺陷位置信息；
输出模块306，用于将所述接口缺陷检测结果和所述电镀缺陷检测结果作为所述待检测电机控制器的目标检测结果，并根据所述目标检测结果生成所述待检测电机控制器的目标处理方案。
本发明实施例中，获取待检测电机控制器的多个控制器外部图像，并对所述多个控制器外部图像进行裁剪、降噪和对比度增强处理，得到多个标准控制器图像，其中，所述多个控制器外部图像用于指示所述待检测电机控制器的多个图像采集方位对应的图像；根据所述多个图像采集方位对所述多个标准控制器图像进行图像分类，得到侧面图像集和底面图像集，其中，所述侧面图像集包括多个侧面图像，所述底面图像集包括上底面图像和下底面图像；对所述侧面图像集中的多个侧面图像进行图像融合，得到第一融合图像，并对所述底面图像集中的上底面图像和下底面图像进行图像融合，得到第二融合图像；将所述第一融合图像输入预置的接口缺陷检测模型进行接口位置缺陷检测，得到接口缺陷检测结果，其中，所述接口缺陷检测结果用于指示所述待检测电机控制器的接口位置是否存在偏移；将所述第一融合图像和所述第二融合图像输入预置的电镀缺陷检测模型进行表面电镀缺陷检测，得到电镀缺陷检测结果，其中，所述电镀缺陷检测结果包括：电镀缺陷类型信息和电镀缺陷位置信息；将所述接口缺陷检测结果和所述电镀缺陷检测结果作为所述待检测电机控制器的目标检测结果，并根据所述目标检测结果生成所述待检测电机控制器的目标处理方案。本发明通过对待检测电机控制器的多个控制器外部图像进行接口位置检测和电镀缺陷检测，通过图像融合提高了图像识别的准确率，进而提高了电机控制器的检测准确率。
请参阅图4，本发明实施例中电机控制器的检测装置另一个实施例包括：
获取模块301，用于获取待检测电机控制器的多个控制器外部图像，并对所述多个控制器外部图像进行裁剪、降噪和对比度增强处理，得到多个标准控制器图像，其中，所述多个控制器外部图像用于指示所述待检测电机控制器的多个图像采集方位对应的图像；
分类模块302，用于根据所述多个图像采集方位对所述多个标准控制器图像进行图像分类，得到侧面图像集和底面图像集，其中，所述侧面图像集包括多个侧面图像，所述底面图像集包括上底面图像和下底面图像；
融合模块303，用于对所述侧面图像集中的多个侧面图像进行图像融合，得到第一融合图像，并对所述底面图像集中的上底面图像和下底面图像进行图像融合，得到第二融合图像；
第一检测模块304，用于将所述第一融合图像输入预置的接口缺陷检测模型进行接口位置缺陷检测，得到接口缺陷检测结果，其中，所述接口缺陷检测结果用于指示所述待检测电机控制器的接口位置是否存在偏移；
第二检测模块305，用于将所述第一融合图像和所述第二融合图像输入预置的电镀缺陷检测模型进行表面电镀缺陷检测，得到电镀缺陷检测结果，其中，所述电镀缺陷检测结果包括：电镀缺陷类型信息和电镀缺陷位置信息；
输出模块306，用于将所述接口缺陷检测结果和所述电镀缺陷检测结果作为所述待检测电机控制器的目标检测结果，并根据所述目标检测结果生成所述待检测电机控制器的目标处理方案。
可选的，所述获取模块301具体用于：接收图像采集指令，并根据所述图像采集指令调用预设于待检测电机控制器的多个图像采集终端，其中，所述多个图像采集终端位于多个图像采集方位；通过所述多个图像采集终端采集所述待检测电机控制器的多个控制器外部图像；按照预设的图像尺寸对所述多个控制器外部图像进行裁剪，得到多个标准尺寸图像；对所述多个标准尺寸图像进行降噪处理，得到多个高清图像；对所述多个高清图像进行对比度增强处理，得到多个标准控制器图像。
可选的，所述融合模块303具体用于：按照预设的侧面图像融合顺序对所述侧面图像集中的多个侧面图像进行图像排序，得到目标排列图像；调用预置的图像融合算法对所述目标排列图像进行图像融合，得到第一融合图像；对所述底面图像集中的下底面图像进行图像翻转，得到翻转图像；通过所述图像融合算法对所述翻转图像和所述上底面图像进行图像融合，得到第二融合图像。
可选的，所述第一检测模块304具体用于：将所述第一融合图像输入预置的接口缺陷检测模型，其中，所述接口缺陷检测模型包括：残差网络、卷积网络、池化层和激活层；通过所述接口缺陷检测模型对所述第一融合图像进行接口缺陷检测，生成检测图像，其中，所述检测图像中携带有接口位置标注信息；对所述接口位置标注信息和预置的标准接口参数信息进行比对，生成比对结果；根据所述比对结果确定所述待检测电机控制器的接口位置是否存在偏移，得到接口缺陷检测结果。
可选的，所述第二检测模块305具体用于：将所述第一融合图像和所述第二融合图像输入预置的电镀缺陷检测模型，并通过所述电镀缺陷检测模型分别提取所述第一融合图像和所述第二融合图像的电镀区域，得到第一区域图像和第二区域图像；通过所述电镀缺陷检测模型中的神经网络对所述第一区域图像和所述第二区域图像进行亮度检测，得到第一亮度图像和第二亮度图像；根据所述第一亮度图像生成所述第一融合图像对应的第一检测结果，并根据所述第二亮度图像生成所述第二融合图像对应的第二检测结果；对所述第一检测结果和所述第二检测结果进行结果整合，得到电镀缺陷检测结果，其中，所述电镀缺陷检测结果包括：电镀缺陷类型信息和电镀缺陷位置信息。
可选的，所述输出模块306具体用于：将所述接口缺陷检测结果和所述电镀缺陷检测结果作为所述待检测电机控制器的目标检测结果，其中所述目标检测结果包括：合格和不合格；若合格，则确定目标处理方案为对所述待检测电机控制器进行下一轮检测；若不合格，则确定目标处理方案为对所述待检测电机控制器进行剔除，并对所述待检测电机控制器进行回收。
可选的，所述电机控制器的检测装置还包括：识别模块307，用于从所述上底面图像中获取所述待检测电机控制器的铭牌图像；对所述铭牌图像进行图像预处理和区域选取，得到目标区域图像；将所述目标区域图像输入预置的文字识别模型进行区域文字检测和文本识别，得到目标文本数据；根据所述目标文本数据和预设的产品信息判断所述待检测电机控制器是否符合产品标准，得到判断结果。
本发明实施例中，获取待检测电机控制器的多个控制器外部图像，并对所述多个控制器外部图像进行裁剪、降噪和对比度增强处理，得到多个标准控制器图像，其中，所述多个控制器外部图像用于指示所述待检测电机控制器的多个图像采集方位对应的图像；根据所述多个图像采集方位对所述多个标准控制器图像进行图像分类，得到侧面图像集和底面图像集，其中，所述侧面图像集包括多个侧面图像，所述底面图像集包括上底面图像和下底面图像；对所述侧面图像集中的多个侧面图像进行图像融合，得到第一融合图像，并对所述底面图像集中的上底面图像和下底面图像进行图像融合，得到第二融合图像；将所述第一融合图像输入预置的接口缺陷检测模型进行接口位置缺陷检测，得到接口缺陷检测结果，其中，所述接口缺陷检测结果用于指示所述待检测电机控制器的接口位置是否存在偏移；将所述第一融合图像和所述第二融合图像输入预置的电镀缺陷检测模型进行表面电镀缺陷检测，得到电镀缺陷检测结果，其中，所述电镀缺陷检测结果包括：电镀缺陷类型信息和电镀缺陷位置信息；将所述接口缺陷检测结果和所述电镀缺陷检测结果作为所述待检测电机控制器的目标检测结果，并根据所述目标检测结果生成所述待检测电机控制器的目标处理方案。本发明通过对待检测电机控制器的多个控制器外部图像进行接口位置检测和电镀缺陷检测，通过图像融合提高了图像识别的准确率，进而提高了电机控制器的检测准确率。
上面图3和图4从模块化功能实体的角度对本发明实施例中的电机控制器的检测装置进行详细描述，下面从硬件处理的角度对本发明实施例中电机控制器的检测设备进行详细描述。
图5是本发明实施例提供的一种电机控制器的检测设备的结构示意图，该电机控制器的检测设备500可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上处理器（central processing units，CPU）510（例如，一个或一个以上处理器）和存储器520，一个或一个以上存储应用程序533或数据532的存储介质530（例如一个或一个以上海量存储设备）。其中，存储器520和存储介质530可以是短暂存储或持久存储。存储在存储介质530的程序可以包括一个或一个以上模块（图示没标出），每个模块可以包括对电机控制器的检测设备500中的一系列指令操作。更进一步地，处理器510可以设置为与存储介质530通信，在电机控制器的检测设备500上执行存储介质530中的一系列指令操作。
电机控制器的检测设备500还可以包括一个或一个以上电源540，一个或一个以上有线或无线网络接口550，一个或一个以上输入输出接口560，和/或，一个或一个以上操作系统531，例如Windows Serve，Mac OS X，Unix，Linux，FreeBSD等等。本领域技术人员可以理解，图5示出的电机控制器的检测设备结构并不构成对电机控制器的检测设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
本发明还提供一种电机控制器的检测设备，所述电机控制器的检测设备包括存储器和处理器，存储器中存储有计算机可读指令，计算机可读指令被处理器执行时，使得处理器执行上述各实施例中的所述电机控制器的检测方法的步骤。
本发明还提供一种计算机可读存储介质，该计算机可读存储介质可以为非易失性计算机可读存储介质，该计算机可读存储介质也可以为易失性计算机可读存储介质，所述计算机可读存储介质中存储有指令，当所述指令在计算机上运行时，使得计算机执行所述电机控制器的检测方法的步骤。
进一步地，计算机可读存储介质可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序等；存储数据区可存储根据区块链节点的使用所创建的数据等。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置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。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。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或者该技术方案的全部或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）执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（read-only memory，ROM）、随机存取存储器（random access memory，RAM）、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，以上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精神和范围。
Claims (7)
1.一种电机控制器的检测方法，其特征在于，所述电机控制器的检测方法包括：
获取待检测电机控制器的多个控制器外部图像，并对所述多个控制器外部图像进行裁剪、降噪和对比度增强处理，得到多个标准控制器图像，其中，所述多个控制器外部图像用于指示所述待检测电机控制器的多个图像采集方位对应的图像；
根据所述多个图像采集方位对所述多个标准控制器图像进行图像分类，得到侧面图像集和底面图像集，其中，所述侧面图像集包括多个侧面图像，所述底面图像集包括上底面图像和下底面图像；
对所述侧面图像集中的多个侧面图像进行图像融合，得到第一融合图像，并对所述底面图像集中的上底面图像和下底面图像进行图像融合，得到第二融合图像，其中，所述对所述侧面图像集中的多个侧面图像进行图像融合，得到第一融合图像，并对所述底面图像集中的上底面图像和下底面图像进行图像融合，得到第二融合图像，包括：按照预设的侧面图像融合顺序对所述侧面图像集中的多个侧面图像进行图像排序，得到目标排列图像；调用预置的图像融合算法对所述目标排列图像进行图像融合，得到第一融合图像；对所述底面图像集中的下底面图像进行图像翻转，得到翻转图像；通过所述图像融合算法对所述翻转图像和所述上底面图像进行图像融合，得到第二融合图像；
将所述第一融合图像输入预置的接口缺陷检测模型进行接口位置缺陷检测，得到接口缺陷检测结果，其中，所述接口缺陷检测结果用于指示所述待检测电机控制器的接口位置是否存在偏移，其中，所述将所述第一融合图像输入预置的接口缺陷检测模型进行接口位置缺陷检测，得到接口缺陷检测结果，其中，所述接口缺陷检测结果用于指示所述待检测电机控制器的接口位置是否存在偏移，包括：将所述第一融合图像输入预置的接口缺陷检测模型，其中，所述接口缺陷检测模型包括：残差网络、卷积网络、池化层和激活层；通过所述接口缺陷检测模型对所述第一融合图像进行接口缺陷检测，生成检测图像，其中，所述检测图像中携带有接口位置标注信息；对所述接口位置标注信息和预置的标准接口参数信息进行比对，生成比对结果；根据所述比对结果确定所述待检测电机控制器的接口位置是否存在偏移，得到接口缺陷检测结果；
将所述第一融合图像和所述第二融合图像输入预置的电镀缺陷检测模型进行表面电镀缺陷检测，得到电镀缺陷检测结果，其中，所述电镀缺陷检测结果包括：电镀缺陷类型信息和电镀缺陷位置信息，其中，所述将所述第一融合图像和所述第二融合图像输入预置的电镀缺陷检测模型进行表面电镀缺陷检测，得到电镀缺陷检测结果，其中，所述电镀缺陷检测结果包括：电镀缺陷类型信息和电镀缺陷位置信息，包括：将所述第一融合图像和所述第二融合图像输入预置的电镀缺陷检测模型，并通过所述电镀缺陷检测模型分别提取所述第一融合图像和所述第二融合图像的电镀区域，得到第一区域图像和第二区域图像；通过所述电镀缺陷检测模型中的神经网络对所述第一区域图像和所述第二区域图像进行亮度检测，得到第一亮度图像和第二亮度图像；根据所述第一亮度图像生成所述第一融合图像对应的第一检测结果，并根据所述第二亮度图像生成所述第二融合图像对应的第二检测结果；对所述第一检测结果和所述第二检测结果进行结果整合，得到电镀缺陷检测结果，其中，所述电镀缺陷检测结果包括：电镀缺陷类型信息和电镀缺陷位置信息；
将所述接口缺陷检测结果和所述电镀缺陷检测结果作为所述待检测电机控制器的目标检测结果，并根据所述目标检测结果生成所述待检测电机控制器的目标处理方案。
2.根据权利要求1所述的电机控制器的检测方法，其特征在于，所述获取待检测电机控制器的多个控制器外部图像，并对所述多个控制器外部图像进行裁剪、降噪和对比度增强处理，得到多个标准控制器图像，其中，所述多个控制器外部图像用于指示所述待检测电机控制器的多个图像采集方位对应的图像，包括：
接收图像采集指令，并根据所述图像采集指令调用预设于待检测电机控制器的多个图像采集终端，其中，所述多个图像采集终端位于多个图像采集方位；
通过所述多个图像采集终端采集所述待检测电机控制器的多个控制器外部图像；
按照预设的图像尺寸对所述多个控制器外部图像进行裁剪，得到多个标准尺寸图像；
对所述多个标准尺寸图像进行降噪处理，得到多个高清图像；
对所述多个高清图像进行对比度增强处理，得到多个标准控制器图像。
3.根据权利要求1所述的电机控制器的检测方法，其特征在于，所述将所述接口缺陷检测结果和所述电镀缺陷检测结果作为所述待检测电机控制器的目标检测结果，并根据所述目标检测结果生成所述待检测电机控制器的目标处理方案，包括：
将所述接口缺陷检测结果和所述电镀缺陷检测结果作为所述待检测电机控制器的目标检测结果，其中所述目标检测结果包括：合格和不合格；
若合格，则确定目标处理方案为对所述待检测电机控制器进行下一轮检测；
若不合格，则确定目标处理方案为对所述待检测电机控制器进行剔除，并对所述待检测电机控制器进行回收。
4.根据权利要求1-3中任一项所述的电机控制器的检测方法，其特征在于，所述电机控制器的检测方法还包括：
从所述上底面图像中获取所述待检测电机控制器的铭牌图像；
对所述铭牌图像进行图像预处理和区域选取，得到目标区域图像；
将所述目标区域图像输入预置的文字识别模型进行区域文字检测和文本识别，得到目标文本数据；
根据所述目标文本数据和预设的产品信息判断所述待检测电机控制器是否符合产品标准，得到判断结果。
5.一种电机控制器的检测装置，其特征在于，所述电机控制器的检测装置包括：
获取模块，用于获取待检测电机控制器的多个控制器外部图像，并对所述多个控制器外部图像进行裁剪、降噪和对比度增强处理，得到多个标准控制器图像，其中，所述多个控制器外部图像用于指示所述待检测电机控制器的多个图像采集方位对应的图像；
分类模块，用于根据所述多个图像采集方位对所述多个标准控制器图像进行图像分类，得到侧面图像集和底面图像集，其中，所述侧面图像集包括多个侧面图像，所述底面图像集包括上底面图像和下底面图像；
融合模块，用于对所述侧面图像集中的多个侧面图像进行图像融合，得到第一融合图像，并对所述底面图像集中的上底面图像和下底面图像进行图像融合，得到第二融合图像，其中，所述对所述侧面图像集中的多个侧面图像进行图像融合，得到第一融合图像，并对所述底面图像集中的上底面图像和下底面图像进行图像融合，得到第二融合图像，包括：按照预设的侧面图像融合顺序对所述侧面图像集中的多个侧面图像进行图像排序，得到目标排列图像；调用预置的图像融合算法对所述目标排列图像进行图像融合，得到第一融合图像；对所述底面图像集中的下底面图像进行图像翻转，得到翻转图像；通过所述图像融合算法对所述翻转图像和所述上底面图像进行图像融合，得到第二融合图像；
第一检测模块，用于将所述第一融合图像输入预置的接口缺陷检测模型进行接口位置缺陷检测，得到接口缺陷检测结果，其中，所述接口缺陷检测结果用于指示所述待检测电机控制器的接口位置是否存在偏移，其中，所述将所述第一融合图像输入预置的接口缺陷检测模型进行接口位置缺陷检测，得到接口缺陷检测结果，其中，所述接口缺陷检测结果用于指示所述待检测电机控制器的接口位置是否存在偏移，包括：将所述第一融合图像输入预置的接口缺陷检测模型，其中，所述接口缺陷检测模型包括：残差网络、卷积网络、池化层和激活层；通过所述接口缺陷检测模型对所述第一融合图像进行接口缺陷检测，生成检测图像，其中，所述检测图像中携带有接口位置标注信息；对所述接口位置标注信息和预置的标准接口参数信息进行比对，生成比对结果；根据所述比对结果确定所述待检测电机控制器的接口位置是否存在偏移，得到接口缺陷检测结果；
第二检测模块，用于将所述第一融合图像和所述第二融合图像输入预置的电镀缺陷检测模型进行表面电镀缺陷检测，得到电镀缺陷检测结果，其中，所述电镀缺陷检测结果包括：电镀缺陷类型信息和电镀缺陷位置信息，其中，所述将所述第一融合图像和所述第二融合图像输入预置的电镀缺陷检测模型进行表面电镀缺陷检测，得到电镀缺陷检测结果，其中，所述电镀缺陷检测结果包括：电镀缺陷类型信息和电镀缺陷位置信息，包括：将所述第一融合图像和所述第二融合图像输入预置的电镀缺陷检测模型，并通过所述电镀缺陷检测模型分别提取所述第一融合图像和所述第二融合图像的电镀区域，得到第一区域图像和第二区域图像；通过所述电镀缺陷检测模型中的神经网络对所述第一区域图像和所述第二区域图像进行亮度检测，得到第一亮度图像和第二亮度图像；根据所述第一亮度图像生成所述第一融合图像对应的第一检测结果，并根据所述第二亮度图像生成所述第二融合图像对应的第二检测结果；对所述第一检测结果和所述第二检测结果进行结果整合，得到电镀缺陷检测结果，其中，所述电镀缺陷检测结果包括：电镀缺陷类型信息和电镀缺陷位置信息；
输出模块，用于将所述接口缺陷检测结果和所述电镀缺陷检测结果作为所述待检测电机控制器的目标检测结果，并根据所述目标检测结果生成所述待检测电机控制器的目标处理方案。
6.一种电机控制器的检测设备，其特征在于，所述电机控制器的检测设备包括：存储器和至少一个处理器，所述存储器中存储有指令；
所述至少一个处理器调用所述存储器中的所述指令，以使得所述电机控制器的检测设备执行如权利要求1-4中任一项所述的电机控制器的检测方法。
7.一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指令，其特征在于，所述指令被处理器执行时实现如权利要求1-4中任一项所述的电机控制器的检测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210629280.7A CN114723748B (zh) | 2022-06-06 | 2022-06-06 | 电机控制器的检测方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210629280.7A CN114723748B (zh) | 2022-06-06 | 2022-06-06 | 电机控制器的检测方法、装置、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114723748A CN114723748A (zh) | 2022-07-08 |
| CN114723748B true CN114723748B (zh) | 2022-09-02 |
Family
ID=82233033
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210629280.7A Active CN114723748B (zh) | 2022-06-06 | 2022-06-06 | 电机控制器的检测方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114723748B (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110473178A (zh) * | 2019-07-30 | 2019-11-19 | 上海深视信息科技有限公司 | 一种基于多光源融合的外观缺陷检测方法及系统 |
| CN111210412A (zh) * | 2019-12-31 | 2020-05-29 | 电子科技大学中山学院 | 一种包装检测方法、装置、电子设备及存储介质 |
| CN111242902A (zh) * | 2020-01-02 | 2020-06-05 | 天津瑟威兰斯科技有限公司 | 基于卷积神经网络的零件识别与检测方法、系统及设备 |
| CN112427323A (zh) * | 2020-11-01 | 2021-03-02 | 杭州兔研工业设计有限公司 | 端子料带导电镀层视觉检测设备 |
| CN113469997A (zh) * | 2021-07-19 | 2021-10-01 | 京东科技控股股份有限公司 | 平面玻璃的检测方法、装置、设备和介质 |
| CN113516661A (zh) * | 2021-09-15 | 2021-10-19 | 深圳新视智科技术有限公司 | 基于特征融合的缺陷检测方法及装置 |
| CN113610832A (zh) * | 2021-08-19 | 2021-11-05 | 创优数字科技(广东)有限公司 | 一种徽标缺陷检测方法、装置、设备和存储介质 |
| CN114066890A (zh) * | 2022-01-14 | 2022-02-18 | 成都数联云算科技有限公司 | 齿轮缺陷检测方法、装置、计算机设备及存储介质 |
| CN114202807A (zh) * | 2021-11-30 | 2022-03-18 | 北京百度网讯科技有限公司 | 活体检测方法、装置、电子设备及存储介质 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10215714B1 (en) * | 2017-08-16 | 2019-02-26 | Siemens Energy, Inc. | Method and system for detecting defects on surface of object |
-
2022
- 2022-06-06 CN CN202210629280.7A patent/CN114723748B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110473178A (zh) * | 2019-07-30 | 2019-11-19 | 上海深视信息科技有限公司 | 一种基于多光源融合的外观缺陷检测方法及系统 |
| CN111210412A (zh) * | 2019-12-31 | 2020-05-29 | 电子科技大学中山学院 | 一种包装检测方法、装置、电子设备及存储介质 |
| CN111242902A (zh) * | 2020-01-02 | 2020-06-05 | 天津瑟威兰斯科技有限公司 | 基于卷积神经网络的零件识别与检测方法、系统及设备 |
| CN112427323A (zh) * | 2020-11-01 | 2021-03-02 | 杭州兔研工业设计有限公司 | 端子料带导电镀层视觉检测设备 |
| CN113469997A (zh) * | 2021-07-19 | 2021-10-01 | 京东科技控股股份有限公司 | 平面玻璃的检测方法、装置、设备和介质 |
| CN113610832A (zh) * | 2021-08-19 | 2021-11-05 | 创优数字科技(广东)有限公司 | 一种徽标缺陷检测方法、装置、设备和存储介质 |
| CN113516661A (zh) * | 2021-09-15 | 2021-10-19 | 深圳新视智科技术有限公司 | 基于特征融合的缺陷检测方法及装置 |
| CN114202807A (zh) * | 2021-11-30 | 2022-03-18 | 北京百度网讯科技有限公司 | 活体检测方法、装置、电子设备及存储介质 |
| CN114066890A (zh) * | 2022-01-14 | 2022-02-18 | 成都数联云算科技有限公司 | 齿轮缺陷检测方法、装置、计算机设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114723748A (zh) | 2022-07-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108562589B (zh) | 一种对磁路材料表面缺陷进行检测的方法 | |
| CN110008809B (zh) | 表格数据的获取方法、装置和服务器 | |
| CN108305243B (zh) | 一种基于深度学习的磁瓦表面缺陷检测方法 | |
| CN108108731B (zh) | 基于合成数据的文本检测方法及装置 | |
| CN111833306A (zh) | 缺陷检测方法和用于缺陷检测的模型训练方法 | |
| CN111582294A (zh) | 一种构建用于表面缺陷检测的卷积神经网络模型的方法及其利用 | |
| CN107871137B (zh) | 一种基于图像识别的物料匹配方法 | |
| CN109389105B (zh) | 一种基于多任务的虹膜检测和视角分类方法 | |
| CN113516619B (zh) | 一种基于图像处理技术的产品表面瑕疵识别方法 | |
| CN111259854A (zh) | 一种文本图像中表格的结构化信息的识别方法及装置 | |
| CN114119480A (zh) | 一种基于深度学习的裂纹缺陷检测系统 | |
| CN108229232A (zh) | 批量扫描二维码的方法和批量扫描二维码的装置 | |
| CN114049499A (zh) | 用于连续轮廓的目标对象检测方法、设备及存储介质 | |
| CN112926601A (zh) | 基于深度学习的图像识别方法、装置、设备及存储介质 | |
| CN116485779A (zh) | 自适应晶圆缺陷检测方法、装置、电子设备及存储介质 | |
| CN111091122A (zh) | 一种多尺度特征卷积神经网络的训练和检测方法、装置 | |
| CN113487538A (zh) | 一种多目标分割缺陷检测方法、装置及其计算机存储介质 | |
| CN116071348B (zh) | 基于视觉检测的工件表面检测方法及相关装置 | |
| CN116394161B (zh) | 一种基于数据分析的电极生产管理方法及系统 | |
| CN114723748B (zh) | 电机控制器的检测方法、装置、设备及存储介质 | |
| CN116433978A (zh) | 一种高质量瑕疵图像自动生成与自动标注方法及装置 | |
| CN116824135A (zh) | 基于机器视觉的大气自然环境试验工业产品识别分割方法 | |
| CN115984759A (zh) | 变电站开关状态识别方法、装置、计算机设备和存储介质 | |
| CN116311492A (zh) | 一种基于深度相机和轮廓提取的手势识别方法及系统 | |
| CN113344959B (zh) | 余料的分析处理方法、装置及物料输送系统 |
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 |