申请/专利权人：苏州极速光学科技有限公司

申请日：2021-11-16

公开（公告）日：2024-03-22

公开（公告）号：CN114066848B

主分类号：G06T7/00

分类号：G06T7/00;G06V10/762;G06V10/774;G06V10/764;G06V10/82;G06N3/0464;G06N3/08;G01N21/956

优先权：

专利状态码：有效-授权

法律状态：2024.03.22#授权;2024.03.12#专利申请权的转移;2022.10.04#专利申请权的转移;2022.03.08#实质审查的生效;2022.02.18#公开

摘要：本发明公开了一种FPCA外观缺陷视觉检测系统，涉及工业视觉检测与图像处理领域，用于解决在FPCA生产线产品质量检测中存在的人工成本高，人员不稳定，检测速度慢等问题以及传统图像处理缺陷检测方法中存在的通用性差，无法准确识别缺陷类型和确定缺陷位置的问题；本发明检测效率较高，节省了人力，节约了企业的成本，提高了工厂的自动化水平，使整体生产效率提高，生产的产品质量也更为稳定；相较于传统图像处理，可以适应复杂多变的FPCA产品，具有良好的通用性，对尺寸较小和特征复杂的缺陷也有良好的效果；通过样训值选取对应的注册端对样本中的样本图像进行处理，减少样本训练模块的训练压力，同时提高模型训练输出效率。

主权项：1.一种FPCA外观缺陷视觉检测系统，包括样本采集模块、服务器、样本处理模块和样本训练模块；其特征在于，所述样本采集模块用采集FPCA的RGB彩色图像以得到FPCA整幅图像并将其发送至服务器内存储；所述样本处理模块用于对采集的FPCA整幅图像发送至处理端进行人工标注，并接收标注后的FPCA整幅图像将其标记为样本图像，然后将所有的样本图像标记为样本集，将样本集按照比例分为训练集和测试集，再将训练集发送至样本训练模块；样本训练模块用于接收训练集并对其进行训练以得到神经网络模型，然后获取测试集，通过测试集对神经网络模型进行验证以得到检测结果，通过检测结果调节神经网络模型的参数以得到训练和优化后的FPCA图像检测模型；通过FPCA图像检测模型对FPCA图像进行检测，并输出该FPCA的缺陷的位置信息和类型信息；所述样本训练模块进行训练的具体过程为：对训练集内的样本图像进行归一化，然后对归一化后的样本图像进行图像数据增强并通过旋转角度、调整饱和度、调整曝光量、调整色调生成训练样本；再通过采样k-means聚类算法在训练集bbox上进行聚类产生先验框，然后通过损失函数进行训练；所述样本训练模块内还设置有样本统计单元和样本分析单元；所述样本统计单元用于统计样本中的样本图像，当样本图像的数量大于设定数量阈值时，将样本图像的数量减去数量阈值得到阈多数量，选取阈多数量对应的样本图像并将其标记为分处图像；将阈多数量按照一定比例换算得到处选数量；将阈多数量除以初选数量并取整得到归类数量，对分处图像进行归类得到多个分处组，每个分处组由归类数量个分处图像组成；并分处组发送至样本分析单元；所述样本分析单元用于将分处组发送至分析端进行样本训练，具体发送过程为：向注册端发送分处信令以获取注册端的端处数据，其中端处数据包括注册端的处理器的利用率和速度信息，对端处数据进行分析以得到注册端的利基值和速稳值；获取注册端的型号以及钝锐斜值，设定所有的型号均对应一个预型值，将注册端的型号与所有的型号进行匹配得到对应的预型值；再将注册端的利率值、速稳值、钝锐斜值以及预型值进行归一化处理以得到注册端的样训值；将注册端通过样训值由大到小进行排序，从前至后依次选取与归类数量相等数量的注册端并将其标记为分析端；将分处组发送至分析端，分析端接收到分处组后，对分处组内的样本图像进行归一化，然后对归一化后的样本图像进行图像数据增强并通过旋转角度、调整饱和度、调整曝光量、调整色调生成训练样本并反馈至样本训练模块；所述样本分析单元对端处数据进行分析的具体过程为：将利用率依照时间顺序依次排序，计算相邻两个利用率的之间的差值的间邻差，将所有的间邻差进行求和并取均值得到间邻均值；将所有的利用率进行去和并取其均值得到利用率均值，将间邻均值和利用率均值进行归一化处理以得到利率值；将速度信息中的每个速度值依照时间顺序依次排序，将速度信息中的所有速度在进行求和并取均值得到速度均值；对速度均值和速度值进行分析得到速稳值。

全文数据：

权利要求：

百度查询： 苏州极速光学科技有限公司 一种FPCA外观缺陷视觉检测系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD