申请/专利权人：山东大学;山东金钟科技集团股份有限公司

申请日：2024-01-24

公开（公告）日：2024-04-19

公开（公告）号：CN117607155B

主分类号：G01N21/88

分类号：G01N21/88;G01N21/45;G01N21/94

优先权：

专利状态码：有效-授权

法律状态：2024.04.19#授权;2024.03.15#实质审查的生效;2024.02.27#公开

摘要：本发明提供了一种应变片外观缺陷检测方法及系统，属于基于图像处理的缺陷检测技术领域。根据当前应变片的相机图像数据，判断应变片是否存在缺陷，如判定不存在缺陷，则认定当前应变片为合格品，如判定存在缺陷，则生成缺陷信息以及缺陷对应的第一概率；根据缺陷信息、缺陷信息对应的第一概率以及预训练的强化学习目标网络，生成最优控制动作，所述最优控制动作，包括：执行OCT检测、进行变焦镜头的焦距调节或者同时进行变焦镜头的焦距调节和执行OCT检测；对最优控制动作执行完毕后采集的图像再次进行缺陷检测，得到最终的缺陷检测结果。本发明采用强化学习目标网络生成最优控制动作，实现了对检测效率和检测精度的兼顾。

主权项：1.一种应变片外观缺陷检测方法，其特征在于，包括以下过程：根据当前应变片的相机图像数据，判断应变片是否存在缺陷，如判定不存在缺陷，则认定当前应变片为合格品，如判定存在缺陷，则生成缺陷信息以及缺陷对应的第一概率；根据缺陷信息、缺陷信息对应的第一概率以及预训练的强化学习目标网络，生成最优控制动作，所述最优控制动作，包括：执行OCT检测、进行变焦镜头的焦距调节或者同时进行变焦镜头的焦距调节和执行OCT检测；对最优控制动作执行完毕后采集的图像再次进行缺陷检测，得到最终的缺陷检测结果；强化学习目标网络的训练，包括：检测应变片图像是否含有激光器所打的特殊标记，若不含有特殊标记，开始计时，采用预设的图像检测算法检测应变片图像数据是否存在缺陷，生成该应变片有缺陷的第一概率和缺陷信息；强化学习目标网络通过该应变片有缺陷的概率和缺陷信息，给出其认为合理的最优控制动作，将最优控制动作执行之后生成的图像结果输入预设的图像检测算法，输出有缺陷的第二概率，结束计时并计算出耗时；将该应变片有缺陷的第一概率、缺陷信息、最优控制动作、有缺陷的第二概率以及耗时存储于经验池中用于网络训练；以第二概率最大和耗时最短为目标，对强化学习目标网络进行循环训练，直至达到设定训练轮次或者达到训练目标为止；强化学习目标网络的损失为：耗时的惩项、第二概率的惩罚项以及带有阈值控制的惩罚项的加和。

全文数据：

权利要求：

百度查询： 山东大学;山东金钟科技集团股份有限公司 一种应变片外观缺陷检测方法及系统

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