一种基于深度学习的接箍外壁检测方法及系统

    公开(公告)号:CN111815573A

    公开(公告)日:2020-10-23

    申请号:CN202010553937.7

    申请日:2020-06-17

    摘要: 本发明公开了一种基于深度学习的接箍外壁检测方法及系统,包括如下步骤:获取缺陷样本集,对缺陷样本集中的缺陷位置进行标注,所述缺陷样本集由多个均具有缺陷的原始接箍外壁图像组成;将缺陷样本集中的每个原始接箍外壁图像均划分为m个网格,分别获取待检测目标所处的网格作为候选框;将候选框输入已构建完成的神经网络模型中,输出携带有权重参数的模型,对携带有权重参数的候选框进行计算,得到并保存用于匹配样本缺陷位置的模型,完成对神经网络模型的训练;通过已训练完成的神经网络模型对实际生产中的待检测图像进行缺陷检测,输出标识出缺陷位置的待检测图像;该接箍外壁检测方法提高了接箍外壁检测的准确性和鲁棒性。

    一种基于深度学习的丝饼缺陷视觉检测系统及方法

    公开(公告)号:CN112964732A

    公开(公告)日:2021-06-15

    申请号:CN202110155718.8

    申请日:2021-02-04

    摘要: 本发明公开了一种基于深度学习的丝饼缺陷视觉检测系统及方法,包括检测台;设置于所述检测台的图像采集模块,所述图像采集模块包括设置于检测台端面的端部阵相机、设置于检测台侧面的侧部阵相机,以及设置于检测台的阵光源组件;模型训练模块,用于接收图像信号进行模型训练,模型训练模块连接于图像采集模块的输出端。检测方法为通过图像采集模块采集丝饼图像;利用模型训练模块训练缺陷检测模型;利用缺陷检测模型对获取的丝饼图像进行丝饼缺陷检测,得到丝饼缺陷检测结果;对丝饼缺陷检测结果进行缺陷汇总,并进行筛选分级,输出最终结果。本发明图像采集流程简单高效,后期维护方便,且线阵相机可提升图像分辨率、采图质量高,节约成本。