详情

原文传递一种基于多光谱成像的产品表面缺陷检测系统

专利名称：	一种基于多光谱成像的产品表面缺陷检测系统
摘要：	本发明提供了一种基于多光谱成像的产品表面缺陷检测系统，其特征在于，包括多光谱图像采集模块和多光谱图像缺陷检测模块；多光谱图像采集模块包括多光谱光源、多光谱相机、传送带和检测台；多光谱相机和多光谱光源位于检测台上；传送带穿过检测台下方；多光谱图像缺陷检测模块包括特征提取模块、特征融合模块和决策网络模块；特征提取模块接收原始图像，产生图像特征集；特征融合模块连接特征提取模块，接收图像特征集，产生特征融合集；决策网络模块连接特征融合模块，接收特征融合集，输出产品检测结果。本发明的有益效果是：充分提取产品表面特征，利用端到端的算法地进行缺陷识别，减少多个算法的累积误差，可以快速适应多种缺陷分布。
专利类型：	发明专利
国家地区组织代码：	上海;31
申请人：	上海深视信息科技有限公司
发明人：	王洋;陈果;毛雪慧;闫龑
专利状态：	有效
申请日期：	2019-07-30T00:00:00+0800
发布日期：	2019-11-12T00:00:00+0800
申请号：	CN201910694125.1
公开号：	CN110441312A
代理机构：	上海精晟知识产权代理有限公司
代理人：	姜杉
分类号：	G01N21/88(2006.01);G;G01;G01N;G01N21
申请人地址：	200241上海市闵行区东川路555号乙楼1027室
主权项：	1.一种基于多光谱成像的产品表面缺陷检测系统，其特征在于，包括多光谱图像采集模块和多光谱图像缺陷检测模块；所述多光谱图像采集模块包括多光谱光源、多光谱相机、传送带和检测台；所述多光谱相机和所述多光谱光源位于所述检测台上；所述传送带在所述检测台下方并穿过所述检测台；所述多光谱图像采集模块采集原始图像并将其传输至所述多光谱图像缺陷检测模块；所述多光谱图像缺陷检测模块包括特征提取模块、特征融合模块和决策网络模块；所述特征提取模块接收所述原始图像，并产生图像特征集；所述特征融合模块与所述特征提取模块相连，接收所述图像特征集，同时产生特征融合集；所述决策网络模块与特征融合模块相连，接收所述特征融合集，产生产品检测结果并予以输出。 2.根据权利要求1所述的一种基于多光谱成像的产品表面缺陷检测系统，其特征在于，所述多光谱光源所发出的为包括可见光、红外光、紫外光、超声波、X光的一种或多种；所述多光谱相机所接收的为包括可见光、红外光、紫外光、超声波、X光的一种或多种。 3.根据权利要求1所述的一种基于多光谱成像的产品表面缺陷检测系统，其特征在于，所述特征提取模块具有多个分支网络，每个所述分支网络分别对应一个光谱图；所述分支网络内部包括多个Block；所述Block内部使用多种大小不同的卷积层。 4.根据权利要求1所述的一种基于多光谱成像的产品表面缺陷检测系统，其特征在于，所述特征融合模块生成为特征融合算法的计算机程序；所述融合模型训练算法包括小波融合算法、主成分分析融合算法、图像金字塔融合算法和加权融合算法的一种或多种。 5.根据权利要求1所述的一种基于多光谱成像的产品表面缺陷检测系统，其特征在于，所述产品检测结果包括是否具有缺陷、所述缺陷的具体位置和所述缺陷的尺寸的大小的一种或多种。 6.根据权利要求1所述的一种基于多光谱成像的产品表面缺陷检测系统，其特征在于，还包括多光谱深度学习模型生成模块；所述多光谱深度学习模型生成模块包括特征提取模型训练模块和决策模型训练模块；所述特征提取模型训练模块为基于分支网络训练算法的计算机程序；所述特征提取模型训练模块与决策模型训练模块和特征融合模块相连；所述决策模型训练模块为包括基于逻辑判断任务算法的计算机程序、基于分类任务算法的计算机程序和基于分割任务算法的计算机程序的一种或多种；所述决策模型训练模块与特征融合模块及决策网络模块相连。 7.根据权利要求6所述的一种基于多光谱成像的产品表面缺陷检测系统，其特征在于，当训练时，所述多光谱图像采集模块采集多个所述原始图像并将其发送给特征提取模型训练模块，所述特征提取模型训练模块产生特征提取模型同时产生特征提取集，所述特征提取集传输到特征融合模块产生训练用图像融合集，所述训练用图像融合集传输到所述决策模型训练模块，所述决策模型训练模块产生决策模型并将特征提取模型合并决策模型传输给多光谱图像缺陷检测模块。 8.根据权利要求1所述的一种基于多光谱成像的产品表面缺陷检测系统，其特征在于，所述多光谱深度学习模型生成模块还包括通道扩展模块；所述通道扩展模块连接所述特征融合模块与所述特征提取模型训练模块。
所属类别：	发明专利