基于语义分割的注射器缺陷检测方法
基本信息
| 申请号 | CN201911138476.0 | 申请日 | - |
| 公开（公告）号 | CN110910368B | 公开（公告）日 | 2022-05-13 |
| 申请公布号 | CN110910368B | 申请公布日 | 2022-05-13 |
| 分类号 | G06T7/00（2017.01）I;G06N3/04（2006.01）I;G06N3/08（2006.01）I;G06T7/11（2017.01）I;CN 110197516 A,2019.09.03;CN 102788801 A,2012.11.21;WO 2018140596 A2,2018.08.02 Zed Ranger.深度学习数据标注之——将json文件的mask以png格式提取.《网址：https://zhuanlan.zhihu.com/p/58273709》.2019,;Junchao Zhu et al..A detection method of port fuel injector spray distribution.《2016 IEEE International Conference on Mechatronics and Automation》.IEEE,2016,;杨威等.注射制品表面缺陷在线检测与自动识别.《模具工业》.2013,（第07期）, | 分类 | 计算；推算；计数; |
| 发明人 | 黄坤山;李俊宇;彭文瑜;林玉山;魏登明 | 申请（专利权）人 | 佛山市南海区广工大数控装备协同创新研究院 |
| 代理机构 | 广州科沃园专利代理有限公司 | 代理人 | - |
| 地址 | 528200广东省佛山市南海高新区南海软件科技园创智港A座4楼 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明提供基于语义分割的注射器缺陷检测方法，包括以下步骤，步骤S1：注射器图像采集，步骤S2：将json文件用代码转换成png掩膜图片，步骤S3：图像处理，即完成了注射器数据集的制作，步骤S4：构建全卷积神经网络模型，将训练数据集输入到语义分割网络中，迭代模型参数后得到收敛的分割模型，步骤S5：对模型进行测试，将测试数据集输入到语义分割网络中，得到注射器分割图，对比原图上的缺陷，判断模型的分割精度，步骤S6：导出模型文件，通过语义分割网络进行缺陷检测，自动判断注射器是否有缺陷相较于传统的人工检测，更加快速和准确，提高制造过程的自动化程度，能大大降低企业成本，同时提高生产率。 |
