公开(公告)号：CN113096098A

公开(公告)日：2021-07-09

申请号：CN202110401364.0

申请日：2021-04-14

Applicant: 大连理工大学 ,  大连亚明汽车部件股份有限公司

Inventor： 刘冬 ,  丛明 ,  卢长奇 ,  肖庆阳 ,  方建儒 ,  葛春东

IPC: G06T7/00 ,  G06N3/08

Abstract: 本发明提供了一种基于深度学习的铸件外观缺陷检测方法，属于汽车压铸件的缺陷检测场景的领域。首先，通过图像采集模块来对流水线上的缺陷工件进行图像的采集，并对图像中的缺陷部分进行标注制作成数据集；接着，在云端对深度学习模型进行训练，并将训练好的神经网络模型下放到边缘服务器上。在进行实际检测的时候，通过图像采集模块来对流水线上的工件进行图像的采集，并将图片通过5G网络传输到边缘端服务器上部署的深度模型上，经过模型的计算后，在通过5G网络将结果反馈到终端服务器端进行结果的显示。本发明主要用于铸件生产线上铸件在机加工后的外观缺陷检测中；能够以较高的检测效率和较低的劳动力获得较高的缺陷检测的准确率。

公开(公告)号：CN113096098B

公开(公告)日：2024-01-05

申请号：CN202110401364.0

申请日：2021-04-14

Applicant: 大连理工大学 ,  大连亚明汽车部件股份有限公司

Inventor： 刘冬 ,  丛明 ,  卢长奇 ,  肖庆阳 ,  方建儒 ,  葛春东

IPC: G06T7/00 ,  G06N3/08

Abstract: 本发明提供了一种基于深度学习的铸件外观缺陷检测方法，属于汽车压铸件的缺陷检测场景的领域。首先，通过图像采集模块来对流水线上的缺陷工件进行图像的采集，并对图像中的缺陷部分进行标注制作成数据集；接着，在云端对深度学习模型进行训练，并将训练好的神经网络模型下放到边缘服务器上。在进行实际检测的时候，通过图像采集模块来对流水线上的工件进行图像的采集，并将图片通过5G网络传输到边缘端服务器上部署的深度模型上，经过模型的计算后，在通过5G网络将结果反馈到终端服务器端进行结果的显示。本发明主要用于铸件生产线上铸件在机加工后的外观缺陷检测中；能够以较高的检测效率和较低的劳动力获得较高的缺陷检测的准确率。