一种钢板缺陷检测方法、装置、设备和服务器制造方法及图纸

本发明专利技术提出一种钢板缺陷检测方法、装置、设备和服务器。钢板检测方法包括：接收待检测钢板的图片数据，并根据所述图片数据生成缺陷检测请求；监测多个服务器的运行状态，将所述待检测钢板的图片数据和所述缺陷检测请求发送至第一服务器上；从所述第一服务器接收预测结果；其中，所述预测结果通过所述检测模型对所述待检测钢板的图片数据进行预测计算后得到，并且所述预测结果包括检测合格和缺陷结果，所述缺陷结果中包括所述待检测钢板的缺陷中每个缺陷的位置和类别；和根据所述预测结果，执行相应的响应动作。利用所提出的方法，能够得到缺陷的位置和类别，提高了检测精度。

Steel plate defect detection method, device, device and server

The invention provides a steel plate defect detection method, device, device and server. The steel plate detection method includes: receiving the picture data of the plate to be detected and generating the defect detection request according to the picture data; monitoring the running state of the multiple servers, sending the picture data of the plate to be detected and the defect detection request to the first server; receiving the prediction results from the first server. In which the prediction results are obtained by predicting the picture data of the plate to be detected by the detection model, and the prediction results include detection qualification and defect results, and the defect results include the position and category of each defect in the defect of the steel plate to be detected, and the prediction according to the prediction. As a result, the corresponding response action is performed. By using the proposed method, the location and category of defects can be obtained, and the detection accuracy is improved.

【技术实现步骤摘要】
一种钢板缺陷检测方法、装置、设备和服务器
本专利技术涉及图像处理领域，并具体涉及一种钢板缺陷检测方法、装置、设备和服务器。
技术介绍
目前，由于计算机技术、尤其是图像处理技术的发展，越来越多的领域中开始使用图像处理技术来帮助工作。在某些传统领域、例如钢铁制造业中，图像处理技术也得到了广泛应用。作为一种广泛使用的材料，钢板是钢铁制造业中非常重要的工业产品，而在钢板的生产中，质检无疑是非常重要的一个环节。传统钢铁企业的生产环境中，对质量进行控制的一种重要手段是对钢板的表面状态进行检测，以判断钢板是否存在瑕疵和缺陷，并根据检测结果对钢板做相应的处理。在传统钢铁企业中，质检系统在缺陷检测上主要有两种方式：第一为纯人工质检方式，即依赖于行业专家肉眼观察生产环境中的照片给出判断；第二为机器辅助的人工质检方式，主要由具有一定判断能力的质检系统过滤掉没有缺陷的照片，由行业专家对疑似存在缺陷的照片进行检测判断。第二种质检系统虽然实现了一定自动化，可以根据钢板照片的某些特征来判断钢板是否具有缺陷，但是特征和判定规则都是基于经验固化到机器中的，难以随业务的发展迭代，导致随着生产工艺的发展，系统的检测精度越来越低，甚至降低到完全不可用的状态。升级时需要对质检系统进行改造，成本高昂。并且，传统质检智能检测出钢板是否具有缺陷，检测精度较低。
技术实现思路
本专利技术实施例提供一种钢板缺陷检测方法、装置、设备和服务器，以至少解决现有技术中的以上技术问题。第一方面，本专利技术实施例提供了一种钢板缺陷检测方法，包括：接收待检测钢板的图片数据，并根据所述图片数据生成缺陷检测请求；监测多个服务器的运行状态，将所述待检测钢板的图片数据和所述缺陷检测请求发送至第一服务器上；其中，所述多个服务器每个都搭载检测模型，并且所述第一服务器为所述多个服务器中计算负载最小的服务器；从所述第一服务器接收预测结果；其中，所述预测结果通过所述检测模型对所述待检测钢板的图片数据进行预测计算后得到，并且所述预测结果包括检测合格和缺陷结果，所述缺陷结果中包括所述待检测钢板的缺陷中每个缺陷的位置和类别；和根据所述预测结果，执行相应的响应动作。结合第一方面，本专利技术在第一方面的第一种实施方式中，在所述根据所述预测结果，执行相应的响应动作之后，还包括：发送更新指令至所述第一服务器；其中，所述更新指令指示所述第一服务器根据所接收的钢板图片数据和所述预测结果对所述检测模型进行更新，并且将更新后的检测模型发送至所述多个服务器中的其他服务器。根据第二方面，本专利技术提供了一种钢板缺陷检测方法，包括：接收待检测钢板的图像数据和缺陷检测请求；和根据所述缺陷检测请求，利用检测模型对所述图像数据进行预测计算，得到并输出预测结果；其中，所述预测结果包括检测合格和缺陷结果，所述缺陷结果中包括所述待检测钢板的缺陷中每个缺陷的位置和类别。结合第二方面，本专利技术在第二方面的第一实施方式中，所述利用检测模型对所述图像数据进行预测计算，包括：利用深度卷积神经网络提取所述待检测钢板的图像数据中的钢板特征；根据所提取的钢板特征，判断所述待检测钢板是否具有缺陷；和在确定所述待检测钢板具有缺陷时，利用预设分类器确定所述缺陷中的每个的位置和类别，并根据所述缺陷中的每个的位置和类别生成所述缺陷结果的预测结果；在确定没有在所述待检测钢板上检测到缺陷时，生成所述检测合格的预测结果。结合第二方面的第一实施方式，在所述利用深度卷积神经网络提取所述待检测钢板的图像数据中的钢板特征之前，还包括：对所述待检测钢板的图像数据进行预处理；并且，所述利用深度卷积神经网络提取所述待检测钢板的图像数据中的钢板特征包括：利用深度卷积神经网络提取经预处理的图像数据中的钢板特征。结合第二方面的第一实施方式，所述钢板特征利用多件钢板的图像通过训练获得，并且根据预定时间间隔或根据接收到的更新指令进行更新；其中，所述更新指令指示，根据所接收的钢板图片数据和所述预测结果对所述检测模型进行更新，并且所述多件钢板的规格相同并且以同一工艺形成。结合第二方面的第一实施方式，所述根据所提取的钢板特征判断所述待检测钢板是否具有缺陷包括：将所提取的钢板特征与合格钢板的对应钢板特征进行比较，并根据比较结果判断所述待检测钢板是否具有缺陷。第三方面，本专利技术实施例提供了一种钢板缺陷检测装置，包括：数据接收模块，用于接收待检测钢板的图片数据，并根据所述图片数据生成缺陷检测请求；数据发送模块，用于监测多个服务器的运行状态，将所述待检测钢板的图片数据和所述缺陷检测请求发送至第一服务器上；其中，所述多个服务器每个都搭载检测模型，并且所述第一服务器为所述多个服务器中计算负载最小的服务器；结果接收模块，用于从所述第一服务器接收预测结果；其中，所述预测结果通过所述检测模型对所述待检测钢板的图片数据进行预测计算后得到，所述预测结果包括检测合格和缺陷结果，所述缺陷结果中包括所述待检测钢板的缺陷中每个缺陷的位置和类别；和响应模块，用于根据所述预测结果，执行相应的响应动作。第四方面，本专利技术实施例提供了一种钢板缺陷检测装置，包括：接收模块，用于接收待检测钢板的图像数据和缺陷检测请求；和预测模块，用于根据所述缺陷检测请求，利用检测模型对所述图像数据进行预测计算，得到并输出预测结果；其中，所述预测结果包括检测合格和缺陷结果，所述缺陷结果中包括所述待检测钢板的缺陷中每个缺陷的位置和类别。第五方面，本专利技术实施例提供了一种设备，所述设备包括：一个或多个处理器；存储装置，配置为存储一个或多个程序；通信接口，配置为使所述处理器和存储装置与外部设备进行通信；当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现上述第一方面中的方法。第六方面，本专利技术实施例提供了一种服务器，所述服务器包括：一个或多个处理器；存储装置，配置为存储一个或多个程序；通信接口，配置为使所述处理器和存储装置与外部设备进行通信；当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现上述第二方面中的方法。第七方面，本专利技术实施例提供了一种计算机可读存储介质，用于存储所述钢板缺陷检测装置所用的计算机软件指令，其包括用于执行上述第一方面中的钢板缺陷检测方法为所述钢板缺陷检测装置所涉及的程序。第八方面，本专利技术实施例提供了一种计算机可读存储介质，用于存储所述钢板缺陷检测装置所用的计算机软件指令，其包括用于执行上述第二方面中的钢板缺陷检测方法为所述钢板缺陷检测装置所涉及的程序。上述技术方案中的另一个技术方案具有如下优点或有益效果：本专利技术实施例中，利用检测模型预测计算出缺陷的类别和位置，能够使检测结果更为精确。上述概述仅仅是为了说明书的目的，并不意图以任何方式进行限制。除上述描述的示意性的方面、实施方式和特征之外，通过参考附图和以下的详细描述，本专利技术进一步的方面、实施方式和特征将会是容易明白的。附图说明在附图中，除非另外规定，否则贯穿多个附图相同的附图标记表示相同或相似的部件或元素。这些附图不一定是按照比例绘制的。应该理解，这些附图仅描绘了根据本专利技术公开的一些实施方式，而不应将其视为是对本专利技术范围的限制。图1为根据本专利技术一个实施例的钢板缺陷检测方法的流程图；图2为根据本专利技术另一实施例的钢板缺陷检测方法的流程图；图3为根据本文档来自技高网...

【技术保护点】
1.一种钢板缺陷检测分类方法，其特征在于，包括：接收待检测钢板的图片数据，并根据所述图片数据生成缺陷检测请求；监测多个服务器的运行状态，将所述待检测钢板的图片数据和所述缺陷检测请求发送至第一服务器上；其中，所述多个服务器每个都搭载检测模型，并且所述第一服务器为所述多个服务器中计算负载最小的服务器；从所述第一服务器接收预测结果；其中，所述预测结果通过所述检测模型对所述待检测钢板的图片数据进行预测计算后得到，并且所述预测结果包括检测合格和缺陷结果，所述缺陷结果中包括所述待检测钢板的缺陷中每个缺陷的位置和类别；和根据所述预测结果，执行相应的响应动作。

【技术特征摘要】
1.一种钢板缺陷检测分类方法，其特征在于，包括：接收待检测钢板的图片数据，并根据所述图片数据生成缺陷检测请求；监测多个服务器的运行状态，将所述待检测钢板的图片数据和所述缺陷检测请求发送至第一服务器上；其中，所述多个服务器每个都搭载检测模型，并且所述第一服务器为所述多个服务器中计算负载最小的服务器；从所述第一服务器接收预测结果；其中，所述预测结果通过所述检测模型对所述待检测钢板的图片数据进行预测计算后得到，并且所述预测结果包括检测合格和缺陷结果，所述缺陷结果中包括所述待检测钢板的缺陷中每个缺陷的位置和类别；和根据所述预测结果，执行相应的响应动作。2.根据权利要求1所述的方法，其特征在于，在所述根据所述预测结果，执行相应的响应动作之后，还包括：发送更新指令至所述第一服务器；其中，所述更新指令指示所述第一服务器根据所接收的钢板图片数据和所述预测结果对所述检测模型进行更新，并且将更新后的检测模型发送至所述多个服务器中的其他服务器。3.一种钢板缺陷检测方法，其特征在于，包括：接收待检测钢板的图像数据和缺陷检测请求；和根据所述缺陷检测请求，利用检测模型对所述图像数据进行预测计算，得到并输出预测结果；其中，所述预测结果包括检测合格和缺陷结果，所述缺陷结果中包括所述待检测钢板的缺陷中每个缺陷的位置和类别。4.根据权利要求3所述的方法，其特征在于，所述利用检测模型对所述图像数据进行预测计算，包括：利用深度卷积神经网络提取所述待检测钢板的图像数据中的钢板特征；根据所提取的钢板特征，判断所述待检测钢板是否具有缺陷；和在确定所述待检测钢板具有缺陷时，利用预设分类器确定所述缺陷中的每个的位置和类别，并根据所述缺陷中的每个的位置和类别生成所述缺陷结果的预测结果；在确定没有在所述待检测钢板上检测到缺陷时，生成所述检测合格的预测结果。5.根据权利要求4所述的方法，其特征在于，在所述利用深度卷积神经网络提取所述待检测钢板的图像数据中的钢板特征之前，还包括：对所述待检测钢板的图像数据进行预处理；并且，所述利用深度卷积神经网络提取所述待检测钢板的图像数据中的钢板特征包括：利用深度卷积神经网络提取经预处理的图像数据中的钢板特征。6.根据权利要求4所述的方法，其特征在于，所述钢板特征利用多件钢板的图像通过训练获得，并且根据预定时间间隔或根据接收到的更新指令进行更新；其中，所述更新指令指示，根据所接收的钢板图片数据和所述预测结果对所述检测模型进行更新，并且所述多件钢板的规格相同并且以同一工艺形成。7.根据权利要求4所述的方法，其特征在于，所述根据所提取的钢板特征判断所述待检测钢板是否具有缺陷包括：将所提取的钢板特征与合格钢板的对应钢板特征进行比较，并根据比较结果判断所述待检测钢板是否具有缺陷。8.一种钢板缺陷检测装置，其特征在于，包括：数据接收模块，用于接收待检测钢板的图片数据，并根据所述图片数据生成缺陷检测请求；数据发送模块，用于监测多个服务器的运行状态，将所述待检测钢板的图片数据和所述缺陷检测请求发送至第一服务器上；其中，所述多个服务器每个都搭载检测模型，并且所述第一服务器为所述多个服务器中计算负载最小的服务器；结果接收模块，用于从所述第一服务器接收预测结果；其...

【专利技术属性】
技术研发人员：冷家冰，刘明浩，梁阳，文亚伟，张发恩，郭江亮，唐进，尹世明，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：北京,11