一种基于人工智能的自动检测系统、方法、设备及介质技术方案

本发明专利技术公开了一种基于人工智能的自动检测系统，包括：视觉检测模块用于采集待检测的产品图像；图像处理模块用于对待检测的产品图像进行预处理得到处理后的待检测产品图像；智能分析模块用于建立知识图谱，采用产品样本训练卷积神经网络模型得到训练好的模型；传感器模块用于采集环境信息，将处理后的待检测产品图像输入训练好的模型中检测，得到预测结果，并将预测结果反向传播到卷积神经网络模型中进行数据更新；结果输出模块用于输出预测结果。该系统实现对产品进行全方位的、自动化的详细检测，高检出率、低误报率的检测水平，并且检测能力随检测数据的积累不断提升，无需人工过多干预，降低人工成本。

【技术实现步骤摘要】
一种基于人工智能的自动检测系统、方法、设备及介质
本专利技术涉及产品检测
，具体涉及一种基于人工智能的自动检测系统、方法、设备及介质。
技术介绍
目前，制造业多采用传统的质检手段，传统的质检手段面临多种挑战，例如：需要投入大量的人力做质检，人力成本大、工作吸引力、招工难；质检水平完全依赖于检测工人个人能力与稳定性，导致产品质量不稳定；传统质检设备准确率低、误报率高、灵活性差；质检数据没有被记录，无法深入分析，无法帮助工艺改进。
技术实现思路
针对现有技术中的缺陷，本专利技术实施例提供一种基于人工智能的自动检测系统、方法、设备及介质，实现产品质检自动化，准确度高，降低人工成本。第一方面，本专利技术实施例提供的一种基于人工智能的自动检测系统，包括视觉检测模块、图像处理模块、智能分析模块和结果输出模块，其中，所述视觉检测模块用于采集待检测的产品图像；所述图像处理模块用于对待检测的产品图像进行预处理得到处理后的待检测产品图像；所述智能分析模块用于建立知识图谱，采用产品样本训练卷积神经网络模型得到训练好的模型，将处理后的待检测产品图像输入训练好的模型中检测，得到预测结果，并将预测结果反向传播到卷积神经网络模型中进行数据更新；所述结果输出模块用于输出预测结果。第二方面，本专利技术实施例提供的一种基于人工智能的自动检测方法，包括以下步骤：建立检测产品的知识图谱；用产品样本训练卷积神经网络模型得到训练好的模型；获取待检测的产品图像；r>对待检测的产品图像进行预处理得到处理后的待检测产品图像；将处理后的待检测产品图像输入训练好的模型中检测，得到预测结果，并将预测结果反向传播到卷积神经网络模型中进行数据更新；输出预测结果。第三方面，本专利技术实施例提供的一种智能设备，包括处理器、输入设备、输出设备和存储器，所述处理器、输入设备、输出设备和存储器相互连接，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行上述实施例描述的方法。第四方面，本专利技术实施例提供的计算机可读存储介质，所述计算机存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行上述实施例描述的方法。本专利技术的有益效果：本专利技术实施例提供的一种基于人工智能的自动检测系统、方法、设备及介质，实现对产品进行全方位的、自动化的详细检测，高检出率、低误报率的检测水平，并且检测能力随检测数据的积累不断提升，无需人工过多干预，降低人工成本。附图说明为了更清楚地说明本专利技术具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。在所有附图中，类似的元件或部分一般由类似的附图标记标识。附图中，各元件或部分并不一定按照实际的比例绘制。图1示出了本专利技术第一实施例所提供的一种基于人工智能的自动检测系统的结构框图；图2示出了本专利技术第二实施例所提供的一种基于人工智能的自动检测方法的流程图；图3示出了本专利技术第三实施例所提供的一种智能设备的结构框图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。还应当理解，在此本专利技术说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本专利技术。如在本专利技术说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。还应当进一步理解，本专利技术说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。如在本说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。需要注意的是，除非另有说明，本申请使用的技术术语或者科学术语应当为本专利技术所属领域技术人员所理解的通常意义。如图1所示，本专利技术第一实施例提供了一种基于人工智能的自动检测系统的结构框图，该系统包括视觉检测模块、图像处理模块、智能分析模块和结果输出模块，其中，视觉检测模块用于采集待检测的产品图像；图像处理模块用于对待检测的产品图像进行预处理得到处理后的待检测产品图像；智能分析模块用于建立知识图谱，采用产品样本训练卷积神经网络模型得到训练好的模型，将处理后的待检测产品图像输入训练好的模型中检测，得到预测结果，并将预测结果反向传播到卷积神经网络模型中进行数据更新；结果输出模块用于输出预测结果。在本实施例中，智能分析模块包括知识图谱建立单元，所述知识图谱建立单元通过多种数据接入方式获取检测产品的数据建立知识图谱图数据库。可以通过网络爬虫自动收集检测产品的数据，可以通过数据传输方式接入检测产品数据，通过收集充足的数据建立知识图谱图数据库，增强AI在某一产业的应用性。知识图谱建立单元包括数据预处理单元、实体抽取单元、关系抽取单元和数据存储单元，数据预处理单元用于收集的产品数据进行过滤、整理和清洗，将非文本数据转化为文本数据；实体抽取单元用于从文本数据中抽取数据中的实体和实体属性；关系抽取单元用于判定实体与实体间的关系；数据存储单元用于对需要存储的实体和实体属性进行数据处理，形成相应的键值存储到数据库中。通过构建不同的知识图谱，可以对产品质量进行检测或对产品的瑕疵进行检测。在本实施例中，视觉检测模块利用CCD相机拍摄待检测产品的图像，视觉检测模块将采集的图像传输给图像处理模块，图像处理模块对待检测产品图像进行预处理，预处理的方法包括灰度化、几何变换、图像增强，得到处理后的图像。智能分析模块采用产品样本训练卷积神经网络模型得到训练好的模型，将处理后的待检测产品图像输入训练好的模型中检测，得到预测结果，并将预测结果反向传播到卷积神经网络模型中进行数据更新；结果输出模块用于输出预测结果。通过大量样本训练卷积神经网络模型使得预测结果越来越准确。本专利技术实施例的提供一种基于人工智能的自动检测系统还包括传感器模块，所述传感器模块用于采集温度、湿度、声波和振动信号，将采集的信号传输给智能分析模块，智能分析模块根据传感器采集的信号和待检测的产品图像进行综合分析。系统设本文档来自技高网...

【技术保护点】
1.一种基于人工智能的自动检测系统，其特征在于，包括视觉检测模块、图像处理模块、智能分析模块和结果输出模块，其中，/n所述视觉检测模块用于采集待检测的产品图像；/n所述图像处理模块用于对待检测的产品图像进行预处理得到处理后的待检测产品图像；/n所述智能分析模块用于建立知识图谱，采用产品样本训练卷积神经网络模型得到训练好的模型，将处理后的待检测产品图像输入训练好的模型中检测，得到预测结果，并将预测结果反向传播到卷积神经网络模型中进行数据更新；/n所述结果输出模块用于输出预测结果。/n

【技术特征摘要】
1.一种基于人工智能的自动检测系统，其特征在于，包括视觉检测模块、图像处理模块、智能分析模块和结果输出模块，其中，
所述视觉检测模块用于采集待检测的产品图像；
所述图像处理模块用于对待检测的产品图像进行预处理得到处理后的待检测产品图像；
所述智能分析模块用于建立知识图谱，采用产品样本训练卷积神经网络模型得到训练好的模型，将处理后的待检测产品图像输入训练好的模型中检测，得到预测结果，并将预测结果反向传播到卷积神经网络模型中进行数据更新；
所述结果输出模块用于输出预测结果。


2.如权利要求1所述的系统，其特征在于，所述智能分析模块包括知识图谱建立单元，所述知识图谱建立单元通过多种数据接入方式获取检测产品的数据建立知识图谱图数据库。


3.如权利要求2所述的系统，其特征在于，所述知识图谱建立单元包括数据预处理单元、实体抽取单元、关系抽取单元和数据存储单元，
所述数据预处理单元用于收集的产品数据进行过滤、整理和清洗，将非文本数据转化为文本数据；
所述实体抽取单元用于从文本数据中抽取数据中的实体和实体属性；
所述关系抽取单元用于判定实体与实体间的关系；
所述数据存储单元用于对需要存储的实体和实体属性进行数据处理，形成相应的键值存储到数据库中。


4.如权利要求1所述的系统，其特征在于，所述系统还包括传感器模块，所述传感器模块用于采集温度、湿度、声波和振动信号，将采集的信号传输给智能分析模块，智能分析模块根据传感器采集的信号和待检测的产品图像进行综合分析。

【专利技术属性】
技术研发人员：陈泰翔，黄祥麟，蒋中和，
申请(专利权)人：绍兴隆芙力智能科技发展有限公司，
类型：发明
国别省市：浙江;33