【技术实现步骤摘要】
本专利技术属于计算机缺陷检测领域，尤其涉及一种陶瓷杯缺陷检测方法及系统。
技术介绍
1、在现代制造业中，智能化生产线的应用已经成为企业提高效率、降低成本和提高产品质量的必然趋势。在制造过程中，表面缺陷是一种不可避免的问题，如果不及时检测和处理，将会导致产品质量下降、市场信誉受损和生产成本增加。因此，在智能化生产线中，表面缺陷检测技术的应用显得尤为重要。
2、传统的表面缺陷检测方法主要依赖人工判断或者随机抽样检查，这种方法效率低、耗时长、容易出错，同时由于人为因素的影响，无法保证长期高效的检测效果。而智能化表面缺陷检测技术的应用可以有效解决这些问题。智能化表面缺陷检测技术依靠计算机视觉技术、深度学习算法和机器学习模型等技术手段，能够实现高效、准确、稳定的表面缺陷检测，不仅能够提高产品质量、降低生产成本、提高生产效率，还可以增强企业在市场竞争中的竞争力。
3、除此之外陶瓷制品通常具有不规则的外部特征，这增加了对其质量的管控难度。同时，制造工艺、产品运输和人工操作等不确定性因素可能导致表面缺陷，如开裂、疙瘩、棕眼、脏点和落渣等。存在这些缺陷的陶瓷产品将极大地影响用户的使用体验。因此，实现对陶瓷制品的智能缺陷检测具有重要意义。
4、近年来，随着深度学习技术的发展，深度学习缺陷检测方法逐渐被广泛应用。相比较传统图像处理算法，深度学习缺陷检测方法具有自动化程度高、精度更好、可扩展性好、能够处理大规模数据。相比较传统的机器视觉方法而言，基于深度学习的模型具有较强的学习能力，能够自动学习缺陷的特征表示，无需手
5、伴随计算机视觉的不断发展，丰富了工业产品表面缺陷检测方案，国内外研究人员分别提出了一些基于图像处理的视觉缺陷检测方案。在国外，c.jian等提出基于模板做差与投影法进行手机盖板缺陷检测jian c,gao j,ao y.automatic surface defectdetection for mobile phone screen glass based on machine vision.applied softcomputing。tsai d m和hsieh c y等研究了一种基于改进的傅里叶变换算法，提取出物体表面具有规则纹理的缺陷。hoang k等通过利用聚类算法中的otsu模型检测出皮革表面受否存在缺陷，hoang k,wen w,nachimuthu a,et al.achieving automation in leathersurface inspection.computers in industry，进一步利用形态学的方法，使用基于无监督的机器学习算法将缺陷进行分割。
6、专利cn217820035u一种基于机器视觉的蜂窝陶瓷表面裂纹自动检测装置，其基于机器视觉识别技术，配合自研光源系统,识别判定产品合格与否。专利cn113655073a一种电子陶瓷表面缺陷检测系统，其可以检测片状电子陶瓷或管状电子陶瓷各个面是否出现凹陷、凸起毛刺或者裂纹等。
7、上述算法都只针对背景单一的简单缺陷检测场景进行缺陷检测，如果检测复杂的陶瓷表面，则不能准确将缺陷检测出来；另外，上述专利或算法都只针对一种缺陷进行检测，不能对缺陷进行分类。除此之外，大多数采集系统都是依据陶瓷材质表面进行缺陷检测，很少有针对陶瓷杯表面的缺陷检测。
技术实现思路
1、本专利技术需要解决的技术问题是提供一种陶瓷杯缺陷检测方法及系统，针对实际陶瓷杯结构，设计视觉检测系统对陶瓷杯全表面进行数据采集，通过mqtt协议图像实时传输，对工厂采集到的需要检测的陶瓷杯表面图像之后，通过协议传输到计算机中进行实时同步推理，缺陷检测算法使用改进的yolov5，提升小目标检测精度，最后实现陶瓷杯表面缺陷检测的可视化，并且设计出友好的软件人机交互界面。
2、为解决上述技术问题，本专利技术所采用的技术方案是：
3、一种陶瓷杯缺陷检测方法及系统，针对实际陶瓷杯结构，设计视觉检测系统对陶瓷杯表面进行数据采集，通过mqtt协议图像实时传输，对工厂采集到的需要检测的陶瓷杯表面图像之后，通过协议传输到计算机中进行实时同步推理，缺陷检测算法使用改进的yolov5，提升小目标检测精度，最后实现陶瓷杯表面缺陷检测的可视化，并进行缺陷测量，最后设计出友好的软件人机交互界面。所述的缺陷检测系统及方法具体如下：
4、一种陶瓷杯缺陷检测方法，包括如下步骤：
5、步骤s1、通过图像采集模块采集带有缺陷的陶瓷杯图像样本；
6、步骤s2、建立训练集，使用标签处理软件labelimg对缺陷样本进行打标签处理，在缺陷样本上框出缺陷位置并标明缺陷类别；挑选出10％的缺陷样本进行手动标注，通过半自动标注生成剩余的标签文件，将总的标签文件信息保存成txt文件形式保存，得到训练集；
7、步骤s3、通过改进的目标检测模型将采集到的图像进行缺陷检测；
8、步骤s4、使用步骤s3中改进的目标检测网络对步骤2得到的数据集进行训练，得到训练模型权重文件；
9、步骤s5、在实际工厂环境下获取陶瓷杯表面图像，使用mqtt协议进行实时图像传输；
10、步骤s6、根据步骤s4训练得到的网络训练模型权重文件对步骤s5传输过来的图像进行推理，得到缺陷定位与缺陷分类，并根据缺陷锚框尺寸大小对缺陷实际大小进行测量。
11、本专利技术技术方案的进一步改进在于：在步骤s2中半自动标注是将图像采集模块得到的缺陷样本提取一部分出来进行手动标注，通过网络训练好的yolo权重进行未标注图像的自动打标签，再整合全部的数据集再进行训练。
12、本专利技术技术方案的进一步改进在于：步骤s3中改进了基于yolov5的目标检测算法，根据陶瓷杯表面缺陷实际自身情况添加小目标检测层，取消原网络中的大目标检测层；同时添加先进的注意力机制提升缺陷定位精度，具体如下：
13、3.1、添加小目标检测层，原yolov5结构在neck部分在两次上采样基础上增加新的上采样层，与骨干网络中csp1_1模块引出特征层进行融合，然后通过coordatt模块和csp2_1模块引出小目标检测层；
14、3.2、在yolov5网络结构中引入ca注意力机制，将其加入到第三次上采样特征和csp1_1特征concat操作之后，ca注意力机制公式如下：
15、
16、
17、式中，表示垂直方向特征；表示水平方向特征；h表示输入特征图高；w表示输入特征图宽；
18、
19、式中，f表示新生成的特征图；[]表示concat操作；f1表示卷积降维操作；δ表示激活函本文档来自技高网...
【技术保护点】
1.一种陶瓷杯缺陷检测方法，其特征在于包括如下步骤：
2.根据权利要求1所述的一种陶瓷杯缺陷检测方法，其特征在于：在步骤S2中半自动标注是将图像采集模块得到的缺陷样本提取一部分出来进行手动标注，通过网络训练好的Yolo权重进行未标注图像的自动打标签，再整合全部的数据集再进行训练。
3.根据权利要求1所述的一种陶瓷杯缺陷检测方法，其特征在于：步骤S3中改进了基于Yolov5的目标检测算法，根据陶瓷杯表面缺陷实际自身情况添加小目标检测层，取消原网络中的大目标检测层；同时添加先进的注意力机制提升缺陷定位精度，具体如下：
4.根据权利要求1所述的一种陶瓷杯缺陷检测方法，其特征在于：在步骤S6中根据缺陷锚框尺寸大小对缺陷大小进行实际的测量，在缺陷检测之后的网络添加缺陷测量模块，在经过目标检测网络之后，会得到一个对缺陷定位的锚框，得到锚框信息，包括锚框的中心点位置信息和长宽信息，并根据检测框的坐标点位置测量对相交线的欧氏距离，采集图像的分辨率和实际采集面积已知，再根据锚框信息进行缺陷的测量，得到实际缺陷的面积信息和长度信息，根据以上信息对缺陷做进一步的分级
5.一种陶瓷杯缺陷检测系统，其特征在于：包括图像采集模块、远程运输模块、视觉检测模块和人机交互软件模块，图像采集模块通过运动装置和视觉元件的配合对陶瓷杯进行图像采集，经过半自动标注得到标注的数据集，减少复杂繁琐的手动标注；采集的图像通过图像远程传输模块将需要处理的图像实时远程传输到服务器上，随后根据得到的数据集通过视觉检测模块进行模型的训练与推理，即可实现对陶瓷杯的表面缺陷进行分类、定位及测量；将模型推理算法集成到软件系统中，形成人机交互软件模块，人机交互软件模块可以实现缺陷的可视化显示与半自动标注，同时包含训练模型、选择权重、数据增强、图像实时传输显示等功能，以便于调整模型和缺陷的后续处理，最终系统可以实现陶瓷杯的实时缺陷检测，并对缺陷进行定位与测量。
6.根据权利要求5所述的一种陶瓷杯缺陷检测系统，其特征在于：所述图像采集模块包括采集平台(1)，采集平台(1)上设置旋转台(6)，采集平台(1)上下面都设置有视觉支架(2)，旋转台(6)旁边设置遮光板(7)，采集平台(1)上面的视觉支架上设置有相机二(4)和相机一(3)，采集平台(1)下面的视觉支架上设置相机三(5)，陶瓷杯放置于旋转台(6)上，旋转台为空心设置且旋转台下的采集平台(1)中心为空洞，相机三(5)透过固定在采集平台(1)的面光源向上拍摄陶瓷杯底部，相机一(3)安装于视觉支架(2)上拍摄陶瓷杯正面杯口部分，相机二(4)安装在视觉支架(2)上拍摄陶瓷杯正面杯口部分。
7.根据权利要求5所述的一种陶瓷杯缺陷检测系统，其特征在于：人机交互软件模块包括可视化界面，可视化界面包括训练部分和推理部分，在训练模式下，首先选中TaoCi.yaml文件，该文件包含了数据集路径、缺陷种类和每类缺陷标签，然后选中预训练模型yolov5s.pt、模型结构文件yolov5s.yaml和参数设置文件hyp.scratch-low.yaml，最后设置好epochs、batch-size和图片尺寸参数进行训练；在推理模式下，包括多种图像获取方式，包括从本地获取图像数据、摄像头获取数据、MQTT远程传输图像，选中训练好的权重文件，设置图片尺寸、置信度和IoU阈值之后，点击“开始”按钮，开始进行缺陷检测，在结果统计界面会实时显示检测结果，在图像显示界面则会显示检测前和检测后的图像。
8.根据权利要求5所述的一种陶瓷杯缺陷检测系统，其特征在于：在人机交互软件模块工作过程中，各任务间相互协同工作，当模型训练完毕之后，将其加载到模型推理模式下并搭建好代理服务器，当系统监听到采集命令时，启动相机进行图像采集，采集到图像之后进行实时远程传输，推理模式下MQTT实时订阅图像并将其保存到本地数据库，当图片数量达到一个完整的陶瓷件所采集的数量，则进行图像缺陷检测，在检测过程中，图像显示界面会显示出缺陷检测前后的变化，本轮检测结束之后，系统将继续监听下一次图像采集信号。
...【技术特征摘要】
1.一种陶瓷杯缺陷检测方法，其特征在于包括如下步骤：
2.根据权利要求1所述的一种陶瓷杯缺陷检测方法，其特征在于：在步骤s2中半自动标注是将图像采集模块得到的缺陷样本提取一部分出来进行手动标注，通过网络训练好的yolo权重进行未标注图像的自动打标签，再整合全部的数据集再进行训练。
3.根据权利要求1所述的一种陶瓷杯缺陷检测方法，其特征在于：步骤s3中改进了基于yolov5的目标检测算法，根据陶瓷杯表面缺陷实际自身情况添加小目标检测层，取消原网络中的大目标检测层；同时添加先进的注意力机制提升缺陷定位精度，具体如下：
4.根据权利要求1所述的一种陶瓷杯缺陷检测方法，其特征在于：在步骤s6中根据缺陷锚框尺寸大小对缺陷大小进行实际的测量，在缺陷检测之后的网络添加缺陷测量模块，在经过目标检测网络之后，会得到一个对缺陷定位的锚框，得到锚框信息，包括锚框的中心点位置信息和长宽信息，并根据检测框的坐标点位置测量对相交线的欧氏距离，采集图像的分辨率和实际采集面积已知，再根据锚框信息进行缺陷的测量，得到实际缺陷的面积信息和长度信息，根据以上信息对缺陷做进一步的分级处理，四个角点的坐标信息分别为(x1，y1),(x2，y1),(x1，y2),(x2，y2)，边界框通常由左上角和右下角的坐标表示，可以通过计算右下角的x坐标减去左上角的x坐标，以及右下角的y坐标减去左上角的y坐标，来得到边界框的宽度x2-x1和高度y2-y1，根据角点坐标信息计算出对角线的欧氏距离得到长度l，由于具体的实际靶面距离已知可测得实际拍摄图像视野实际面积为s，图像的分辨率为t，因此可以计算实际脏点的面积与开裂缺陷的实际长度，设脏点的实际面积为m，开裂的实际长度为l，可以通过公式计算如下：
5.一种陶瓷杯缺陷检测系统，其特征在于：包括图像采集模块、远程运输模块、视觉检测模块和人机交互软件模块，图像采集模块通过运动装置和视觉元件的配合对陶瓷杯进行图像采集，经过半自动标注得到标注的数据集，减少复杂繁琐的手动标注；采集的图像通过图像远程传输模块将需要处理的图像实时远程传输到服务器上，随后根据得到的数据集通过视觉检测模块进行模型的训练与推理，即可实现对陶瓷杯的表面缺陷进行分类、定位及测量；将模型推理算法集成到软件系统中，形成人机交互软件模块，人机交互软件模块可以实...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。