[发明专利]一种基于神经网络的外观检测方法和系统

说明书

本发明实施例公开了一种基于神经网络的外观检测方法和系统。该方法包括：获取待测目标对象的外观图像；确定外观图像中待测目标区域；根据待测目标区域提取待测目标对象的特征向量；将特征向量作为多层感知器模型的输入，并根据多层感知器模型的输出确定待测目标对象的外观形态类型，其中，多层感知器模型根据预设样本预先训练得到。从而不再依赖于阈值判定，解决了因阈值判定的单一性导致的准确性和容错性较差的问题，从而提高了外观检测的准确率，增强了容错性，扩大了机器视觉的应用范围以及促进了智能制造的发展。

技术领域

本发明实施例涉及机器视觉领域，尤其涉及一种基于神经网络的外观检测方法和系统。

背景技术

随着科技的快速发展，机器视觉作为人工智能的一个分支越来越受到人们的关注。

目前，我国在机器视觉领域的外观检测方面，通常是利用二值化、快速傅里叶变换等方法提取外观图像的特征信息，然后设定外观图像判定中的阈值，从而确定外观图像的形态类型。

然而，这些传统的外观检测方法存在着诸多的缺点，例如，由于对外观图像判定的单一性，使得外观检测的准确率不高，并且无法应对外观缺陷的多样性，容错性较差，同时也大大限制了机器视觉的应用范围，以及阻碍了智能制造的发展。

发明内容

本发明提供一种基于神经网络的外观检测方法和系统，以提高外观检测的准确率，增强容错性，扩大机器视觉的应用范围以及促进智能制造的发展。

第一方面，本发明实施例提供了一种基于神经网络的外观检测方法，包括：

获取待测目标对象的外观图像；

确定所述外观图像中待测目标区域；

根据所述待测目标区域提取所述待测目标对象的特征向量；

将所述特征向量作为多层感知器模型的输入，并根据所述多层感知器模型的输出确定所述待测目标对象的外观形态类型，其中，所述多层感知器模型根据预设样本预先训练得到。

第二方面，本发明实施例还提供了一种基于神经网络的外观检测系统，包括：

外观图像获取模块，用于获取待测目标对象的外观图像；

待测区域确定模块，用于确定所述外观图像中待测目标区域；

特征向量提取模块，用于根据所述待测目标区域提取所述待测目标对象的特征向量；

形态类型确定模块，用于将所述特征向量作为多层感知器模型的输入，并根据所述多层感知器模型的输出确定所述待测目标对象的外观形态类型，其中，所述多层感知器模型根据预设样本预先训练得到。

本发明通过利用多层感知器模型，将提取的待测目标对象的特征向量作为多层感知器模型的输入，根据多层感知器模型的输出确定待测目标对象的外观形态类型，从而不再依赖于阈值判定，解决了因阈值判定的单一性导致的准确性和容错性较差的问题，从而提高了外观检测的准确率，增强了容错性，扩大了机器视觉的应用范围以及促进了智能制造的发展。

附图说明

图1是本发明实施例一提供的一种基于神经网络的外观检测方法的流程图。

图2是本发明实施例二提供的一种基于神经网络的外观检测方法的流程图。

图3是本发明实施例二提供的一种待测目标对象的外观图像的展示图。

图4是本发明实施例三提供的一种基于神经网络的外观检测方法的流程图。

图5是本发明实施例三提供的一个多层感知器模型的展示图。

图6是本发明实施例四中提供的一种基于神经网络的外观检测系统的结构示意图。