[发明专利]一种基于视觉的自学习工业智能检测系统及方法

说明书

本发明公开了一种基于视觉的自学习工业智能检测系统及方法，所述系统包括：成像单元，计算单元，通讯单元和控制单元。所述计算单元包括检测器，跟踪器，训练控制单元，神经网络分类器和分类器参数控制单元。本发明基于视觉的自学习工业智能检测系统及方法，通过小批量数据训练神经网络模型识别图像中检测到的物体类别；识别结果作为交互输出提供给用户；用户通过人工标定验证识别结果，神经网络训练器以此判断作为训练标记，实时改善识准确率；逐步减少人为干预。本系统适用于不同物体的识别，并能通过进一步优化模型参数来不停的提高识别效率。

技术领域

本发明涉及工业自动化领域, 特别涉及一种基于视觉的自学习工业智能检测系统及方法，利用人工智能和计算机视觉系统自动学习工业流水线的人工干预部分,比如数量统计,质量检测, 物料的识别,并辅助及逐步替代人力资源的浪费。

背景技术

目前,传统机器视觉利用主要利用匹配的方法进行模式识别,其缺点在于需要针对不同的目标开发针对性的算法匹配,没有一个通用的算法,然而在实际应用中,目标个体千变万化,传统的计算机视觉需要大量的算法优化工作来实现具体的目标,比如在五金加工领域,螺丝就有不同的型号,大小以及种类,如果针对不同的螺丝开发,需要大量的开发工作,这极大的限制了自动化领域的计算机视觉应用。

另一方面,随着人工智能的发展,机器学习有了很大的突破,其核心技术在于利用深度神经网络的分类能力,能够基于训练数据的分类基础上,训练合适的网络模型,能在特定任务上实现比人工更高的效率及准确率。这种弱人工智能技术在工业领域会有更大的应用,其原因在于执行特定的任务,无人为的疲劳,会产生稳定高效的结果,其结果具有复制性及拓展性。

发明内容

本发明目的是：克服上述现有技术的缺陷与不足，提供一种基于视觉的自学习工业智能检测系统及方法。

本发明的技术方案是：

一种基于视觉的自学习工业智能检测系统，所述系统包括：

成像单元,对应用场景成像并转换成数字信号；

计算单元，通过成像单元的输入结果进行自学习，并在学习到一定阶段后实时进行分析，并根据反馈结果不停提高学习精度把分析结果发给通讯单元及控制单元；

通讯单元，把计算单元的分析结果发送到相关设备；

控制单元，根据分析结果来控制相关设备并通过显示端口输出分析结果到输入和输出界面上。

优选的，所述计算单元包括：

检测器，实时将检测出的物体提供给跟踪器;

跟踪器，将检测出的问题进行标定并分类之后提供给训练控制单元；

训练控制单元，根据分类结果，决定分类器需要修改的参数及位置；

神经网络分类器，根据更新的分类器参数对检测器结果进行分类并将结果传递回跟踪器及输出界面；

分类器参数控制单元，所述分类器参数控制单元根据训练控制单元结果以及跟踪器输出结果更新分类器参数达成分类需求。

优选的，所述输入和输出界面输入图像及输出分类结果。

优选的，所述成像单元,采用CMOS/CCD传感器或光学镜头+辅助光源。

优选的，所述计算单元采用但不限于CPU/GPU/FPGA/MCU。

优选的，通讯单元采用无线或有线网络。

一种基于视觉的自学习工业智能检测方法，包括：

1）成像单元取得场景中的图像后，根据特定目标进行物体检测，将待检测目标从背景区分开；