一种空调控制器外观检测方法及系统与流程

本发明涉及到机器视觉领域，具体涉及到一种空调控制器外观检测方法及系统。

背景技术：

1、在空调控制器的生成过程中，为了保障空调控制器的品质，通常需要对空调控制器的外观进行检测，避免出现不合格的产品，空调控制器的外观包括刮伤、色差和气泡等。目前空调控制器的外观检测通常需要人工进行检测，采用人工进行检测会受到主观因素的影响，并且人工检测的成本较高；而单纯采用深度学习的方法需要大量的训练数据，在实际的应用中会受到限制。

技术实现思路

1、本发明提供一种空调控制器外观检测方法及系统，目的是为了解决现有技术中对空调控制器外观进行检测时准确率低、检测效率低的问题。

2、为实现上述目的，本发明采用的技术方案是：

3、本发明提供一种空调控制器外观检测方法，包括：

4、对获取的图片进行分割，得到空调控制器外观图片，并对所述空调控制器外观图片进行位置矫正；

5、对位置矫正后的所述空调控制器外观图片与标准空调控制器的图片进行模板匹配，得到第一次检测结果；

6、当第一次检测结果显示所述空调控制器外观图片合格时，将所述空调控制器外观图片输入到训练好faster-rcnn网络模型中，对所述空调控制器外观图片进行第二次检测，得到第二次检测结果；

7、在第二次检测结果显示所述空调控制器外观图片合格时，认为当前空调控制器为合格产品。

8、本发明通过采集图片，对图片进行分割，分割出空调控制器外观图片，再对空调控制器外观图片进行位置矫正，之后再与标准空调控制器的图片进行模板匹配，第一次检测后挑出不合格的产品，第一次检测主要检测空调控制器的按键部分；第二步再使用训练好的faster-rcnn网络模型对第一次检测合格的空调控制器外观图片进行第二次检测，第二次检测主要检测空调控制器的玻璃显示器部分，两次检测有效的提升了检测的准确度和检测的效率，解决了现有技术中对空调控制器外观进行检测时准确率低、检测效率低的问题。

9、可选地，所述faster-rcnn网络模型的训练过程包括：

10、收收集外观具有缺陷的空调控制器外观图片，对空调控制器外观图片按缺陷的种类进行分类和标注，构建空调控制器外观图片数据集；

11、将所述空调控制器外观图片训练数据集划分为训练集和测试集；

12、构造基于vgg-16的faster-rcnn检测网络模型，将划分好的数据集对faster-rcnn检测网络模型进行训练，得到训练好的faster-rcnn检测网络模型。

13、可选地，本发明提供的一种空调控制器外观检测方法，还包括统计产品合格数据和产品不合格数据，将统计数据作为结果输出。

14、可选地，所述faster-rcnn检测网络模型包括：

15、主干网络：提取输入图片特征；

16、rpn网络：接收所述输入图片特征，构建检测目标候选区域；

17、感兴趣区域池化层：将检测目标候选区域映射至特征区域，并对特征区域进行池化为统一尺度；

18、分类与回归层：对特征区域各目标类别进行分类，利用边界框回归修正目标框得到位置偏移量。

19、可选地，本发明提供的一种空调控制器外观检测方法还包括对获取的图片进行预处理：

20、对所述图片进行灰度化；

21、对灰度化后的图片进行图片增强；

22、对所述增强图片图片进行二值化处理；

23、通过高斯滤波对二值化后的图片进行消除噪音处理。

24、可选地，采集的所述图片为，空调控制器的正面图片和反面图片。

25、本发明还提供一种空调控制器外观检测系统，包括：

26、图片处理模块：对获取的图片进行分割，得到空调控制器外观图片，并对所述空调控制器外观图片进行位置矫正；

27、第一次检测模块：对位置矫正后的所述空调控制器外观图片与标准空调控制器的图片进行模板匹配，得到第一次检测结果；

28、第二次检测模块：当第一次检测结果显示所述空调控制器外观图片合格时，将所述空调控制器外观图片输入到训练好faster-rcnn网络模型中，对所述空调控制器外观图片进行第二次检测，得到第二次检测结果；

29、判断模块：在第二次检测结果显示所述空调控制器外观图片合格时，认为当前空调控制器为合格产品。

30、与现有技术相比，本发明的有益效果是：

31、(1)本发明通过采集图片，并且对图片进行预处理，对图片进行分割，分割出空调控制器外观图片，再对空调控制器外观图片进行矫正，与合格的模板图片通过像素进行比较，第一次检测后挑出不合格的产品，第一次检测主要检测空调控制器的按键部分；第二步再使用训练好的faster-rcnn网络模型，第二次检测出带有缺陷的空调控制器外观图片，二次检测主要检测空调控制器的玻璃显示器部分，两次检测有效的提升了检测的准确度和检测的效率，解决了现有技术中对空调控制器外观进行检测时准确率低、检测效率低的问题。

32、(2)本发明提供的方法通过对空调控制器的外观图片进行两次检测可以满足用于检测空调控制器外观的不同缺陷，减少了检测的成本。

33、(3)本发明通过将机器视觉和深度学习的模型相结合，避免使用人工进行检测，解决了人工检测带来的误判率高，人工成本高的问题，节约了人工，提高了检测的准确率。

技术特征：

1.一种空调控制器外观检测方法，其特征在于，包括：

2.根据权利要求1所述的一种空调控制器外观检测方法，其特征在于，所述faster-rcnn网络模型的训练过程包括：

3.根据权利要求2所述的一种空调控制器外观检测方法，其特征在于，所述faster-rcnn检测网络模型包括：

4.根据权利要求1所述的一种空调控制器外观检测方法，其特征在于，还包括统计产品合格数据和产品不合格数据，将统计数据作为结果输出。

5.根据权利要求1所述的一种空调控制器外观检测方法，其特征在于，还包括对获取的图片进行预处理：

6.根据权利要求1所述的一种空调控制器外观检测方法，其特征在于，获取的所述图片为，空调控制器的正面图片和反面图片。

7.一种空调控制器外观检测系统，其特征在于，包括：

技术总结
本发明公开一种空调控制器外观检测方法及系统，本发明通过采集图片，并且对图片进行预处理，对图片进行分割，分割出空调控制器外观图片，再对空调控制器外观图片进行矫正，与合格的模板图片通过像素进行比较，第一次检测后挑出不合格的产品，第一次检测主要检测空调控制器的按键部分；第二步再使用训练好的Faster‑RCNN网络模型，第二次检测出带有缺陷的空调控制器外观图片，二次检测主要检测空调控制器的玻璃显示器部分，两次检测有效的提升了检测的准确度和检测的效率，解决了现有技术中对空调控制器外观进行检测时准确率低、检测效率低的问题。

技术研发人员：叶志晖,王宏铝,叶万兴,蒋一翔,王柳婧,屠凯达
受保护的技术使用者：浙江中烟工业有限责任公司
技术研发日：
技术公布日：2024/2/1