[发明专利]一种利用深度学习模型检测物体表面缺陷的系统及方法

权利要求书

1.一种用于利用深度学习模型检测物体的表面的缺陷的系统，包括：

传动信号发生设备，被配置为感测被放置在传送带上的物体的接近，并且当所述物体接近所述传动信号发生设备时，生成传动暂停信号以使得所述传送带停止传动；

标识码识别装置，被配置为识别所述物体的表面的标识码以生成标识码信息；

照相机，被配置为对所述物体进行拍照以生成第一图像；

处理器，被配置为接收所述第一图像和所述标识码信息，以及通过对所述第一图像应用深度学习模型来对第一图像进行处理以生成第二图像和缺陷指示，所述缺陷指示包含关于所述物体的表面的缺陷的信息，并且当所述物体的表面具有缺陷时，所述第二图像包括指示所述缺陷的标记，其中所述处理器进一步被配置为在接收到所述第一图像和标识码信息之后向所述传动信号发生设备发送传送恢复指令；和

存储器，被配置为将所述标识码信息、所述第一图像、所述第二图像和所述缺陷指示相关联地存储。

2.如权利要求1所述的系统，其中所述传动信号发生设备进一步被配置为根据接收的传送恢复指令生成传动恢复信号以使得所述传送带恢复传动。

3.如权利要求1所述的系统，还包括：

标识码扫描装置，被配置为扫描所述物体的表面的标识码以生成标识码信息；

终端设备，连接到所述标识码扫描装置、所述处理器和所述存储器，并且被配置为接收所述扫描的标识码信息、将其发送到所述处理器、以及从所述处理器接收与所述标识码信息相对应的第二图像和缺陷指示；和

显示器，连接到所述终端设备并且被配置为显示所述接收的第二图像和缺陷指示。

4.如权利要求1所述的系统，其中所述标识码是二维码或条形码。

5.如权利要求1所述的系统，其中所述深度学习模型通过使用包括有缺陷的物体表面图片数据和无缺陷的物体表面图片数据的历史数据被训练。

6.如权利要求1所述的系统，其中所述深度学习模型通过使用包括有缺陷的物体表面图片数据和无缺陷的物体表面图片数据的实时数据被训练。

7.如权利要求1所述的系统，其中所述深度学习模型包括卷积神经网络模型。

8.如权利要求7所述的系统，其中所述卷积神经网络模型包括YOLO模型。

9.如权利要求1所述的系统，其中所述物体是汽车的发动机缸盖。

10.一种用于利用深度学习模型检测物体的表面的缺陷的方法，包括：

感测被放置在传送带上的物体与传动信号发生设备的接近；

当所述物体接近所述传动信号发生设备时，生成传动暂停信号以使得所述传送带停止传动；

识别所述物体的表面的标识码以生成标识码信息；

对所述物体进行拍照以生成第一图像；

接收所述第一图像和所述标识码信息；

在接收到所述第一图像和所述标识码信息之后向所述传动信号发生设备发送传送恢复指令以使得所述传送带恢复传动；

通过对所述第一图像应用深度学习模型来对第一图像进行处理以生成第二图像和缺陷指示，所述缺陷指示包含关于所述物体的表面的缺陷的信息，并且当所述物体的表面具有缺陷时，所述第二图像包括指示所述缺陷的标记；和

将所述标识码信息、所述第一图像、所述第二图像和所述缺陷指示相关联地存储在存储器中。

11.如权利要求10所述的方法，还包括：

扫描所述物体的表面的标识码以生成所述标识码信息；

从所述存储器中检索与所述标识码信息对应的第二图像和缺陷指示；以及

显示检索到的第二图像和缺陷指示。

12.如权利要求10所述的方法，其中所述标识码是二维码或条形码。