(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210480015.7 (22)申请日 2022.05.05 (71)申请人 江苏功业互联科技有限公司 地址 226000 江苏省南 通市开发区工业博 览城1幢1412室 (72)发明人 黄霞　赵林峰　 (74)专利代理 机构 南通云创慧泉专利代理事务 所(普通合伙) 32585 专利代理师 邵永永 (51)Int.Cl. B07C 5/34(2006.01) B07C 5/342(2006.01) B07C 5/36(2006.01) G06N 20/00(2019.01) G06T 7/00(2017.01)G06T 7/73(2017.01) G06V 20/10(2022.01) (54)发明名称 一种深度学习汽车部件表面缺陷检测系统 及方法 (57)摘要 本发明公开了一种深度学习汽车部件表面 缺陷检测系统及方法， 属于汽车部件检测领域， 包括控制模块、 图像预处理模块、 图像识别模块 和三维立体识别模块， 图像识别模块由侯检区域 识别和全 方位缺陷识别组成， 图像预处理模块包 括图像特征提取模块与图像特征识别摄像模块。 本发明基于深度模型的车辆汽车部件检测策略， 保留了汽车部件检测的可靠性， 利用图像识别和 三维立体识别两种方式的同时使用， 有效的提高 了系统的有效性和可靠性， 保证对汽 车部件表面 缺陷的有效检测， 确保检测 效果， 相比现有的检 测系统与方法能显著的提高检测结果的可靠性， 并能显著的提高检测效率， 利用汽 车部件的原始 数据能确保检测结果更加精准。 权利要求书1页 说明书4页 附图1页 CN 114769159 A 2022.07.22 CN 114769159 A 1.一种深度 学习汽车部件表面缺陷检测系统， 其特征在于， 包括控制模块、 图像预处理 模块、 图像识别模块和三维立体识别模块， 所述图像识别模块由侯检区域识别和全方位缺 陷识别组成。 2.根据权利要求1所述的一种深度学习 汽车部件表面缺陷检测系统， 其特征在于， 所述 图像预处 理模块包括图像特 征提取模块与图像特 征识别摄 像模块。 3.根据权利要求1所述的一种深度学习 汽车部件表面缺陷检测系统， 其特征在于， 所述 侯检区域识别对处在侯检区域内的汽车部件进 行表面识别， 并利用图像与处理模块中的图 像特征提取处的图像特征进行比对， 根据比对的差异化的识别实现对侯检区中存在表面缺 陷的产品的识别。 4.根据权利要求1所述的一种深度学习 汽车部件表面缺陷检测系统， 其特征在于， 所述 全方位缺陷识别由三 维摄像装置进行识别， 并在识别后根据识别情况分别对汽车部件进 行 缺陷识别剔除和顺线持续输送。 5.一种深度学习汽车部件表面 缺陷检测方法， 其特 征在于， 包括以下步骤： S1、 汽车部件数据处理:将汽车部件的制造数据输入到控制模块内， 控制模块将汽车部 件的图像数据输送到图像数据预处 理模块中进行图像特 征提取； 控制模块将汽车部件的三维坐标 数据进行整理后， 输入到三维扫描仪内； S2、 汽车表面缺陷图像检测： 在侯检区内对处在侯检区域内的汽车部件进行表面识别， 识别出侯检区内的汽车部件的表面缺陷， 并对缺陷汽车部件进行识别定位， 并利用推算公 式得出汽车部件表面 缺陷的比例； 通过传输带对侯检区内的汽车部件进行输送， 汽车部件被输送到三维摄像区域处， 通 过三维立体识别装置对汽车部件表面的缺陷进行识别， 识别合格的汽车部件通过传输带继 续输送， 识别不 合格的汽车部件通过分选 机构进行筛除； S3、 三维立体检测： 通过传输带将汽车部件输送到三维扫描仪内， 三维扫描仪通过该汽 车部件的三维数据进行对比， 得 出该汽车部件的表面 缺陷十分存在； S4、 经三维扫描仪扫描后的汽车部件进行分选， 得 出符合标准的汽车部件。 6.根据权利要求5所述的一种深度学习 汽车部件表面缺陷检测方法， 其特征在于， 所述 三维扫描仪的三 维坐标数据输入方式包括但不仅限于接触式和非接触式， 接触测量方法包 括坐标测量机和色谱法； 非接触测量方法包括 光学测量、 超声 波测量、 电磁测量方法。 7.根据权利要求5所述的一种深度学习 汽车部件表面缺陷检测方法， 其特征在于， 所述 三维立体识别装置在对侯检区检测出表面缺陷的汽车部件进 行识别前， 在传输带上对缺陷 汽车部件进行识别定位的摄像装置会在缺陷汽车部件移动到三维摄像区域时， 输出给控制 模块反馈信号， 着重对该汽车部件进行详细识别。 8.根据权利要求5所述的一种深度学习 汽车部件表面缺陷检测方法， 其特征在于， 所述 被侯检区检测出表面缺陷的汽车部件的推算数据与经三维立体检测后得出的具体数据进 行比对， 控制单 元比对后根据数据差异进行深度学习。权　利　要　求　书 1/1 页 2 CN 114769159 A 2一种深度学习汽车部件表面缺陷检测系统及方 法 技术领域 [0001]本发明涉及汽车部件检测技术领域， 尤其涉及一种深度学习汽车部件表面缺陷检 测系统及方法。 背景技术 [0002]随着社会科技的进步， 智能交通系统在交通违规和交通事故等问题上扮演着越来 越重要的角色， 其中车辆搜索系统是其重要组成部分， 而车辆汽车部件检测即是检测出车 辆的各个汽车部件的位置， 各个汽车部件的质量和表面缺陷度对整个车辆有着决定性的影 响， 故而在生产质检环节中对汽车各个部件的表面缺陷二段检测尤为重要， 之前对应汽车 部件表面的检测方式主要以抽检普查为主， 这种检测方式其虽能提高检测效率， 但不能保 证汽车部件的单一质量， 存在严重缺陷， 随着智能摄像的运用， 利用摄像装置对汽车部件表 面缺陷进 行检测也逐渐完善， 但目前的汽车部件表面缺陷检测方式主要利用摄像的识别功 能， 没有全面的利用到摄像的学习能力， 并且通过智能摄像对汽车部件表面缺陷检测时， 需 要对工件进行多次操作， 检测效率低下， 为此现提出一种深度学习汽车部件表面缺陷检测 系统及方法。 发明内容 [0003]本发明的目的是为了解决现有技术中对汽车部件表面缺陷检测方式主要利用摄 像的识别功能， 没有全面的利用到摄像的学习能力， 并且通过智能摄像对汽车部件表面缺 陷检测时， 需要对工件进 行多次操作， 检测效率低下问题， 而提出的一种深度学习汽车部件 表面缺陷检测系统及方法， 其基于深度模型 的车辆汽车部件检测策略， 保留了汽车部件检 测的可靠性， 利用图像识别和三维立体识别两种 方式的同时使用， 有效的提高了系统的有 效性和可靠性， 保证对汽车部件表面缺陷的有效检测， 确保检测效果， 相比现有的检测系统 与方法能显著的提高检测结果的可靠性， 并能显著的提高检测效率， 利用汽车部件的原始 数据能确保检测结果更加精准。 [0004]为了实现上述目的， 本发明采用了如下技 术方案： [0005]一种深度学习汽车部件表面缺陷检测系统， 包括控制模块、 图像预处理模块、 图像 识别模块和三维立体识别模块， 所述图像识别模块由侯检区域识别和全方位缺陷识别组 成。 [0006]优选地， 所述图像预处 理模块包括图像特 征提取模块与图像特 征识别摄 像模块。 [0007]优选地， 所述侯检区域识别对处在侯检区域内的汽车部件进行表面识别， 并利用 图像与处理模块中的图像特征提取 处的图像特征进行比对， 根据比对的差异 化的识别实现 对侯检区中存在表面 缺陷的产品的识别。 [0008]优选地， 所述全方位缺陷识别由三维摄像装置进行识别， 并在识别后根据识别情 况分别对 汽车部件进行缺陷识别剔除和顺线持续输送。 [0009]一种深度学习汽车部件表面 缺陷检测方法， 包括以下步骤：说　明　书 1/4 页 3 CN 114769159 A 3