本申請涉及智能生產(chǎn)領(lǐng)域，且更為具體地，涉及一種產(chǎn)品檢測系統(tǒng)及方法。

背景技術(shù)：

1、在精密制造領(lǐng)域，例如電子設(shè)備或機(jī)械部件的組裝過程中，每一個細(xì)節(jié)都可能影響最終產(chǎn)品的性能和可靠性。螺絲作為連接件，其正確的安裝位置、數(shù)量以及緊固程度直接影響著產(chǎn)品的結(jié)構(gòu)完整性和功能穩(wěn)定性。任何一顆螺絲的缺失或者安裝不當(dāng)都可能導(dǎo)致產(chǎn)品故障，甚至引發(fā)安全隱患。因此，螺絲的裝配質(zhì)量檢測成為了生產(chǎn)線上不可忽視的重要環(huán)節(jié)。

2、然而，傳統(tǒng)的螺絲裝配檢測通常依賴于人工目視檢查，這種方式雖然直觀，但在實際應(yīng)用中卻存在諸多不足。具體地，人工檢查效率低下，尤其是在大規(guī)模生產(chǎn)線環(huán)境中，單靠人力難以滿足快速生產(chǎn)的節(jié)奏，導(dǎo)致整個生產(chǎn)流程的瓶頸。此外，人工檢查還容易受到環(huán)境光線、工作壓力和個人情緒等因素的影響，這些外部條件的變化都會直接影響到檢查的效果。比如，在光線不足的情況下，即使是最有經(jīng)驗的操作員也可能錯過細(xì)小的問題；而在高壓力的工作環(huán)境下，操作員可能會因急于完成任務(wù)而忽視某些細(xì)節(jié)，從而影響檢測的質(zhì)量。

3、因此，需要一種優(yōu)化的產(chǎn)品檢測方案。

技術(shù)實現(xiàn)思路

1、為了解決上述技術(shù)問題，提出了本申請。本申請的實施例提供了一種產(chǎn)品檢測系統(tǒng)及方法，其采用基于人工智能的圖像識別和處理技術(shù)來進(jìn)行螺絲裝箱狀態(tài)檢測圖像和螺絲裝箱狀態(tài)質(zhì)檢合格的參考狀態(tài)圖像的圖像分塊、顏色直方圖特征提取，以此根據(jù)所述螺絲裝箱狀態(tài)檢測圖像和所述參考狀態(tài)圖像的顏色直方圖語義聚合表示特征之間的產(chǎn)品狀態(tài)語義系數(shù)來自動地判斷是否存在螺絲產(chǎn)品漏裝。這樣，可以顯著提高檢測速度，滿足大規(guī)模生產(chǎn)線的需求。同時利用人工智能算法進(jìn)行螺絲裝箱狀態(tài)處理，不僅減少了因人為因素導(dǎo)致的錯誤，還能檢測出微小的差別，從而大幅提高了檢測的準(zhǔn)確性和智能化水平。

2、根據(jù)本申請的一個方面，提供了一種產(chǎn)品檢測系統(tǒng)，其包括：

3、螺絲裝箱狀態(tài)檢測圖像采集模塊，用于獲取由攝像頭采集的螺絲裝箱狀態(tài)檢測圖像；

4、螺絲裝箱狀態(tài)參考圖像采集模塊，用于提取螺絲裝箱狀態(tài)質(zhì)檢合格的參考狀態(tài)圖像；

5、檢測參考狀態(tài)圖像分塊模塊，用于分別對所述螺絲裝箱狀態(tài)檢測圖像和所述參考狀態(tài)圖像進(jìn)行圖像分塊以得到檢測狀態(tài)圖像塊的序列和參考狀態(tài)圖像塊的序列；

6、檢測參考狀態(tài)顏色直方圖計算模塊，用于分別計算所述檢測狀態(tài)圖像塊的序列和所述參考狀態(tài)圖像塊的序列的顏色直方圖以得到檢測狀態(tài)顏色直方圖的序列和參考狀態(tài)顏色直方圖的序列；

7、檢測參考狀態(tài)顏色語義特征提取模塊，用于將所述檢測狀態(tài)顏色直方圖的序列和所述參考狀態(tài)顏色直方圖的序列通過螺絲裝箱狀態(tài)特征提取器以得到檢測狀態(tài)顏色直方圖語義特征向量的序列和參考狀態(tài)顏色直方圖語義特征向量的序列；

8、檢測參考狀態(tài)顏色特征語義聚合模塊，用于將所述檢測狀態(tài)顏色直方圖語義特征向量的序列和所述參考狀態(tài)顏色直方圖語義特征向量的序列通過基于特征顯著性引導(dǎo)的節(jié)點聚合網(wǎng)絡(luò)以得到檢測狀態(tài)顏色直方圖語義聚合表示向量和參考狀態(tài)顏色直方圖語義聚合表示向量；

9、產(chǎn)品狀態(tài)語義巴氏系數(shù)計算模塊，用于計算所述檢測狀態(tài)顏色直方圖語義聚合表示向量和所述參考狀態(tài)顏色直方圖語義聚合表示向量之間的產(chǎn)品狀態(tài)語義巴氏系數(shù)；

10、螺絲裝箱狀態(tài)檢測結(jié)果生成模塊，用于基于所述產(chǎn)品狀態(tài)語義巴氏系數(shù)，確定螺絲裝箱狀態(tài)檢測結(jié)果，所述螺絲裝箱狀態(tài)檢測結(jié)果用于表示是否存在螺絲產(chǎn)品漏裝。

11、根據(jù)本申請的另一方面，提供了一種產(chǎn)品檢測方法，其包括：

12、獲取由攝像頭采集的螺絲裝箱狀態(tài)檢測圖像；

13、提取螺絲裝箱狀態(tài)質(zhì)檢合格的參考狀態(tài)圖像；

14、分別對所述螺絲裝箱狀態(tài)檢測圖像和所述參考狀態(tài)圖像進(jìn)行圖像分塊以得到檢測狀態(tài)圖像塊的序列和參考狀態(tài)圖像塊的序列；

15、分別計算所述檢測狀態(tài)圖像塊的序列和所述參考狀態(tài)圖像塊的序列的顏色直方圖以得到檢測狀態(tài)顏色直方圖的序列和參考狀態(tài)顏色直方圖的序列；

16、將所述檢測狀態(tài)顏色直方圖的序列和所述參考狀態(tài)顏色直方圖的序列通過螺絲裝箱狀態(tài)特征提取器以得到檢測狀態(tài)顏色直方圖語義特征向量的序列和參考狀態(tài)顏色直方圖語義特征向量的序列；

17、將所述檢測狀態(tài)顏色直方圖語義特征向量的序列和所述參考狀態(tài)顏色直方圖語義特征向量的序列通過基于特征顯著性引導(dǎo)的節(jié)點聚合網(wǎng)絡(luò)以得到檢測狀態(tài)顏色直方圖語義聚合表示向量和參考狀態(tài)顏色直方圖語義聚合表示向量；

18、計算所述檢測狀態(tài)顏色直方圖語義聚合表示向量和所述參考狀態(tài)顏色直方圖語義聚合表示向量之間的產(chǎn)品狀態(tài)語義巴氏系數(shù)；

19、基于所述產(chǎn)品狀態(tài)語義巴氏系數(shù)，確定螺絲裝箱狀態(tài)檢測結(jié)果，所述螺絲裝箱狀態(tài)檢測結(jié)果用于表示是否存在螺絲產(chǎn)品漏裝。

20、與現(xiàn)有技術(shù)相比，本申請?zhí)峁┑漠a(chǎn)品檢測系統(tǒng)及方法，其采用基于人工智能的圖像識別和處理技術(shù)來進(jìn)行螺絲裝箱狀態(tài)檢測圖像和螺絲裝箱狀態(tài)質(zhì)檢合格的參考狀態(tài)圖像的圖像分塊、顏色直方圖特征提取，以此根據(jù)所述螺絲裝箱狀態(tài)檢測圖像和所述參考狀態(tài)圖像的顏色直方圖語義聚合表示特征之間的產(chǎn)品狀態(tài)語義系數(shù)來自動地判斷是否存在螺絲產(chǎn)品漏裝。這樣，可以顯著提高檢測速度，滿足大規(guī)模生產(chǎn)線的需求。同時利用人工智能算法進(jìn)行螺絲裝箱狀態(tài)處理，不僅減少了因人為因素導(dǎo)致的錯誤，還能檢測出微小的差別，從而大幅提高了檢測的準(zhǔn)確性和智能化水平。

技術(shù)特征：

1.一種產(chǎn)品檢測系統(tǒng)，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的產(chǎn)品檢測系統(tǒng)，其特征在于，所述檢測參考狀態(tài)圖像分塊模塊，用于：將所述螺絲裝箱狀態(tài)檢測圖像和所述參考狀態(tài)圖像通過圖像分塊器以得到所述檢測狀態(tài)圖像塊的序列和所述參考狀態(tài)圖像塊的序列。

3.根據(jù)權(quán)利要求2所述的產(chǎn)品檢測系統(tǒng)，其特征在于，所述檢測參考狀態(tài)顏色語義特征提取模塊，用于：將所述檢測狀態(tài)顏色直方圖的序列和所述參考狀態(tài)顏色直方圖的序列通過基于深度卷積神經(jīng)網(wǎng)絡(luò)模型的螺絲裝箱狀態(tài)特征提取器以得到所述檢測狀態(tài)顏色直方圖語義特征向量的序列和所述參考狀態(tài)顏色直方圖語義特征向量的序列。

4.根據(jù)權(quán)利要求3所述的產(chǎn)品檢測系統(tǒng)，其特征在于，所述基于深度卷積神經(jīng)網(wǎng)絡(luò)模型的螺絲裝箱狀態(tài)特征提取器為基于空洞卷積神經(jīng)網(wǎng)絡(luò)模型的螺絲裝箱狀態(tài)特征提取器。

5.根據(jù)權(quán)利要求4所述的產(chǎn)品檢測系統(tǒng)，其特征在于，所述檢測參考狀態(tài)顏色特征語義聚合模塊，包括：

6.根據(jù)權(quán)利要求5所述的產(chǎn)品檢測系統(tǒng)，其特征在于，所述檢測狀態(tài)顏色直方圖語義特征顯著性描述因子計算單元，用于：

7.根據(jù)權(quán)利要求6所述的產(chǎn)品檢測系統(tǒng)，其特征在于，所述檢測狀態(tài)顏色直方圖語義特征顯著性衰減因子構(gòu)造單元，用于：

8.根據(jù)權(quán)利要求7所述的產(chǎn)品檢測系統(tǒng)，其特征在于，所述檢測狀態(tài)顏色直方圖語義特征顯著性衰減因子掩碼單元，用于：

9.一種產(chǎn)品檢測方法，其特征在于，包括：

10.根據(jù)權(quán)利要求9所述的產(chǎn)品檢測方法，其特征在于，分別對所述螺絲裝箱狀態(tài)檢測圖像和所述參考狀態(tài)圖像進(jìn)行圖像分塊以得到檢測狀態(tài)圖像塊的序列和參考狀態(tài)圖像塊的序列，包括：將所述螺絲裝箱狀態(tài)檢測圖像和所述參考狀態(tài)圖像通過圖像分塊器以得到所述檢測狀態(tài)圖像塊的序列和所述參考狀態(tài)圖像塊的序列。

技術(shù)總結(jié)
本申請?zhí)峁┝艘环N產(chǎn)品檢測系統(tǒng)及方法，涉及智能生產(chǎn)領(lǐng)域，其采用基于人工智能的圖像識別和處理技術(shù)來進(jìn)行螺絲裝箱狀態(tài)檢測圖像和螺絲裝箱狀態(tài)質(zhì)檢合格的參考狀態(tài)圖像的圖像分塊、顏色直方圖特征提取，以此根據(jù)所述螺絲裝箱狀態(tài)檢測圖像和所述參考狀態(tài)圖像的顏色直方圖語義聚合表示特征之間的產(chǎn)品狀態(tài)語義系數(shù)來自動地判斷是否存在螺絲產(chǎn)品漏裝。這樣，可以顯著提高檢測速度，滿足大規(guī)模生產(chǎn)線的需求。同時利用人工智能算法進(jìn)行螺絲裝箱狀態(tài)處理，不僅減少了因人為因素導(dǎo)致的錯誤，還能檢測出微小的差別，從而大幅提高了檢測的準(zhǔn)確性和智能化水平。

技術(shù)研發(fā)人員：麥騫譽(yù)
受保護(hù)的技術(shù)使用者：路邦科技授權(quán)有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/6