摘要
本发明提供了一种基于视觉检测的汽车零部件的缺陷检测方法及系统,涉及图像处理技术领域,包括获取待检测汽车零部件的多模态数据;对获取到的图像数据进行预处理,得到第一图像数据、第一振动特征信息和第一声音特征信息;利用计算机视觉技术,对第一图像数据进行特征提取,得到图像特征信息;构建多模态数据集,利用迁移学习方法训练深度神经网络模型,得到训练好的深度神经网络模型;对待检测汽车零部件的图像和传感器数据进行缺陷检测与识别,判断汽车零部件是否存在缺陷。本发明的有益效果为利用计算机视觉技术和机器学习算法,能够实现自动化的缺陷检测,提高检测的准确性、速度和稳定性,有助于提高生产效率和产品质量。
技术关键词
检测汽车零部件
深度神经网络模型
振动特征
缺陷检测方法
振动传感器
声波传感器
图像特征信息
数据
视觉特征信息
训练深度神经网络
频谱特征
多模态
迁移学习方法
缺陷检测系统
功率谱密度估计
系统为您推荐了相关专利信息
X射线智能
锂电池
多模态
X射线探测器
图像处理模块
深度神经网络模型
量化误差
参数
训练集数据
资源受限环境
YOLO模型
绝缘子自爆缺陷
卷积算法
电力运维技术
多尺度特征融合
顶头
缺陷检测方法
学习特征
图像特征信息
图像特征向量
印刷缺陷检测方法
跨模态
异常检测器
红外摄像头
图像获取装置