摘要
本发明公开了基于深度学习的漆包线缺陷检测系统及方法,涉及漆包线缺陷检测技术领域,解决了现有技术在漆包线成品阶段进行检测,因成品检测滞后从而导致生产材料和能源浪费等技术问题;本发明采集漆包线在各工艺流程的多方位的待处理图像;对多方位的待处理图像进行预处理,预处理后进行图像拼接,得到拼接图像;从拼接图像中分离出目标图像;识别目标图像的缺陷;是,并进行缺陷预警;实现了在各工艺流程中对漆包线质量的精准监测,及时进行预警,并采取措施,确保了缺陷产品不会继续进入后续的生产工艺流程,从而有效遏制了因生产不合格品而导致的材料和能源浪费。
技术关键词
漆包线缺陷检测
卷积神经网络模型
多方位
图像采集工具
阶段
矩形
像素点
图像拼接
图像处理模块
图像采集模块
漆包线成品
特征匹配算法
预警模块
周期
涂漆
标记
系统为您推荐了相关专利信息
智能检测方法
更新模型参数
梯度下降算法
组织
预测输出值
生成对抗网络
降水预报方法
多尺度特征融合
反射率图像
图像编码器
辅助推进器
水下航行器定位
卷积神经网络模型
无人航行器
运动控制器
故障检测模型
充电桩组件
数字孪生技术
数字孪生体
恒流充电模式