摘要
本发明提供了基于AI视觉技术的智能锁面板显示异常检测方法及系统,包括以下步骤:步骤1:对智能锁面板缺陷类型进行分类,包括智能锁面板logo颜色显示错误、数字颜色显示错误、数字显示存在黑点缺陷以及显示不全;步骤2:采集智能锁面板图像形成数据集;步骤3:构建并训练模型,所述模型包括一个YOLOv3网络和11个ResNet18网络分类模型组成;所述YOLOv3网络由Darknet‑53网络和三个分支网络锁组成,所述Darknet‑53为基础网络,三个分支网络分别进行三种尺度的预测;图像经过YOLOv3网络后,YOLOv3模型会将识别到的类别图像裁剪下来分别送入到ResNet18网络中;步骤4:通过模型评价指标评价模型性能,从而得出准确检测结果。应用本技术方案可提高智能锁面板缺陷准确率。
技术关键词
智能锁面板
YOLOv3网络
异常检测方法
LCD显示面板
YOLOv3模型
视觉
图片
黑点缺陷
目录
图像
异常检测系统
格式
分支
镜头
颜色
处理器
标记
数据
标签
系统为您推荐了相关专利信息
时序异常检测方法
数据
预测误差
神经网络模型
斯皮尔曼相关系数
液晶屏
异常检测方法
图像特征数据
非线性
对比度
异常检测方法
轨道列车
求解算法
识别特征
膨胀算法
图像异常检测方法
矩阵分解模型
数据立方体
增广拉格朗日
主成分分析法
图像异常检测方法
局部视觉特征
多尺度特征提取
样本
图像编码器