(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 202210830237.7 (22)申请日 2022.07.15 (71)申请人 东营市云帆工业互联网有限公司 地址 257000 山东省东营市开发区府前 大 街58号黄河三角洲国际广场2 号楼101 室 (72)发明人 穆永平　杨连会　伊冲　张鹏程　 赵月娇　 (51)Int.Cl. G01N 21/89(2006.01) G01N 21/892(2006.01) G01N 21/01(2006.01) G06T 7/00(2017.01) G06N 3/02(2006.01) (54)发明名称 基于神经网络的蜂窝陶瓷产品外观缺陷智 能检测设备及方法 (57)摘要 本发明提供基于神经网络的蜂窝陶瓷产品 外观缺陷智能检测设备及方法， 涉及陶瓷产品加 工检测领域。 该基于神经网络的蜂窝陶瓷产品外 观缺陷智能检测设备及方法， 包括设备主体， 所 述设备主体中部内部设置有检测空腔， 所述检测 空腔内部设置有检测转台、 照射灯、 侧面摄像头 和端面摄像头， 所述设备主体上端内部设置有数 据处理器， 所述数据处理器内部设置有产品外观 缺陷识别系统， 且所述数据处理器电性连接有照 射灯、 侧面摄像头和端面摄像头。 通过设置数据 处理器电性连接端面摄像头、 侧面摄像头、 照射 灯和伺服电机， 能够使用控制面板对设备电子元 件进行统一控制， 从而实现设备自动化、 智 能化 和精密控制处 理。 权利要求书3页 说明书7页 附图5页 CN 115219511 A 2022.10.21 CN 115219511 A 1.基于神经网络的蜂窝陶瓷产品外观缺陷智能检测设备及方法， 包括设备主体 （1） ， 其 特征在于： 所述设备主体 （1） 中部内部设置有检测空腔 （16） ， 所述检测空腔 （16） 内侧底侧右 部固定连接有支撑底座 （14） ， 所述支撑底座 （14） 上侧中部固定连接有转台套杆 （12） ， 所述 转台套杆 （12） 上侧转动支撑设置有检测转台 （11） ， 所述检测空腔 （16） 内侧底侧右端固定连 接有摄像头支撑杆 （9） 和照射灯 （10） ， 且所述摄像头支撑杆 （9） 位于照射灯 （10） 前方， 所述 摄像头支撑杆 （9） 上侧设置有侧面摄像头 （8） ， 且所述侧面摄像头 （8） 和照射灯 （10） 照射端 均朝向检测转台 （11） ， 所述检测空腔 （16） 内侧上顶侧固定连接有 连接杆 （6） ， 且 所述连接杆 （6） 与检测转台 （11） 、 转台套杆 （12） 均处于同一纵轴， 所述连接杆 （6） 中部外侧均匀环绕分 布设置有若干个连接支架 （5） ， 所述连接支架 （5） 下端均设置有端面摄像头 （7） ， 所述端面摄 像头 （7） 均位于检测转台 （11） 外端上方， 且 所述检测转台 （11） 端面摄像头 （7） 照射端均朝向 检测转台 （11） ， 所述设备主体 （1） 上端内部设置有数据处理器 （4） ， 所述数据处理器 （4） 内部 设置有产品外观缺陷识别系统， 所述产品外观缺陷识别系统包括： 相机 设置功能模块、 端面 缺陷识别功能模块、 侧面缺陷识别功能模块、 系统设置模块、 用户配置模块、 TWC产品端面检 测模型和TWC产品侧面检测模型， 其中： 相机设置功能模块： 用于控制连接照射灯 （10） 进行灯光环境调整， 并通过数据线路连 接端面摄 像头 （7） 和 侧面摄像头 （8） 获取检测产品不同角度的信息数据； 端面缺陷识别功能模块： 基于产品端面神经网络AI训练模型库内部的训练模型， 在二 维图像中进行表面 缺陷的检测处 理； 侧面缺陷识别功能模块： 基于产品侧面神经网络AI训练模型库内部的训练模型， 对检 测图像模型 数据进行识别表皮的凹陷、 凸起， 网格色差等检测； 系统设置模块： 用于对系统的信息功能进行统一配置管理； 用户配置模块： 用对操作人员的信息进行统一配置管理； TWC产品端面检测模型： 用于产品端面神经网络AI训练模型库的创建处 理； TWC产品侧面检测模型： 用于产品侧面神经网络AI训练模型库的创建处 理。 2.根据权利要求1所述的基于神经网络的蜂窝陶瓷产品外观缺陷智能检测设备及方 法， 其特征在于： 所述检测转台 （11） 下侧中部固定连接有转台转动杆 （13） ， 所述转台转动杆 （13） 下端固定连接在伺服电机 （15） 上侧驱动端， 所述伺服电机 （15） 设置在支撑底 座 （14） 中 部内部， 且 所述转台转动杆 （13） 外侧转动连接在转台套 杆 （12） 内部， 所述设备主体 （1） 前侧 中部位于检测空腔 （16） 前部固定连接有观 察玻璃 （2） ， 所述设备主体 （1） 左右两侧中部均该 固定连接有检测开口 （17） ， 所述设备主体 （1） 前侧左上端设置有控制面板 （3） ， 且所述控制 面板 （3） 电性连接有数据处理器 （4） ， 所述数据处理器 （4） 通过数据传输线路电性连接端面 摄像头 （7） 、 侧面摄像头 （8） 和照射灯 （10） ， 所述数据处理器 （4） 通过PLC代码电性连接有伺 服电机 （15） 。 3.根据权利要求1所述的基于神经网络的蜂窝陶瓷产品外观缺陷智能检测设备及方 法， 其特征在于： 所述产品外观缺陷识别系统的系统 处理流程包括： S1.通过相机设置功能模块从端面摄像头和侧面摄像头获取产品侧面数据和端面数 据； S2.将获取产品侧面数据依次经过TWC产品侧面检测模型和侧面缺陷识别功能模块完 成智能建模过程；权　利　要　求　书 1/3 页 2 CN 115219511 A 2S3.将获取产品端面数据依次经过TWC产品端面检测模型和端面缺陷识别功能模块进 行二维数据扫描和缺陷特 征检测提取操作； S4.将获取得到的智能建模模型和数据库AI训练模型进行比对分析， 同时将取得到的 二维扫描缺陷特征和数据库 AI训练模型进行比对分析， 进行AI判定， 并通过控制面板 （3） 输 出结果。 4.根据权利要求3所述的基于神经网络的蜂窝陶瓷产品外观缺陷智能检测设备及方 法， 其特征在于： 所述S2步骤中智能建模流 程包括： a1.将获取得到的产品侧面数据与缺陷样本数据库进行数据比对， 并获取产品侧面差 异特征数据； a2.针对获取得到的产品侧面数据进行数据建模， 并针对产品侧面差异特征区域进行 标记； a3.针对侧面差异特征标记区域进行单独建模获取包含表皮识别 模型和网格识别模型 的智能建模 模型。 5.根据权利要求1所述的基于神经网络的蜂窝陶瓷产品外观缺陷智能检测设备及方 法， 其特征在于： 所述设备系统设置包括： 产品管理、 配置管理和日志管理， 其中： 产品管理： 用于对所有产品的信息进行统一配置管理， 包括产品编号、 产品名称、 产品 系列、 产品直径、 产品高度、 产品目数； 配置管理： 用于对服 务地址等信息进行配置管理； 日志管理： 用于对历史的操作信息进行查看， 包括起始时间、 结束时间、 操作人员、 产品 批次、 产品系列。 6.根据权利要求1所述的基于神经网络的蜂窝陶瓷产品外观缺陷智能检测设备及方 法， 其特征在于： 所述用户管理设置包括分组管理和用户管理， 其中： 分组管理： 用于对用户所属的分组进行统一管理， 包括 新增、 修改、 删除、 查看功能； 用户管理： 用于对用户信息进行统一管理， 包括 新增、 修改、 删除、 查看功能。 7.根据权利要求1所述的基于神经网络的蜂窝陶瓷产品外观缺陷智能检测设备及方 法， 其特征在于： 所述设备使用步骤 包括： b1.通过控制面板 （3） 进行端面摄像头 （7） 和侧面摄像头 （8） 的相机设置， 用于控制检测 机构的摄 像头开关使用， 并通过检测场景的亮度进行照射灯 （10） 的控制开启； b2.利用控制面板 （3） 进行伺服电机 （15） 的驱动处理， 进而带动检测转 台 （11） 的转动处 理， 进而可以使用端面摄像头 （7） 和侧面摄像头 （8） 进 行待检测蜂窝陶瓷产品端面影像数据 获取； b3.在控制面板 （3） 连接计算机界面中点击 “端检”按钮， 基于AI训练的端面检测模型， 在二维图像中进行端面检测表面缺陷处理， 在控制面板 （3） 连接计算机界面中左侧信息栏 中显示检测结果， 如果有缺陷， 在 控制面板 （3） 连接计算机界面中右侧端面相机的 “结果”图 像中会框出来 缺陷位置； b4.将待检品在检测转台上自动旋转一周， 在控制面板 （3） 连接计算机界面中点击 “侧 检”， 基于AI训练的侧面检测模型， 进行待检品识别表皮的凹陷、 凸起， 网格色差检测处理， 并在控制面板 （3） 连接计算机界面中左侧信息栏中显示检测结果， 如果有缺陷， 在 控制面板 （3） 连接计算机界面中右侧 侧面相机的 “结果”图像中会框出来 缺陷位置 。权　利　要　求　书 2/3 页 3 CN 115219511 A 3