基于深度学习与工业服务器的云检测系统应用研究

作     者：赵卫东 秦锋 Zhao Weidong;Qin Feng

作者机构：滁州职业技术学院信息工程学院安徽滁州239000 安徽工业大学计算机科学与技术学院安徽马鞍山243002 

出 版 物：《黑龙江工业学院学报（综合版）》 (Journal of Heilongjiang University of Technology(Comprehensive Edition))

年 卷 期：2023年第23卷第8期

页      面：97-104页

学科分类：0711[理学-系统科学] 07[理学] 08[工学] 081104[工学-模式识别与智能系统] 080203[工学-机械设计及理论] 0802[工学-机械工程] 0811[工学-控制科学与工程] 071102[理学-系统分析与集成] 081103[工学-系统工程] 

基　　金：安徽省高校自然科学研究重大项目“深度学习在工业缺陷检测中的应用研究”(项目编号:2022AH040332) 安徽省高校优秀青年骨干教师国内访学研修项目(项目编号:gxgnfx2022155) 

主　　题：工业服务器 深度学习 云检测系统 缺陷图像 降误判 

摘      要：为了解决工业质检场景中误检率高、直通率低,以及导入检测设备难升级的问题,基于局域网工业服务器的硬件方案,收集误检图像和缺陷图像,对其完成标注,并以负载均衡和并发稳定为目的规划云检测系统。基于深度学习的人工智能降误判模型,对各种误判图像进行学习训练,建立高直通率、低误判的检测机制。首先,进行以服务器与通信媒介为基础的云检测系统硬件选型,建立上下位机的数据通信规则、数据发送接收格式规则。然后,开发云检测系统的五大模块:上位机接收模块、上位机分析模块、上位机发送模块、下位机发送模块、下位机接收模块,整合为一个云检测系统平台。最后,基于大数据缺陷学习,调用AI学习软件平台生成的降误判模型,供云检测系统使用,并集成在系统中。实验测试结果显示:系统有利于在设备改造升级场景中降低缺陷误判,为高性能云检测系统的推广奠定解决方案基础。