(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 202111634479.0 (22)申请日 2021.12.2 9 (71)申请人 广州瑞松视 觉技术有限公司 地址 510760 广东省广州市黄埔区瑞祥路 188号 申请人 广州瑞松北斗汽车装备有限公司 (72)发明人 姚晓同　张子迈　焦安强　刘益　 (74)专利代理 机构 广州三环 专利商标代理有限 公司 44202 专利代理师 颜希文　郝传鑫 (51)Int.Cl. G06T 7/00(2017.01) G06T 7/60(2017.01) G06T 7/70(2017.01) G06V 10/94(2022.01)G06V 10/764(2022.01) G06V 10/82(2022.01) G06K 9/62(2022.01) G06N 3/08(2006.01) (54)发明名称 一种电池盒外观检测方法及装置 (57)摘要 本发明公开了一种电池盒外观检测方法及 装置， 该方法包括： 步骤S1， 通过采集大量的目标 异物图片， 使用深度学习算法构建并训练深度神 经网络模型； 步骤S2， 对所构建的深度神经网络 模型进行打包， 生成可执行文件； 步骤S3， 构建传 统机器视觉框架作为主软件运行， 并单独建立新 线程调用可执行文件启动运行； 步骤S4， 在可执 行文件启动时创建服务端， 将主软件作为客户端 与服务端进行连接， 以实现传统机器视觉框架与 服务端可执行文件间的数据通信； 步骤S5， 在进 行电池盒外观检测时， 作为主软件的传统机器视 觉框架采集并获取电池盒外观的图像将其发送 至服务端， 于服务端执行可执行文件获得识别结 果， 将识别结果返回至传统机器视觉框架予以输 出。 权利要求书2页 说明书6页 附图3页 CN 114445344 A 2022.05.06 CN 114445344 A 1.一种电池盒外观检测方法， 包括如下步骤： 步骤S1， 通过采集大量的目标异物图片， 使用深度学习算法构建并训练深度神经网络 模型， 以用于 完成视觉识别任务； 步骤S2， 对所构建的深度神经网络模型进行打包， 生成一个可 执行文件； 步骤S3， 构建传统机器视觉框架作为主软件运行， 并单独建立新线程调用所述可执行 文件启动运行； 步骤S4， 在所述可执行文件启动时创建服务端， 将主软件作为客户端与服务端进行连 接， 以实现传统机器视 觉框架主软件与服 务端可执行文件之间的数据通信； 步骤S5， 在进行电池盒外观检测时， 作为主软件的传统机器视觉框架采集并获取电池 盒外观的图像将其发送至服务端， 于服务端执行所述可执行文件获得识别结果， 并将识别 结果返回至作为主软件的传统机器视 觉框架予以输出。 2.如权利要求1所述的一种电池盒外观检测方法， 其特征在于： 于步骤S1中， 基于 Python语言的深度学习算法构建所述深度神经网络模型， 并利用所采集的目标异物图片对 构建的模型进行训练。 3.如权利要求2所述的一种电池盒外观检测方法， 其特征在于： 于步骤S2中， 使用 Python的第三方库Pyinstaller将所构建的深度神经网络模型如yolov5模型进行打包， 最 终生成所述可 执行文件， 以保证 证打包后该 可执行文件在没有安装软件的环境 也能运行。 4.如权利要求3所述的一种电池盒外观检测方法， 其特征在于： 打包后的所述深度神经 网络模型的接口输入变量为工业相机采集到的图片， 接口输出变量为图片中识别到的异物 种类、 数量及坐标值信息 。 5.如权利要求3所述的一种电池盒外观检测方法， 其特征在于： 于步骤S3中， 基于C#语 言构建传统机器视觉框架， 将所述传统机器视觉框架作为主软件运行， 在该传统机器视觉 框架作为主软件运行后， 单独建立 新线程调用所述可 执行文件， 使两个程序单独运行。 6.如权利要求5所述的一种电池盒外观检测方法， 其特征在于： 所述主软件通过 Process类建立新线程调用所述可 执行文件， 使其启动并运行。 7.如权利要求5所述的一种电池盒外观检测方法， 其特征在于： 于步骤S4中， 在所述可 执行文件启动时即创建与主软件Socket通讯的服 务端， 与主软件建立Socket连接 。 8.如权利要求7所述的一种电池盒外观检测方法， 其特征在于： 通过Socket通讯中的 write函数和read函数实现主软件与所述 服务端可执行文件之间的数据通信。 9.如权利要求8所述的一种电池盒外观检测方法， 其特征在于： 于步骤S5中， 主软件在 进行图像采集获得该外观图像后将图像地址通过write函数发送给服务端可执行文件， 服 务端在读取到图像后执行所述可执行文件， 从而通过所述深度神经网络模型对其进行识 别， 并获得异物种类、 数量及坐标值等识别结果， 将识别结果发送给主软件， 主软件则通过 read函数读取 该信息， 并将异 物区域进行显示操作。 10.一种电池盒外观检测装置， 包括： 视觉识别模型建立单元， 用于通过采集大量的目标异物图片， 使用深度学习算法构建 并训练深度神经网络模型， 以用于 完成视觉识别任务； 可执行文件生成单元， 用于对所构建的深度神经网络模型进行打包， 生成一个可执行 文件；权　利　要　求　书 1/2 页 2 CN 114445344 A 2传统机器视觉框架构建单元， 用于构建传统机器视觉框架作为主软件运行， 并单独建 立新线程调用所述可 执行文件启动运行； 服务端创建单元， 用于在所述可执行文件启动 时创建服务端， 将主软件作为客户端与 服务端进行链接， 实现主软件与服 务端之间的数据通信； 外观检测 处理单元， 用于在进行电池盒外观检测时， 控制作为主软件的传统机器视觉 框架采集并获取电池盒外观的图像将其 发送至服务端， 于服务端 执行所述可执行文件获得 识别结果， 并将识别结果返回至作为主软件的传统机器视 觉框架予以输出显示。权　利　要　求　书 2/2 页 3 CN 114445344 A 3