[發明專利]一種基于結構光視覺與深度學習的V型焊縫檢測系統在審
| 申請號： | 201810257159.X | 申請日： | 2018-03-27 |
| 公開（公告）號： | CN108898571A | 公開（公告）日： | 2018-11-27 |
| 發明（設計）人： | 李東潔;宋賀 | 申請（專利權）人： | 哈爾濱理工大學 |
| 主分類號： | G06T7/00 | 分類號： | G06T7/00;G06T7/13;G06T7/136;G01D21/00 |
| 代理公司： | 暫無信息 | 代理人： | 暫無信息 |
| 地址： | 150080 黑龍*** | 國省代碼： | 黑龍江;23 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 結構光視覺 焊縫檢測系統 焊縫圖像 特征提取 預處理 學習 線性激光發射器 圖像采集器 圖像預處理 存儲器 采集圖像 光學濾鏡 焊縫檢測 檢測系統 圖像調整 訓練模型 焊縫 采集 保存 檢測 統一 | ||
1.一種基于結構光視覺與深度學習的V型焊縫檢測系統,其特征在于：包括以下步驟：
A．建立結構光視覺模型，主要包括CCD攝像機、線性激光發射器、光學濾鏡等；
B．圖像采集器采集V型焊縫圖像并保存至存儲器中；
C．對采集的V型焊縫圖像進行圖像預處理；
D．對預處理后的V型焊縫圖像進行特征提取；
E．將特征提取后的圖像調整為統一大小后，輸入到深度學習預訓練模型中；
F．把訓練好的深度學習模型導入OpenCV中。
2.根據權利要求1所述的一種基于結構光視覺與深度學習的V型焊縫檢測系統，其特征在于：所述步驟A中建立的結構光視覺模型，采用激光作為輔助光源，激光具有信息量大、非接觸測量、高實時性、高精度、不易被干擾等優點。
3.根據權利要求1所述的一種基于結構光視覺與深度學習的V型焊縫檢測系統，其特征在于：所述步驟C中對V型焊縫進行圖像預處理包括以下步驟：
a．利用灰度化將RGB圖像轉換成灰度圖像，增強焊縫圖像對比度 ；
b．利用Radon變換找到激光條紋的位置，根據激光條紋的信息來處理轉換后的圖像，以去除圖像中的噪聲，在此基礎上，應用Radon反變換進行圖像恢復；
c．最后采用自適應閾值選擇法(OSTU)對恢復后的圖像進行二值化處理。
4.根據權利要求1所述的一種基于結構光視覺與深度學習的V型焊縫檢測系統，其特征在于：所述步驟D對V型焊縫進行圖像特征提取包括以下步驟：
a．選用邊緣檢測算子對預處理后的焊縫圖像進行邊緣檢測 ；
b．采用Hough變換對邊緣檢測后的圖像進行直線擬合并提取坡口特征點坐標。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于哈爾濱理工大學，未經哈爾濱理工大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201810257159.X/1.html，轉載請聲明來源鉆瓜專利網。
- 上一篇：超聲掃查探頭方位實時更新方法及系統
- 下一篇：光斑提取方法
