[發(fā)明專利]一種基于深度學(xué)習(xí)的木料優(yōu)選鋸智能檢測(cè)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201811379843.1
• 申請(qǐng)日: 2018-11-19
• 公開（公告）號(hào): CN109557104A
• 公開（公告）日: 2019-04-02
• 發(fā)明（設(shè)計(jì)）人: 李保菊;邵明偉;李正春
• 申請(qǐng)（專利權(quán)）人: 臨沂眾為智能科技有限公司;邵明偉;李正春
• 主分類號(hào): G01N21/89
• 分類號(hào): G01N21/89;G06N3/04
• 代理公司: 濟(jì)南泉城專利商標(biāo)事務(wù)所 37218
• 代理人: 季英健

1.一種基于深度學(xué)習(xí)的木料優(yōu)選鋸智能檢測(cè)方法，包括動(dòng)力傳輸機(jī)構(gòu)，優(yōu)選鋸視覺檢測(cè)系統(tǒng)，動(dòng)作執(zhí)行機(jī)構(gòu)以及信息處理系統(tǒng)，其特征在于，所述檢測(cè)方法包括以下步驟：

步驟1：將需檢測(cè)木料置于動(dòng)力傳輸機(jī)構(gòu)上，并確保木料能夠在傳送帶上沿正常測(cè)量方向傳送；

步驟2：木料通過(guò)優(yōu)選鋸視覺檢測(cè)系統(tǒng)，并確保木材能夠在視覺檢測(cè)系統(tǒng)中成清晰的像，當(dāng)木料通過(guò)視覺檢測(cè)系統(tǒng)后，會(huì)得到一系列木料圖像；

步驟3：由充足的圖像樣本預(yù)先訓(xùn)練得到的用于區(qū)分缺陷木材圖像和無(wú)缺陷木材圖像的分類網(wǎng)絡(luò)，對(duì)獲取得到的木料圖像進(jìn)行目標(biāo)檢測(cè)，確定木料缺陷在圖像中的位置；

步驟4：由充足的圖像樣本預(yù)先訓(xùn)練得到的木料等級(jí)分類網(wǎng)絡(luò)對(duì)除步驟3外的無(wú)缺陷木料圖像進(jìn)行檢測(cè)，確定木料圖像中等級(jí)分類臨界線在圖像中的位置；

步驟5：由圖像坐標(biāo)與物理坐標(biāo)之間進(jìn)行映射轉(zhuǎn)換，即可由步驟3和步驟4中的圖像位置，確定需截?cái)辔恢玫奈锢碜鴺?biāo)，進(jìn)而確定整個(gè)木料截?cái)辔恢玫那鍐危?/p>

步驟6：將木料截?cái)辔恢玫那鍐蝹魉偷絼?dòng)力執(zhí)行機(jī)構(gòu)，由動(dòng)力執(zhí)行結(jié)構(gòu)在木料相應(yīng)的位置進(jìn)行截?cái)?，?shí)現(xiàn)對(duì)木料缺陷的剔除和等級(jí)的分類。

2.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)的木料優(yōu)選鋸智能檢測(cè)方法，其特征在于：所述步驟2還包括對(duì)捕捉到的木材圖像進(jìn)行感興趣區(qū)域分割。

3.根據(jù)權(quán)利要求2所述的基于深度學(xué)習(xí)的木料優(yōu)選鋸智能檢測(cè)方法，其特征在于：所述步驟2中還包括圖像預(yù)處理，圖像預(yù)處理算法采用形態(tài)學(xué)算法。

4.根據(jù)權(quán)利要求3所述的基于深度學(xué)習(xí)的木料優(yōu)選鋸智能檢測(cè)方法，其特征在于：所述步驟2還包括對(duì)捕捉到的木材圖像進(jìn)行卷積操作。

5.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)的木料優(yōu)選鋸智能檢測(cè)方法，其特征在于：所述步驟5中圖像點(diǎn)坐標(biāo)與物理點(diǎn)坐標(biāo)之間的轉(zhuǎn)換關(guān)系為單應(yīng)矩陣。

6.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)的木料優(yōu)選鋸智能檢測(cè)方法，其特征在于：所述步驟3和步驟4中包括應(yīng)用充足的木料樣本圖像對(duì)木料缺陷檢測(cè)網(wǎng)絡(luò)以及木料等級(jí)分類網(wǎng)絡(luò)進(jìn)行訓(xùn)練。

7.根據(jù)權(quán)利要求6所述的基于深度學(xué)習(xí)的木料優(yōu)選鋸智能檢測(cè)方法，其特征在于：用于對(duì)木料缺陷檢測(cè)網(wǎng)絡(luò)以及木料等級(jí)分類網(wǎng)絡(luò)進(jìn)行訓(xùn)練和檢測(cè)的方法采用Faster RCNN深度學(xué)習(xí)方法。