[發(fā)明專利]基于二值圖像和模型遷移學(xué)習(xí)的轉(zhuǎn)子繞線圖像檢測(cè)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201811430291.2
• 申請(qǐng)日: 2018-11-27
• 公開(kāi)（公告）號(hào): CN109584228A
• 公開(kāi)（公告）日: 2019-04-05
• 發(fā)明（設(shè)計(jì)）人: 陳剛;賈友彬;張小國(guó)
• 申請(qǐng)（專利權(quán)）人: 東南大學(xué)
• 主分類(lèi)號(hào): G06T7/00
• 分類(lèi)號(hào): G06T7/00;G06T7/12;G06N3/04
• 代理公司: 南京蘇高專利商標(biāo)事務(wù)所(普通合伙) 32204
• 代理人: 柏尚春

本發(fā)明公開(kāi)了一種基于二值圖像和模型遷移學(xué)習(xí)的轉(zhuǎn)子繞線圖像檢測(cè)方法，根據(jù)RGB特征將轉(zhuǎn)子繞線訓(xùn)練集圖像進(jìn)行二值化操作，并對(duì)二值圖像進(jìn)行去干擾處理，得到轉(zhuǎn)子繞線二值圖像構(gòu)成的訓(xùn)練集；利用ImageNet數(shù)據(jù)集對(duì)Inception?V3模型進(jìn)行預(yù)訓(xùn)練，得到預(yù)訓(xùn)練模型；利用轉(zhuǎn)子繞線二值圖像構(gòu)成的訓(xùn)練集對(duì)預(yù)訓(xùn)練模型的全連接層進(jìn)行微調(diào)，得到最終的模型；利用最終的模型對(duì)根據(jù)RGB特征二值化后的待測(cè)圖像進(jìn)行檢測(cè)，進(jìn)而實(shí)現(xiàn)對(duì)待測(cè)圖像的精確檢測(cè)，與現(xiàn)有技術(shù)相比，本發(fā)明通過(guò)綜合二值化圖像與遷移學(xué)習(xí)兩種方法，有效地避免了背景和光照因素對(duì)檢測(cè)精度的影響，也解決了訓(xùn)練樣本不足的問(wèn)題，縮短了檢測(cè)時(shí)間并提高了檢測(cè)準(zhǔn)確率。

技術(shù)領(lǐng)域

本發(fā)明涉及數(shù)字圖像處理與視覺(jué)檢測(cè)方法，針對(duì)轉(zhuǎn)子掛鉤處的繞線形態(tài)提供了一種檢測(cè)方法，具體的說(shuō)，涉及一種基于二值圖像和模型遷移學(xué)習(xí)的轉(zhuǎn)子繞線圖像檢測(cè)方法。

背景技術(shù)

隨著我國(guó)工業(yè)自動(dòng)化與智能化水平的不斷提升，電機(jī)作為能實(shí)現(xiàn)電能轉(zhuǎn)換為機(jī)械能的關(guān)鍵產(chǎn)品，被廣泛地應(yīng)用于工業(yè)、農(nóng)業(yè)等領(lǐng)域的大型機(jī)電設(shè)備中，甚至是電梯、冰箱、空調(diào)等通用設(shè)備中去，隨之而來(lái)的是，作為電機(jī)轉(zhuǎn)動(dòng)系統(tǒng)的核心部件——轉(zhuǎn)子，其需求量亦在不斷增長(zhǎng)。

在轉(zhuǎn)子生產(chǎn)過(guò)程中，其掛鉤處需要和銅絲線環(huán)繞，由于操作的不規(guī)范性與銅絲自身屬性限制，掛鉤處易出現(xiàn)斷線、漏掛等問(wèn)題，進(jìn)而影響產(chǎn)品質(zhì)量。目前這一環(huán)節(jié)主要依靠人工抽檢，受外界環(huán)境干擾與人自身疲勞等因素的影響，檢測(cè)效率較低，因而，結(jié)合目前生產(chǎn)的實(shí)際需求，立足于我國(guó)數(shù)字圖像處理與視覺(jué)檢測(cè)方法的現(xiàn)狀，如何快速而又準(zhǔn)確地檢測(cè)出掛鉤處繞線的合格性成為亟待解決的問(wèn)題，對(duì)城市政治經(jīng)濟(jì)、科學(xué)技術(shù)等方面的發(fā)展意義重大。

近年來(lái)，卷積神經(jīng)網(wǎng)絡(luò)(CNN)已經(jīng)成功地應(yīng)用于圖像識(shí)別，但是它需要大量的標(biāo)記樣本，并且要求目標(biāo)數(shù)據(jù)集和源數(shù)據(jù)集之間幾乎沒(méi)有數(shù)據(jù)集偏差(由轉(zhuǎn)子繞線圖像的背景和光照不同導(dǎo)致)。利用CNN識(shí)別轉(zhuǎn)子繞線的難點(diǎn)在于不同類(lèi)型轉(zhuǎn)子的繞線圖像數(shù)據(jù)存在較大的數(shù)據(jù)集偏差，標(biāo)記樣本有限。我們提出了一種新的基于模型的遷移學(xué)習(xí)方法來(lái)應(yīng)對(duì)這些挑戰(zhàn)。為了解決數(shù)據(jù)集偏差的問(wèn)題，提出了一種新的圖像二值化方法來(lái)獲得二值轉(zhuǎn)子繞線圖像。使用二值圖像訓(xùn)練和測(cè)試模型可以顯著減少數(shù)據(jù)集偏差的干擾。同時(shí)，我們提出了基于模型的轉(zhuǎn)移學(xué)習(xí)模型構(gòu)建方法，該方法基于使用ImageNet數(shù)據(jù)集訓(xùn)練的Inception-V3模型，用于解決有限標(biāo)記樣本的問(wèn)題。對(duì)比實(shí)驗(yàn)表明，用二值圖像訓(xùn)練和測(cè)試的基于模型的傳遞學(xué)習(xí)模型明顯優(yōu)于現(xiàn)有的其他模型，能夠?qū)崿F(xiàn)轉(zhuǎn)子圖像的穩(wěn)定和準(zhǔn)確檢測(cè)。

發(fā)明內(nèi)容

發(fā)明目的：本發(fā)明的目的在于解決現(xiàn)有的轉(zhuǎn)子繞線圖像的檢測(cè)精度受背景和光照因素的影響，并且存在訓(xùn)練樣本不足的問(wèn)題。本文針對(duì)這些問(wèn)題提出了一種基于二值圖像和模型遷移學(xué)習(xí)的轉(zhuǎn)子繞線圖像檢測(cè)方法，有效地避免了背景和光照因素對(duì)檢測(cè)精度的影響，同時(shí)也避免了訓(xùn)練樣本不足的問(wèn)題，實(shí)現(xiàn)了轉(zhuǎn)子繞線的自動(dòng)化和高精度檢測(cè)。

技術(shù)方案：為解決上述問(wèn)題，本發(fā)明提供以下技術(shù)方案：

本發(fā)明正是針對(duì)轉(zhuǎn)子掛鉤處的繞線形態(tài)進(jìn)行研究，通過(guò)將待測(cè)掛線區(qū)域圖像進(jìn)行二值化處理并將ImageNet數(shù)據(jù)集訓(xùn)練的Inception-V3模型遷移到轉(zhuǎn)子繞線圖像的數(shù)據(jù)集上，進(jìn)而實(shí)現(xiàn)轉(zhuǎn)子圖像的自動(dòng)檢測(cè)。針對(duì)待測(cè)圖像的檢測(cè)精度受背景和光照因素的影響以及訓(xùn)練樣本不足的問(wèn)題，本文提出了一種基于二值圖像和模型遷移學(xué)習(xí)的轉(zhuǎn)子繞線圖像檢測(cè)方法，有效地避免了背景和光照因素對(duì)檢測(cè)精度的影響，同時(shí)也避免了訓(xùn)練樣本不足的問(wèn)題。

技術(shù)方案：為實(shí)現(xiàn)上述目的，本發(fā)明提供以下技術(shù)方案：一種基于二值圖像和模型遷移學(xué)習(xí)的轉(zhuǎn)子繞線圖像檢測(cè)方法，具體包括如下步驟：

S1：根據(jù)RGB特征將轉(zhuǎn)子繞線訓(xùn)練集圖像進(jìn)行二值化操作，并對(duì)二值化圖像進(jìn)行去干擾處理，得到轉(zhuǎn)子繞線二值圖構(gòu)成的訓(xùn)練集；

S2：利用ImageNet數(shù)據(jù)集對(duì)Inception-V3模型進(jìn)行預(yù)訓(xùn)練，并保存模型，得到預(yù)訓(xùn)練模型；