[發(fā)明專利]超長(zhǎng)編織管內(nèi)部瑕疵在線檢測(cè)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201911388699.2
• 申請(qǐng)日: 2019-12-30
• 公開（公告）號(hào): CN111210407A
• 公開（公告）日: 2020-05-29
• 發(fā)明（設(shè)計(jì)）人: 黃裕中;申成冬;卞冬明;于宏均;卜小海
• 申請(qǐng)（專利權(quán)）人: 中裕軟管科技股份有限公司
• 主分類號(hào): G06T7/00
• 分類號(hào): G06T7/00;G07C3/14;G06Q10/06;G06Q50/04
• 代理公司: 常州佰業(yè)騰飛專利代理事務(wù)所(普通合伙) 32231
• 代理人: 肖玲珊

1.超長(zhǎng)編織管內(nèi)部瑕疵在線檢測(cè)方法，其特征在于：包括如下步驟：

S1、訓(xùn)練缺陷識(shí)別模型；

S2、采集超長(zhǎng)編織管的內(nèi)部圖案，將得到的圖案輸入缺陷識(shí)別模型中，獲得處理后的二值化管道內(nèi)部掩碼圖；

S3、缺陷識(shí)別模型對(duì)二值化管道內(nèi)部掩碼圖進(jìn)行進(jìn)一步識(shí)別，提取圖案中的顏色、亮度、面積、位置等信息，與預(yù)先學(xué)習(xí)得到的標(biāo)準(zhǔn)區(qū)間值進(jìn)行比對(duì)，當(dāng)查找到符合區(qū)間內(nèi)設(shè)定的特征出現(xiàn)時(shí)，判定出現(xiàn)缺陷；

S4、通過現(xiàn)場(chǎng)I/O總線，將所有采集到的現(xiàn)場(chǎng)數(shù)字量訊息與模擬量訊息傳輸給PLC控制器，通過PLC控制器對(duì)采集到的信號(hào)進(jìn)行初步識(shí)別處理，再發(fā)送給現(xiàn)場(chǎng)PC，現(xiàn)場(chǎng)PC對(duì)現(xiàn)場(chǎng)的信號(hào)作出數(shù)據(jù)整合，在接收到全卷積神經(jīng)網(wǎng)絡(luò)發(fā)出的缺陷信號(hào)時(shí)，通過警示模塊發(fā)出警告，使生產(chǎn)線停機(jī)；

S5、所述現(xiàn)場(chǎng)PC的數(shù)量根據(jù)現(xiàn)場(chǎng)車間的數(shù)量一一設(shè)置，所述現(xiàn)場(chǎng)PC將整合的數(shù)據(jù)信息實(shí)時(shí)傳輸給中控PC，中控PC對(duì)所有的現(xiàn)場(chǎng)PC進(jìn)行實(shí)時(shí)監(jiān)控，以監(jiān)控現(xiàn)場(chǎng)所有車間的設(shè)備狀態(tài)。

2.根據(jù)權(quán)利要求1所述的超長(zhǎng)編織管內(nèi)部瑕疵在線檢測(cè)方法，其特征在于：所述步驟S1具體包括如下步驟：

a、利用預(yù)先采集的若干張編織管內(nèi)部樣本圖案，對(duì)其中的各類缺陷進(jìn)行標(biāo)注；

b、將標(biāo)注后的樣本圖案輸入全卷積神經(jīng)網(wǎng)絡(luò)，對(duì)全卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，全卷積神經(jīng)網(wǎng)絡(luò)獲取圖案中的顏色、亮度、面積、位置等信息，并針對(duì)這些信息的標(biāo)準(zhǔn)值進(jìn)行區(qū)間設(shè)定，直至損失函數(shù)值不再減小時(shí)停止訓(xùn)練，獲得訓(xùn)練好的缺陷識(shí)別模型。

3.根據(jù)權(quán)利要求1所述的超長(zhǎng)編織管內(nèi)部瑕疵在線檢測(cè)方法，其特征在于：所述步驟S2中的采集超長(zhǎng)編織管的內(nèi)部圖案具體包括如下步驟：

A、利用圖像采集模塊，檢測(cè)編織軟管頂端的一個(gè)圓環(huán)區(qū)域，隨著編織軟管的編織過程進(jìn)行，編織軟管會(huì)逐漸增長(zhǎng)，因此圓環(huán)區(qū)域相對(duì)于編織軟管會(huì)不斷移動(dòng)，從而在不移動(dòng)圖像采集模塊的情況下采集到編織軟管內(nèi)部的全部位置信息；

B、對(duì)采集到的圖案進(jìn)行預(yù)處理。

4.根據(jù)權(quán)利要求3所述的超長(zhǎng)編織管內(nèi)部瑕疵在線檢測(cè)方法，其特征在于：所述步驟B中的預(yù)處理包括裁切、旋轉(zhuǎn)、拉伸、平移、色彩空間調(diào)整、對(duì)比度調(diào)整中的一種或多種。

5.根據(jù)權(quán)利要求2所述的超長(zhǎng)編織管內(nèi)部瑕疵在線檢測(cè)方法，其特征在于：所述步驟S1還包括存儲(chǔ)模塊、構(gòu)建模塊、測(cè)試模塊和診斷模塊，所述存儲(chǔ)模塊用于存儲(chǔ)輸入的樣本圖案和測(cè)試圖案，所述構(gòu)建模塊用于構(gòu)建全卷積神經(jīng)網(wǎng)絡(luò)模型，并對(duì)全卷積神經(jīng)網(wǎng)絡(luò)模型進(jìn)行迭代訓(xùn)練，所述測(cè)試模塊用于對(duì)構(gòu)建的全卷積神經(jīng)網(wǎng)絡(luò)模型進(jìn)行測(cè)試。

6.根據(jù)權(quán)利要求5所述的超長(zhǎng)編織管內(nèi)部瑕疵在線檢測(cè)方法，其特征在于：所述全卷積神經(jīng)網(wǎng)絡(luò)模型每迭代3000-4000次后，進(jìn)行測(cè)試。

7.根據(jù)權(quán)利要求6所述的超長(zhǎng)編織管內(nèi)部瑕疵在線檢測(cè)方法，其特征在于：所述測(cè)試包括如下步驟：測(cè)試模塊將測(cè)試圖案輸入全卷積神經(jīng)網(wǎng)絡(luò)模型中，全卷積神經(jīng)網(wǎng)絡(luò)模型得到判斷結(jié)果，并將結(jié)果輸入診斷模塊，診斷模塊對(duì)全卷積神經(jīng)網(wǎng)絡(luò)模型的判斷結(jié)果與預(yù)先設(shè)定的區(qū)間值進(jìn)行比對(duì)，當(dāng)輸出準(zhǔn)確率低于閾值時(shí)，返回?zé)o效結(jié)果，構(gòu)建模塊重新構(gòu)建并迭代全卷積神經(jīng)網(wǎng)絡(luò)模型，當(dāng)輸出準(zhǔn)確率等于或高于閾值時(shí)，返回有效結(jié)果，構(gòu)建模塊將全卷積神經(jīng)網(wǎng)絡(luò)模型標(biāo)記為有效的缺陷識(shí)別模型并輸出。

8.根據(jù)權(quán)利要求2所述的超長(zhǎng)編織管內(nèi)部瑕疵在線檢測(cè)方法，其特征在于：所述全卷積神經(jīng)網(wǎng)絡(luò)為Faster R-CNN，包括基礎(chǔ)特征提取網(wǎng)絡(luò)、RPN、Fast R-CNN，所述RPN、Fast R-CNN共享特征提取卷積層，并實(shí)現(xiàn)端到端的檢測(cè)。