[發明專利]一種用于圖像深度學習的數據集采集系統

在審

• 申請號: 202010086319.6
• 申請日: 2020-02-11
• 公開（公告）號: CN111294514A
• 公開（公告）日: 2020-06-16
• 發明（設計）人: 張效棟;朱琳琳;陳亮亮;閆寧;李娜娜
• 申請（專利權）人: 天津大學
• 主分類號: H04N5/232
• 分類號: H04N5/232;H04N5/235;G03B17/56;G03B15/02;G03B15/07
• 代理公司: 天津市北洋有限責任專利代理事務所 12201
• 代理人: 程毓英

本發明涉及一種用于圖像深度學習的數據集采集系統，包括置于系統內腔的工業相機、位移機構、多方位照明光源和計算機，其特征在于，工業相機用于采集不同位姿、不同光照情況下產品表面圖像，進行數據集獲取；位移機構，包括水平運動軸系、升降運動、傾斜運動軸和俯仰運動軸，水平運動軸系由水平運動軸X和水平運動軸Y構成，用于帶動待測產品在平面內運動；升降運動、傾斜運動軸和俯仰運動軸與工業相機相連接，用于搭載工業相機進行升降、傾斜或俯仰運動，實現對產品表面不同空間角度的拍攝；多方位照明光源，包括在系統內腔環置的不同角度的平板光源、搭載在工業相機鏡頭上的環形光源以及設置在待測產品下方的背光光源。

技術領域

本發明涉及一種用于圖像深度學習的數據集采集系統。

背景技術

在產品生產和應用過程中，對產品表面檢測和識別分類是至關重要的一個環節。隨著計算機技術的發展，對產品表面檢測識別從依靠人工進行發展到了通過數字圖像處理技術實現自動化檢測。但傳統的數字圖像處理技術對圖像獲取環境要求高，當圖像采集環境稍加改變，便會帶來對物體識別準確率降低的問題。近年來，隨著人工智能技術興起，通過深度學習的方法對圖像識別檢測成為一種更加可靠的方式，卷積神經網絡作為深度學習的代表算法之一，對二維圖像處理表現突出，特別是在識別位移、縮放及其它形式扭曲不變性的圖像中具有良好的魯棒性和較高的運算效率。然而，深度學習的訓練需要有足夠龐大的數據集支撐，傳統的擴充數據集的方法主要通過圖像處理手段，即在原有數據基礎上進一步豐富數據集，這種方法存在一定的局限性，這也是制約圖像深度學習應用于各行業產品表面檢測和識別分類的一大難題。目前，在產品表面數據集獲取方面主要存在以下問題：

(1)從數據集采集方式考慮，傳統數據集采集方式單一化、理想化，不能充分說明實際應用過程中圖像采集的情況。

(2)從數據集本身考慮，現階段所獲取的數據量少且豐富度不夠；

(3)從數據集采集過程考慮，數據集采集周期長，需要大量的人力物力，成本較高。

發明內容

針對上述問題，本發明的目的是提供一種用于圖像深度學習的數據集采集系統，可以全面模擬不同實際場景下的拍攝情況，以解決傳統數據集創造方式單一化、理想化、數據量少且豐富度不夠等難題。為實現上述目的，本發明采取以下技術方案：

一種用于圖像深度學習的數據集采集系統，包括置于系統內腔的工業相機、位移機構、多方位照明光源和計算機，其特征在于，

工業相機用于采集不同位姿、不同光照情況下產品表面圖像，進行數據集獲取；

位移機構，包括水平運動軸系、升降運動、傾斜運動軸和俯仰運動軸，水平運動軸系由水平運動軸X和水平運動軸Y構成，用于帶動待測產品在平面內運動；升降運動、傾斜運動軸和俯仰運動軸與工業相機相連接，用于搭載工業相機進行升降、傾斜或俯仰運動，實現對產品表面不同空間角度的拍攝；

多方位照明光源，包括在系統內腔環置的不同角度的平板光源、搭載在工業相機鏡頭上的環形光源以及設置在待測產品下方的背光光源；

計算機，用于控制位移機構的動作和多方位照明光源。

本發明由于采取以上技術方案，其具有以下優點：

(1)本發明通過位移機構，可以實現對產品表面不同位置、不同視角的拍攝；

(2)本發明通過多方位照明光源，可以實現模擬實際拍攝時光照不均勻情況；

(3)本發明通過位移機構和多方位照明光源之間相互配合，可以實現空間多方位光源隨機打光、空間織物不同位置隨機拍攝，全面獲取產品表面信息數據集。

(4)本發明實現了圖像采集過程自動化，采集速度快，可以在短時間內構造豐富且大量的數據集。

附圖說明