[發(fā)明專利]一種輪轂焊縫視覺檢測方法及檢測系統(tǒng)在審
| 申請?zhí)枺?/td> | 202010870708.8 | 申請日: | 2020-08-26 |
| 公開(公告)號: | CN111929314A | 公開(公告)日: | 2020-11-13 |
| 發(fā)明(設(shè)計)人: | 王宸;張秀峰 | 申請(專利權(quán))人: | 湖北汽車工業(yè)學(xué)院 |
| 主分類號: | G01N21/89 | 分類號: | G01N21/89;G06K9/62;G06N3/04;G06N3/08;G06T7/00 |
| 代理公司: | 北京金智普華知識產(chǎn)權(quán)代理有限公司 11401 | 代理人: | 楊采良 |
| 地址: | 442002 湖北省*** | 國省代碼: | 湖北;42 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 一種 輪轂 焊縫 視覺 檢測 方法 系統(tǒng) | ||
1.一種輪轂焊縫視覺檢測方法,其特征在于,所述輪轂焊縫視覺檢測方法包括:
搭建基于YOLOV3的輪轂焊縫視覺檢測系統(tǒng);
對搭建的輪轂焊縫視覺檢測系統(tǒng)進(jìn)行驗(yàn)證;
利用驗(yàn)證的輪轂焊縫視覺檢測系統(tǒng)對輪轂焊縫進(jìn)行視覺檢測。
2.如權(quán)利要求1所述輪轂焊縫視覺檢測方法,其特征在于,所述輪轂焊縫視覺檢測系統(tǒng)驗(yàn)證方法包括:
(1)利用攝像設(shè)備針對工廠中輪轂焊縫缺陷樣本進(jìn)行輪轂焊縫圖像采集,對采集的圖像進(jìn)行預(yù)處理,調(diào)整圖像大小并對圖像進(jìn)行分類;
(2)使用圖像標(biāo)注工具對各類圖像進(jìn)行分類標(biāo)注,并且制作輪轂焊縫缺陷的數(shù)據(jù)集;
(3)采用基于深度卷積神經(jīng)網(wǎng)絡(luò)算法的YOLOv3-GIoU改進(jìn)算法進(jìn)行輪轂焊縫缺陷檢測訓(xùn)練,并進(jìn)行識別檢測驗(yàn)證,對驗(yàn)證結(jié)果數(shù)據(jù)進(jìn)行分析,通過驗(yàn)證結(jié)果分析優(yōu)化調(diào)整參數(shù),得到優(yōu)化的基于YOLOv3的輪轂焊縫檢測系統(tǒng)。
3.如權(quán)利要求2所述輪轂焊縫視覺檢測方法,其特征在于,步驟(2)中,所述圖像分類標(biāo)注包括:將焊縫缺陷劃分為斷弧、焊瘤、偏焊、起弧不良和氣孔,作為不同類別進(jìn)行分類標(biāo)注;
步驟(2)中,所述輪轂焊縫缺陷數(shù)據(jù)集按照7:2:1的比例劃分為訓(xùn)練集、驗(yàn)證集和測試集;
所述訓(xùn)練集用于模型訓(xùn)練;
所述驗(yàn)證集用于評價模型性能;
所述測試集用于模擬真實(shí)檢測試驗(yàn)。
4.如權(quán)利要求2所述輪轂焊縫視覺檢測方法,其特征在于,步驟(3)中,所述基于深度卷積神經(jīng)網(wǎng)絡(luò)算法的YOLOv3-GIoU改進(jìn)算法包括:
1)利用損失函數(shù)進(jìn)行YOLOv3算法改進(jìn);
所述YOLOv3改進(jìn)算法損失函數(shù)如下所示:
式中obj表示單元格內(nèi)含有目標(biāo),noobj表示單元格內(nèi)沒有目標(biāo);i表示第i個單元格,j表示該單元格預(yù)測的第j個框;前兩項(xiàng)中的tx,ty,tw,th分別表示預(yù)測框的中心點(diǎn)坐標(biāo)偏移值和預(yù)測框?qū)捄透呦鄬τ趫D像的比值,其中帶有上標(biāo)的是真實(shí)框的位置坐標(biāo)信息;I表示第i單元格第j框是否有目標(biāo)的示性函數(shù);C為預(yù)測框置信度得分;p為條件類別概率值;前兩項(xiàng)為定位損失函數(shù),3,4項(xiàng)為置信度損失函數(shù),最后一項(xiàng)是分類損失函數(shù);
所述類別置信度得分的計算是通過條件類別概率乘以預(yù)測框置信度得分得到,如下:
引入GIoU作為定位損失函數(shù),GIoU計算公式如下所示:
LGIoU=1-GIoU
式中A和B表示兩矩形框,C表示包含A和B的最小外接矩形;
2)優(yōu)化先驗(yàn)框:利用K-means聚類計算得出訓(xùn)練集的先驗(yàn)框大小,基于計算結(jié)果在參數(shù)文件中修改anchor box的值,進(jìn)行先驗(yàn)框優(yōu)化;
3)通過下式進(jìn)行參數(shù)計算:
W=WBN·Wconv
b=WBN·bconv+bBN
其中,Wconv和bconv分別為卷積層的權(quán)重矩陣和偏置,WBN和bBN是BN層的權(quán)重矩陣和偏置。
5.如權(quán)利要求1所述輪轂焊縫視覺檢測方法,其特征在于,利用驗(yàn)證的輪轂焊縫視覺檢測系統(tǒng)對輪轂焊縫進(jìn)行視覺檢測方法包括:
輸送裝置將輪轂輸送至預(yù)訂位置;當(dāng)輪轂于預(yù)訂位置觸發(fā)光電傳感器時,利用面陣CCD相機(jī)對焊縫進(jìn)行圖像信息采集;
對采集的圖像信息進(jìn)行處理并基于處理后的圖像信息判斷輪轂焊縫是否合格;若合格,則將檢測后的輪轂利用輸送裝置傳輸至下一生產(chǎn)工序;若輪轂檢測不合格,則在輪轂經(jīng)過第二個光電傳感器時啟動頂出裝置,將不合格輪轂頂出到缺陷工件回收滾道上,回收缺陷工件。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于湖北汽車工業(yè)學(xué)院,未經(jīng)湖北汽車工業(yè)學(xué)院許可,擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202010870708.8/1.html,轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
- 同類專利
- 專利分類
G01N 借助于測定材料的化學(xué)或物理性質(zhì)來測試或分析材料
G01N21-00 利用光學(xué)手段,即利用紅外光、可見光或紫外光來測試或分析材料
G01N21-01 .便于進(jìn)行光學(xué)測試的裝置或儀器
G01N21-17 .入射光根據(jù)所測試的材料性質(zhì)而改變的系統(tǒng)
G01N21-62 .所測試的材料在其中被激發(fā),因之引起材料發(fā)光或入射光的波長發(fā)生變化的系統(tǒng)
G01N21-75 .材料在其中經(jīng)受化學(xué)反應(yīng)的系統(tǒng),測試反應(yīng)的進(jìn)行或結(jié)果
G01N21-84 .專用于特殊應(yīng)用的系統(tǒng)





