[發明專利]一種基于大數據自主學習檢測刀具壽命的系統及方法

在審

• 申請號: 202011216129.8
• 申請日: 2020-11-04
• 公開（公告）號: CN112247675A
• 公開（公告）日: 2021-01-22
• 發明（設計）人: 陳明意;楊加成
• 申請（專利權）人: 蘇州眾盈恒信息科技有限公司
• 主分類號: B23Q17/09
• 分類號: B23Q17/09
• 代理公司: 杭州聚邦知識產權代理有限公司 33269
• 代理人: 周美鋒

1.一種基于大數據自主學習檢測刀具壽命的系統及方法，其特征在于，包括圖像采集模塊、刀庫、云服務器、圖像處理模型；

所述圖像采集模塊的輸出端與所述圖像處理模塊的輸入端相連，所述圖像采集模塊與所述刀庫之間間隔一段距離，所述圖像處理模塊與所述云服務器之間通過以太網進行通訊；

所述圖像采集模塊用于拍攝刀庫中的待加工的刀具得到刀尖位置的標定信息，以及拍攝加工完成后的刀具得到背景模糊并且刀具對象凸顯的刀具圖像，并傳輸到圖像處理模塊中；

所述刀庫用于存放待加工的刀具以及加工完成后的待檢測刀具；所述云服務器用于基于刀具交點特征訓練得到刀具壽命檢測模型；

所述圖像處理模塊用于對刀具圖像進行預處理，加載云服務器中訓練得到的刀具壽命檢測模型，然后基于該刀具壽命檢測模型計算刀具檢測結果。

2.根據權利要求1所述的刀具壽命檢測系統，其特征在于，所述圖像采集模塊包括內窺鏡，采用內窺鏡拍攝刀庫中的刀具，刀具未進行加工時，拍攝刀具圖像，并標定刀具刀尖所在的位置信息，刀具加工完成后將刀具重新換回到刀庫，采用內窺鏡拍攝加工完成后的待檢測刀具，得到背景模糊的刀具圖像，以凸顯刀具對象。

3.根據權利要求1所述的刀具壽命檢測系統，其特征在于，所述圖像處理模塊為裝有AI芯片的IPC。

4.一種基于大數據自主學習檢測刀具壽命的系統及方法，其特征在于，包括以下步驟：S1、圖像處理模塊連接云服務器，從云服務器中下載刀具壽命檢測模型；S2、對刀庫中的所有待加工刀具進行拍照并標定其刀尖位置；S3、待加工刀具在加工完成后換回到刀庫的對應位置，并對其進行拍照，得到待檢測刀具圖像；

S4、基于所標定的刀尖位置信息對所述待檢測刀具圖像進行預處理，得到帶有輔助標記的刀具圖像；

S5、提取所述待檢測刀具圖像的刀具刀尖與輔助線之間的交點特征；S6、將所述交點特征輸入到預先訓練的刀具壽命檢測模型中，得到刀具壽命檢測結果；S7、將檢測錯誤的刀具圖像樣本傳送到云服務器上，得到錯誤樣本集。

5.根據權利要求4所述的刀具壽命檢測方法，其特征在于，對刀具圖像進行預處理的方法包括以下步驟：

S41、以所標定的刀尖位置信息為基準，對刀具圖像進行剪裁，得到固定大小的刀具圖像；

S42、對裁剪后的圖像進行灰度處理，得到灰度圖像；S43、在所述灰度圖像中的固定位置處繪制輔助線，得到帶有輔助標記的刀具圖像。

6.根據權利要求4或5所述的刀具壽命檢測方法，其特征在于，所述輔助線的條數大于等于1，并且存在一定的傾斜角度且互相平行。

7.根據權利要求4所述的刀具壽命檢測方法，其特征在于，得到所述預先訓練的刀具壽命檢測模型的方法包括以下步驟：

S61、判斷云服務器端是否存在已訓練好的刀具壽命檢測模型，若不存在，采集斷裂刀具和正常刀具的圖像數據集作為訓練集，轉至步驟S62；若存在，則轉至步驟S63；S62、基于所述訓練集在云服務器上訓練刀具壽命檢測模型，轉至S63；S63、當云服務器上的錯誤樣本集中的樣本個數大于可訓練閾值C時，在當前刀具壽命檢測

模型的基礎上基于錯誤樣本集進行增量訓練，更新刀具壽命檢測模型。

8.根據權利要求7所述的刀具壽命檢測方法，其特征在于，訓練所述刀具壽命檢測模型的方法包括以下步驟：

S621、對訓練集中的刀具圖像進行預處理，構建帶有輔助標記的訓練集；S622、提取帶有輔助標記的訓練集中每幅刀具圖像的刀具刀尖與輔助線之間的交點特征；

S623、以訓練集中正常刀具的交點特征為正樣本，以訓練集中斷裂刀具的交點特征為負樣本，對分類器進行訓練，得到刀具壽命檢測模型。