[發(fā)明專利]一種圓錐滾子基面磨削不良的機(jī)器視覺檢測系統(tǒng)及方法

在審

• 申請?zhí)枺?/td>: 202210144693.6
• 申請日: 2022-02-17
• 公開（公告）號: CN114654315A
• 公開（公告）日: 2022-06-24
• 發(fā)明（設(shè)計）人: 任亞楠
• 申請（專利權(quán)）人: 杭州深度視覺科技有限公司
• 主分類號: B24B5/14
• 分類號: B24B5/14;B24B49/12;G06T7/00;G06T7/11;G06T7/187;G06N3/08;G06N3/04;G06K9/62
• 代理公司: 杭州浙科專利事務(wù)所(普通合伙) 33213
• 代理人: 孫孟輝

1.一種圓錐滾子基面磨削不良的機(jī)器視覺檢測方法，其特征在于包括以下步驟：

步驟1：挑選合格滾子和包含基面磨削不良的缺陷滾子，分別放置到面陣相機(jī)下，在平行光源的照射下，采集滾子基面的原始圖像，得到原始數(shù)據(jù)集；

步驟2：對原始數(shù)據(jù)集中的圖像進(jìn)行區(qū)域分割，得到基面區(qū)域子圖像；對子圖像進(jìn)行尺寸調(diào)整，得到合規(guī)子圖像；對處理后的數(shù)據(jù)集進(jìn)行標(biāo)注，得到訓(xùn)練數(shù)據(jù)集；

步驟3：針對磨削不良數(shù)據(jù)和合格數(shù)據(jù)建立包括多層神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的卷積神經(jīng)網(wǎng)絡(luò)，基于訓(xùn)練數(shù)據(jù)集對神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練；

步驟4：針對待檢測滾子，用所述面陣相機(jī)采集滾子基面的圖像；對原始圖像進(jìn)行區(qū)域分割和尺寸調(diào)整，得到基面區(qū)域的合規(guī)子圖像；

步驟5：將合規(guī)子圖像輸入到訓(xùn)練后的卷積神經(jīng)網(wǎng)絡(luò)中，獲得最后一層神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的輸出值，進(jìn)而對磨削不良進(jìn)行判別。

2.如權(quán)利要求1所述的一種圓錐滾子基面磨削不良的機(jī)器視覺檢測方法，其特征在于：所述步驟1和步驟4中的區(qū)域分割，目的是從包含滾子基面和背景區(qū)域的原始圖像中，提取包含滾子基面區(qū)域的最小水平外接矩形區(qū)域，從而得到基面區(qū)域子圖像，具體為：

1）由于所述平行光源的照射，滾子基面區(qū)域亮度大于背景區(qū)域亮度，對原始圖像I按照公式1進(jìn)行二值化，得到二值化圖Ib，其中h為二值化閾值，根據(jù)圖像實際情況進(jìn)行選取；

；

2）在二值化圖Ib中尋找面積最大的連通域Cmax，該連通域?qū)?yīng)的區(qū)域即為滾子基面區(qū)域；

3）計算Cmax的最小水平外接矩形R，該矩形滿足下述條件：包含連通域Cmax的所有像素的面積最小的水平矩形；

4）提取原始圖像I中矩形R所包圍的區(qū)域，即為滾子基面區(qū)域子圖像。

3.如權(quán)利要求1所述的一種圓錐滾子基面磨削不良的機(jī)器視覺檢測方法，其特征在于：步驟2所述的標(biāo)注，指根據(jù)該圖像對應(yīng)的滾子類型對圖像進(jìn)行人工分類，這些類別已知的圖像組成后續(xù)步驟神經(jīng)網(wǎng)絡(luò)訓(xùn)練的數(shù)據(jù)集。

4.如權(quán)利要求1所述的一種圓錐滾子基面磨削不良的機(jī)器視覺檢測方法，其特征在于：所述的卷積神經(jīng)網(wǎng)絡(luò)包含14層神經(jīng)元，分別由1個輸入卷積層、3個殘差連接模塊和1個輸出全連接層構(gòu)成，其中輸入卷積層的卷積核大小為7×7，步長為2，激活函數(shù)采用ReLU；殘差連接模塊每個包含4層卷積層，卷積核大小均為3×3，步長為1，激活函數(shù)采用ReLU；輸出全連接層的神經(jīng)元個數(shù)為2，代表分類結(jié)果為合格與磨削不良。

5.如權(quán)利要求1所述的一種圓錐滾子基面磨削不良的機(jī)器視覺檢測方法，其特征在于：卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練時采用交叉熵?fù)p失函數(shù)，使用隨機(jī)梯度下降法作為優(yōu)化算法，每次訓(xùn)練的學(xué)習(xí)率小于或等于前一次訓(xùn)練的學(xué)習(xí)率，卷積神經(jīng)網(wǎng)絡(luò)在訓(xùn)練時，采用所述訓(xùn)練數(shù)據(jù)集多次訓(xùn)練，按照設(shè)定的學(xué)習(xí)率調(diào)整所述神經(jīng)網(wǎng)絡(luò)的參數(shù)，從而得到訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)。

6.如權(quán)利要求1所述的一種圓錐滾子基面磨削不良的機(jī)器視覺檢測方法，其特征在于：針對經(jīng)過標(biāo)注的基面磨削不良和正常圖像，建立多層卷積神經(jīng)網(wǎng)絡(luò)，基于訓(xùn)練數(shù)據(jù)集對卷積神經(jīng)網(wǎng)絡(luò)的訓(xùn)練，使神經(jīng)網(wǎng)絡(luò)的輸出符合實際標(biāo)注的結(jié)果，從而利用訓(xùn)練好的卷積神經(jīng)網(wǎng)絡(luò)對基面磨削不良進(jìn)行檢測。

7.如權(quán)利要求1所述的一種圓錐滾子基面磨削不良的機(jī)器視覺檢測方法，其特征在于：所述滾子基面的原始圖像的分辨率為1920×1080像素，所述合規(guī)子圖像的分辨率為300×300像素。

8.一種圓錐滾子基面磨削不良的機(jī)器視覺檢測系統(tǒng)，其特征在于：包括平行光源、面陣相機(jī)和上位機(jī)；

所述平行光源用于照亮滾子基面區(qū)域并使其和背景區(qū)域形成明顯的亮暗對比；

所述面陣相機(jī)用于拍攝圓錐滾子基面，并將圓錐滾子的基面圖像發(fā)送至上位機(jī)；

所述上位機(jī)用于運行滾子基面子圖像的提取與合規(guī)處理算法，通過深度學(xué)習(xí)模型檢測所述圓錐滾子基面的磨削不良。

9.如權(quán)利要求8所述的一種圓錐滾子基面磨削不良的機(jī)器視覺檢測系統(tǒng)，其特征在于：所述平行光源發(fā)射出平行度高的多束藍(lán)色光線。