[發明專利]一種樣本可均衡的曲軸表面缺陷檢測方法及檢測系統有效
| 申請號: | 202210807630.4 | 申請日: | 2022-07-11 |
| 公開(公告)號: | CN114862863B | 公開(公告)日: | 2022-09-20 |
| 發明(設計)人: | 謝羅峰;朱楊洋;劉衛民;殷鳴;殷國富;劉建華;楊揚;賴光勇;楊敏;余雅彬 | 申請(專利權)人: | 四川大學;四川飛亞動力科技股份有限公司 |
| 主分類號: | G06T7/00 | 分類號: | G06T7/00;G06V10/774;G06V10/82 |
| 代理公司: | 成都環泰專利代理事務所(特殊普通合伙) 51242 | 代理人: | 李斌;李輝 |
| 地址: | 610000 四*** | 國省代碼: | 四川;51 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 一種 樣本 均衡 曲軸 表面 缺陷 檢測 方法 系統 | ||
1.一種樣本可均衡的曲軸表面缺陷檢測方法,其特征在于,包括:
S1、構建訓練樣本數據集,包括:
在曲軸表面施加磁粉并以熒光照射,獲取曲軸的表面圖像;
判斷并標注表面圖像狀態,得到正常的圖像數據N個、帶有缺陷的圖像數據M個,定義x張圖像作為一個數據樣本,只有當x張圖像全部為正常圖像時,由該x張圖像組成的此樣本才標記為正樣本;x張圖像只要存在一張帶缺陷的圖像,由該x張圖像組成的此樣本便標記為負樣本;所述正樣本和負樣本則構成訓練樣本數據集;其中,x的具體數值由下式給出化簡得
S2、基于深度學習卷積神經網絡模型,通過所述訓練樣本數據集對所述深度學習卷積神經網絡模型進行訓練,完成深度學習識別模型的構建;
S3、獲取待檢測的曲軸的y張表面圖像,與從正常的圖像數據N中隨機選取的x-y張圖像組成一個待識別樣本,通過所述深度學習識別模型確定曲軸表面情況。
2.根據權利要求1所述的一種樣本可均衡的曲軸表面缺陷檢測方法,其特征在于,所述獲取待檢測的曲軸的表面圖像包括:通過相機對待檢測的曲軸的表面進行多角度拍攝。
3.根據權利要求1所述的一種樣本可均衡的曲軸表面缺陷檢測方法,其特征在于,所述曲軸表面缺陷檢測方法還包括步驟S4:根據所述曲軸表面情況,向篩選機構發出正品信號或次品信號完成自動篩選。
4.一種樣本可均衡的曲軸表面缺陷檢測系統,其特征在于,包括磁粉施加裝置、熒光照射裝置、拍攝裝置及深度學習神經網絡識別模塊;
所述磁粉施加裝置用于對曲軸的表面施加磁粉;
所述熒光照射裝置用于對曲軸表面進行熒光照射,以便于判斷曲軸的表面狀態;
所述拍攝裝置用于獲取曲軸的表面圖像數據并與相應的所述表面狀態相對應,并以此得到訓練樣本數據集;其中,得到所述訓練樣本數據集具體包括:獲取的曲軸表面圖像包括正常的圖像數據N個、帶有缺陷的圖像數據M個,定義x張圖像作為一個數據樣本,只有當x張圖像全部為正常圖像時,由該x張圖像組成的此樣本才標記為正樣本;x張圖像只要存在一張帶缺陷的圖像,由該x張圖像組成的此樣本便標記為負樣本;所述正樣本和負樣本則構成訓練樣本數據集;其中,x的具體數值由下式給出化簡得
所述深度學習神經網絡識別模塊采用所述訓練樣本數據集對自身進行訓練,以用于待檢測的曲軸表面情況的識別,獲取待檢測的曲軸的y張表面圖像,與從正常的圖像數據N中隨機選取的x-y張圖像組成一個待識別樣本,通過所述深度學習神經網絡識別模塊確定曲軸表面情況。
5.根據權利要求4所述的一種樣本可均衡的曲軸表面缺陷檢測系統,其特征在于,還包括相互連接的控制裝置及篩選裝置,所述控制裝置用于根據所述曲軸表面情況產生正品信號或次品信號,所述篩選裝置根據所述正品信號或次品信號進行自動篩選。
6.根據權利要求5所述的一種樣本可均衡的曲軸表面缺陷檢測系統,其特征在于,所述控制裝置用于在所述曲軸表面情況為帶有缺陷時產生次品信號,所述篩選裝置根據所述次品信號將帶缺陷的曲軸自動篩選出來。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于四川大學;四川飛亞動力科技股份有限公司,未經四川大學;四川飛亞動力科技股份有限公司許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202210807630.4/1.html,轉載請聲明來源鉆瓜專利網。





