亚洲成年人黄色一级片,日本香港三级亚洲三级,黄色成人小视频,国产青草视频,国产一区二区久久精品,91在线免费公开视频,成年轻人网站色直接看

一種裝配連接件圖像特征深度學(xué)習(xí)與識(shí)別方法與流程

文檔序號(hào):11620976閱讀:574來(lái)源:國(guó)知局
一種裝配連接件圖像特征深度學(xué)習(xí)與識(shí)別方法與流程

本發(fā)明涉及裝配連接件識(shí)別方法,尤其涉及一種裝配連接件圖像特征深度學(xué)習(xí)與識(shí)別方法。



背景技術(shù):

裝配指按規(guī)定的技術(shù)要求,將零件或部件進(jìn)行配合連接,使之成為半成品或成品的工藝過(guò)程。裝配是產(chǎn)品制造工藝的重要工序,裝配的好壞,對(duì)產(chǎn)品的質(zhì)量起決定性作用。討論裝配質(zhì)量,是在所有裝配零件均為合格品、安裝正確的前提條件下進(jìn)行的,故在檢測(cè)產(chǎn)品裝配質(zhì)量之前,必須檢查有無(wú)錯(cuò)裝和漏裝的零件。由于裝配零件、聯(lián)接件多,裝配檢測(cè)對(duì)象多樣化,對(duì)檢測(cè)技術(shù)的準(zhǔn)確性、一致性與實(shí)時(shí)性提出了更高的要求與挑戰(zhàn)。

實(shí)現(xiàn)裝配零部件、連接件檢測(cè)的經(jīng)典機(jī)器視覺(jué)檢測(cè)方法主要有:基于固有特征的識(shí)別方法與基于匹配的檢測(cè)方法?;诠逃刑卣鞯淖R(shí)別方法專用性強(qiáng)、靈活性較差,若改變應(yīng)用對(duì)象,則必須由專業(yè)視覺(jué)檢測(cè)人員設(shè)置檢測(cè)特征,如汽車(chē)活塞裝配質(zhì)量視覺(jué)檢測(cè)系統(tǒng)(zl201010543006.5)可一次性自動(dòng)對(duì)汽車(chē)活塞頂面字符,活塞環(huán)裝配,石墨層完整性等內(nèi)容進(jìn)行基于數(shù)字圖像的視覺(jué)檢測(cè);視覺(jué)檢測(cè)方法(201610496560.x)使得在檢測(cè)待檢品的圖像上的圓時(shí)可以提高圓心和半徑提取的準(zhǔn)確度以及速度,進(jìn)而提高提取效率;汽車(chē)剎車(chē)主缸活塞表面質(zhì)量機(jī)器視覺(jué)檢測(cè)裝置(201210348279.3)能實(shí)現(xiàn)自動(dòng)完成活塞表面質(zhì)量缺陷的快速檢測(cè),給出表面質(zhì)量的檢測(cè)結(jié)果。基于固有特征的識(shí)別方法對(duì)特定的零部件檢測(cè)效果好,若對(duì)象變化,則必須由專業(yè)視覺(jué)檢測(cè)人員重新檢測(cè)特征,靈活性較差?;谄ヅ涞臋z測(cè)方法可以靈活性較強(qiáng),對(duì)于未提前設(shè)定好的情況無(wú)法檢出,限制了其使用范圍。本發(fā)明專利利用深度學(xué)習(xí)提取裝配連接件圖像特征,可以實(shí)現(xiàn)裝配工序的各種連接件自動(dòng)識(shí)別,由人工指定樣本位置與類型即可自動(dòng)學(xué)習(xí)后進(jìn)行識(shí)別,實(shí)現(xiàn)面向不同工件的智能、綜合裝配質(zhì)量檢測(cè)。



技術(shù)實(shí)現(xiàn)要素:

為解決上述技術(shù)問(wèn)題,本發(fā)明的目的是提供一種裝配連接件圖像特征深度學(xué)習(xí)與識(shí)別方法。

本發(fā)明的目的通過(guò)以下的技術(shù)方案來(lái)實(shí)現(xiàn):

一種裝配連接件圖像特征深度學(xué)習(xí)與識(shí)別方法,包括以下步驟:

步驟a樣本采集階段,包括采集合格圖像序列(i1,i2…in),由檢測(cè)人員指定檢測(cè)樣本范圍sc、樣本類型c(sc),計(jì)算水平方向最大位移與垂直方向最大位移構(gòu)建協(xié)訓(xùn)練矩陣mx、my,獲取協(xié)樣本集sc;

步驟b樣本深度學(xué)習(xí)階段,包括將協(xié)樣本集sc輸入卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練,并計(jì)算協(xié)樣本集的偏差矩陣pc,修改協(xié)訓(xùn)練矩陣并多次迭代使協(xié)偏差矩陣p(i)滿足閾值要求;并記錄下卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)及各層權(quán)重;

步驟c識(shí)別階段,包括將欲識(shí)別的樣本s輸入深度學(xué)習(xí)階段得到的卷積神經(jīng)網(wǎng)絡(luò),并可輸出其類別c(s)。

與現(xiàn)有技術(shù)相比,本發(fā)明的一個(gè)或多個(gè)實(shí)施例可以具有如下優(yōu)點(diǎn):

本發(fā)明提供的方法可以實(shí)現(xiàn)裝配工序的各種連接件自動(dòng)識(shí)別,由人工指定樣本位置與類型即可自動(dòng)學(xué)習(xí)后進(jìn)行識(shí)別,實(shí)現(xiàn)面向不同工件的智能、綜合裝配質(zhì)量檢測(cè)。

附圖說(shuō)明

圖1是裝配連接件圖像特征深度學(xué)習(xí)與識(shí)別方法流程圖;

圖2是裝配連接件圖像特征深度學(xué)習(xí)程序流程圖。

具體實(shí)施方式

為使本發(fā)明的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚,下面將結(jié)合實(shí)施例及附圖對(duì)本發(fā)明作進(jìn)一步詳細(xì)的描述。

如圖1所示,為裝配連接件圖像特征深度學(xué)習(xí)與識(shí)別方法流程,所述方法包括如下步驟:

步驟1樣本采集階段,采集合格圖像序列(i1,i2…in),由檢測(cè)人員指定檢測(cè)樣本范圍sc、樣本類型c(sc),計(jì)算水平方向最大位移與垂直方向最大位移構(gòu)建協(xié)訓(xùn)練矩陣mx、my,獲取協(xié)樣本集sc。

步驟2樣本深度學(xué)習(xí)階段,將協(xié)樣本集sc輸入卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練,并計(jì)算協(xié)樣本集的偏差矩陣pc,修改協(xié)訓(xùn)練矩陣并多次迭代使協(xié)偏差矩陣p(i)滿足閾值要求;記錄下這時(shí)候的卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)及各層權(quán)重。

步驟3識(shí)別階段,將欲識(shí)別的樣本s輸入深度學(xué)習(xí)階段得到的卷積神經(jīng)網(wǎng)絡(luò),將可輸出其類別c(s)。

如圖2所示,上述步驟1樣本采集階段具體包括:

采集合格圖像序列(i1,i2…in)指設(shè)計(jì)合適的圖像采集裝置與限位裝置,使采集到的圖像序列(i1,i2…in)清晰且定位誤差符合設(shè)計(jì)要求。

水平方向最大位移與垂直方向最大位移采用canny邊緣檢測(cè)算子對(duì)樣本sc進(jìn)行邊緣檢測(cè),檢測(cè)到邊緣的最小外接矩形到樣本左、右、下、上邊緣的最小距離即分別為水平方向最大位移與垂直方向最大位移

若協(xié)樣本集sc樣本有i×j個(gè),則在(-1,1)的范圍內(nèi)隨機(jī)取i×j個(gè)權(quán)重生成協(xié)訓(xùn)練矩陣mx、my,分別為:

則樣本集sc為:

上述步驟2樣本深度學(xué)習(xí)階段具體包括:

對(duì)于訓(xùn)練完成后的卷積神經(jīng)網(wǎng)絡(luò),輸入樣本s′c_ij輸出的激勵(lì)向量vc_ij,則樣本s′c_ij的偏差pc_ij為:

樣本集sc的偏差矩陣pc為:

當(dāng)pc中所有的元素均符合閾值要求,即認(rèn)為學(xué)習(xí)完畢,記錄下這時(shí)候的卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)及各層權(quán)重。

雖然本發(fā)明所揭露的實(shí)施方式如上,但所述的內(nèi)容只是為了便于理解本發(fā)明而采用的實(shí)施方式,并非用以限定本發(fā)明。任何本發(fā)明所屬技術(shù)領(lǐng)域內(nèi)的技術(shù)人員,在不脫離本發(fā)明所揭露的精神和范圍的前提下,可以在實(shí)施的形式上及細(xì)節(jié)上作任何的修改與變化,但本發(fā)明的專利保護(hù)范圍,仍須以所附的權(quán)利要求書(shū)所界定的范圍為準(zhǔn)。

當(dāng)前第1頁(yè)1 2 
網(wǎng)友詢問(wèn)留言 已有0條留言
  • 還沒(méi)有人留言評(píng)論。精彩留言會(huì)獲得點(diǎn)贊!
1