<button id="rrd2y"><acronym id="rrd2y"></acronym></button>

  • <strong id="rrd2y"><track id="rrd2y"></track></strong>
  • 您當前的位置:檢測資訊 > 科研開發

    生絲黑板智能檢測方法及應用研究

    嘉峪檢測網        2024-02-23 08:50

    摘要:本文采用深度學習技術,建立神經網絡和數字圖像處理方法相結合的生絲質量評分系統,統一完成生絲黑板法對勻度、清潔度、潔凈度的測量和評分過程。作為一種新的生絲黑板AI輔助判定系統,做到了黑板原始圖像可溯源、檢驗數據可復現,生絲疵點識別更準確,可以實現檢驗過程智能化、信息化和可視化等。解決了目前生絲黑板完全靠人眼看、靠經驗評等問題,最大限度減少生絲黑板檢驗中人為因素影響,提高檢驗效率,保證結果公正。
     
    引 言
     
    我國作為世界上最大的繭絲生產國和出口國,生絲產量占世界的70 %,生絲出口量占國際市場同類貿易量的80 %左右,在國民經濟中具有重要地位。但作為繭絲類生產大國,我國在生絲檢測自動化、智能化上研究不夠,目前國內生絲檢測方法還是上世紀的水平,檢測過程復雜,檢測仍以人的主觀評價為主。
     
    傳統的黑板檢測法仍然存在如下的缺點:
     
    (1)檢測結果受檢驗人員的主觀因素影響;
     
    (2)人眼難以區分與標準樣片相近的絲條、難以觀察生絲表面更加微小的疵點;
     
    (3)檢測結果可重復性差;
     
    (4)檢測效率較低且培養一個熟練掌握生絲黑板打分方法的專家成本較高。
     
    近年來圖像識別技術日新月異,人工智能在各領域應用也廣泛深入,卷積神經網絡已經在手寫體字符識別、人臉檢測、行人檢測、語音識別、人體動作識別、機器人導航等各個方面的應用上獲得了顯著的成果。從2012年至今,各研究機構利用數字圖像處理、機器視覺方法對傳統的生絲黑板檢測法進行了大量的改進,然而,深度學習方法依然沒有被應用于其中,且現有的方法存在較多的問題:
     
    (1)生絲疵點分類粒度和精度有待提高;
     
    (2)單獨測量生絲的勻度、清潔度和潔凈度;
     
    (3)沒有對生絲的質量進行打分,無法獲得最終的生絲質量打分結果。
     
    因此本文建立一套采用深度學習技術,神經網絡和數字圖像處理方法相結合的生絲質量評分系統。
     
    1、   生絲黑板檢測智能化技術的意義
     
    生絲黑板檢測智能化技術的研究及其應用將會對生絲檢測領域產生深遠的影響:
     
    (1)提升檢驗結果的可重復性。該技術將生絲缺陷的識別、分類、評分標準數字化,提高檢測過程中各個指標的量化程度,從而提高檢驗結果的可重復性。
     
    (2)提高檢驗精度?;谏疃葘W習的圖像識別技術,能精確區分人眼難以識別的微小瑕疵點,減少漏檢、誤檢現象。
     
    (3)提高檢驗效率。人工智能識別技術能在數秒的時間內完成所采集圖像上的缺陷識別、分類、評分。
     
    (4)系統穩定,判斷結果可靠。該技術是通過一個或者多個攝像機在標準規定條件下進行圖像采集,干擾因素少,分析對象更加直觀。
     
    (5)緩解用工壓力。在保證檢驗正確率、提高檢驗效率的前提下,減少檢驗工作對人工的依賴。
     
    (6)推動生絲檢驗行業檢驗技術的革新。推動人工檢驗方法向智能化檢驗方法轉型。
     
    (7)普及生絲檢驗技術在全產業鏈的應用。智能檢驗技術的研發和應用, 會大大降低企業檢驗成本,促進企業通過自檢的手段提升產品品質和企業競爭力。
     
    (8)奠定大數據應用基礎。通過對大量檢驗數據的整理、分析,可以為提高生絲品質提供有力的技術和數據支持。
     
    2、    生絲黑板智能化檢測系統
     
    總體來說該系統分為6個模塊,分別為控制模塊、成像模塊、圖像預處理、缺陷檢測、缺陷分類和質量評分模塊。
     
    控制模塊:對環境光源的光強和兩臺工業面陣相機的幀率、圖像大小、曝光時間參數進行自動化配置,使得兩臺工業面陣相機能在一定的光強下同步成像;定時發出脈沖控制信號,控制相機勻速運動采集黑板上的生絲表面圖像。
     
    成像模塊:根據計算機模塊的脈沖信號,定時拍攝蠶絲表面實時圖像。
     
    圖像預處理模塊:針對輸入的生絲表面圖像,首先采用均值濾波去除生絲黑板上的椒鹽噪聲(脈沖噪聲),對實時的圖像進行直方圖均衡化。其次,將RGB圖像轉換到YCrCb空間后,對Y通道進行均衡化(其中Y代表亮度)。最后,對圖像進行2倍降采樣處理,最終得到預處理后的生絲圖像。
     
    缺陷檢測模塊:檢測生絲表面是否存在缺陷時,將預處理后的圖像進行灰度化處理,并用閾值分割算法再次去除黑板噪聲;采用傅里葉變換及霍夫直線檢測的方式初篩生絲疵點特征,并通過形態學運算的方式將篩選后的特征連接起來;再根據疵點的輪廓、面積、長度等閾值范圍篩選出最終特征。
     
    缺陷分類模塊:利用像素閾值分割算法,選中缺陷區域,并通過缺陷區域的面積、空洞數、長度、缺陷區域的連通數等閾值范圍將生絲疵點分類。
     
    質量評分模塊:若存在缺陷,記錄缺陷,按照蠶絲缺陷扣分標準進行質量評分,并輸出與生絲評分對應的蠶絲質量等級。
     
    3、      主要技術內容
     
    3.1 生絲表面微小缺陷成像系統的研發
     
    采用軟硬件相結合的模式解決生絲表面多種缺陷成像問題,硬件上采用多個相機、多個工位的設計模式,以滿足不同缺陷的成像要求;軟件上利用基于 SURF 的特征點圖像拼接算法、自適應衰減濾波去偽影算法,突出顯示圖像中的缺陷。利用 ZEMAX 進行光學設計仿真和優化,確定系統各光學元件參數,搭建光學平臺。
     
    3.2 高效率、高精度、弱對比生絲表面缺陷檢測模型的構建
     
    針對在圖像采集過程中產生的高斯噪聲,采用小波分析方法,將圖像進行歸一化處理后,統一降噪處理。針對缺陷識別的問題,采用深度殘差神經網絡結構,構建基于多尺度特征重建和上下文特征融合的多任務網絡模型,采用錨框自適應等小目標檢測技術,提升細小目標缺陷的檢測精度;利用圖像增強技術,提高弱對比缺陷的區分度;采用網絡剪枝技術,構建輕量級神經網絡,提升缺陷檢測和識別效率。均勻度檢測理論思路:
     
    1)生絲表面成像圖為灰度圖像,由于局部的分布不均或者其他問題,會導致局部區域的灰度分布變化較大,通過計算圖像的灰度直方圖,計算像素值在一定區域內的均值、方差,以此判定生絲均勻程度。
     
    2)利用深度學習方法,將評級當作分類類別,將圖像按照區塊劃分,對當前區塊,采用卷積神經網絡方法,進行圖像分類打分。
     
    3.3  基于深度學習的生絲缺陷圖像數據擴充方法的開發
     
    針對樣本采集初期生絲表面缺陷數據較少的問題,采用生成對抗網絡,解決因樣本量過少而導致的缺陷識別模型效果差的問題。初期將少量的樣本在生成對抗網絡上進行訓練,得到大量類似的缺陷樣本數據。同時,利用遷移學習方法,將神經網絡預先在與生絲表面較為相似的產品上進行訓練,再將得到的神經網絡在生絲數據上訓練,得到的效果會比單獨在生絲上的訓練效果好?;谙冗M的基準檢測算法,實現異常圖像及區域的自動化檢測,實現海量生絲圖像的自動化標注入庫管理。
     
    3.4  基于雙目視覺的生絲黑板檢測智能評分系統的開發
     
    針對生絲缺陷在圖像上的定位問題,采用深度神經網絡進行圖像缺陷檢測,標示出生絲缺陷存在的位置。采用多臺相機模擬多個角度的人眼觀看立體物體方式,多次矯正測量數據,提高生絲缺陷數據測量準確性和評分準確性。針對生絲產品,建立產品外觀缺陷識別、分類及評分標準。由于單目視覺測量物體尺寸,存在角度造成的視差,不滿足于生絲尺寸檢測這類精度要求較高的場合,因此,采用雙目視覺標定,測量待測兩點的三維立體坐標,利用三維立體坐標,進行尺寸測算,提高測量精度。
     
    4、 結 論
     
    本項目的研發可以解決黑板檢測過度依賴于人的問題,可以及時矯正人為誤差,最大限度降低人的經驗對結果的影響,可以將暗室檢變為屏幕檢,營造更好的適宜于人的檢驗環境,減輕人的勞動強度,提高檢驗效率??梢詫崿F檢驗過程信息化、可視化,可以對數據信息進行挖掘分析,對質量變化進行研判,提高檢驗數據的利用率。
     

    分享到:

    來源:《中國纖檢》

    天天躁日日躁狠狠躁欧美老妇AP_日本四级视频网站_国产精品女人视频免费_日本中文字幕乱码在线高清
    <button id="rrd2y"><acronym id="rrd2y"></acronym></button>

  • <strong id="rrd2y"><track id="rrd2y"></track></strong>