【摘 要】
:
在工业产品的生产过程中,通常会无法避免地产生一些表面缺陷,因此需要检测出产品的表面缺陷以便及时发现问题并且对产品质量加以控制。与人工检测方式相比,基于计算机视觉的工业表面缺陷检测方法,具有成本低、安全性好、效率高、灵活性好等诸多优势,已成为自动化缺陷检测系统的重点研究方向之一。针对工业生产中产品的表面缺陷检测问题,本文设计了一种基于计算机视觉的深度学习平台,在表面纹理较规律的缺陷检测任务中取得了很
论文部分内容阅读
在工业产品的生产过程中,通常会无法避免地产生一些表面缺陷,因此需要检测出产品的表面缺陷以便及时发现问题并且对产品质量加以控制。与人工检测方式相比,基于计算机视觉的工业表面缺陷检测方法,具有成本低、安全性好、效率高、灵活性好等诸多优势,已成为自动化缺陷检测系统的重点研究方向之一。针对工业生产中产品的表面缺陷检测问题,本文设计了一种基于计算机视觉的深度学习平台,在表面纹理较规律的缺陷检测任务中取得了很好的效果,并且可以封装了算法接口,可使用平台进行视觉系统的二次开发。本文分析了缺陷检测任务的特点,根据系统的设计需求设计了深度学习平台的整体结构并进行了功能模块划分,给出了平台设计和实现的详细方案,本文的主要工作如下:(1)对于工业表面缺陷检测任务,研究了一种结合深度学习和随机森林的语义分割算法。本方法首先使用了VGG Net来对图像特征进行提取,然后使用随机森林算法对图像做语义分割最终得到分割结果。实验结果表明,在多种类型的缺陷检测任务上,本文设计的分割算法从训练速度、检测速度、准确率和召回率等方面都取得了很好的指标和检测效果。(2)一个面向工业表面缺陷检测的深度学习平台的设计实现。将本软件按功能分为四个模块。分别为数据集标注、模型训练、缺陷检测和数据库管理模块。以Visual Studio 2017为软件开发平台,结合caffe、Open CV和Qt等框架,使用动态链接库方案作为软件各个模块的集成方式,完成了平台的设计与开发,并且算法接口封装的动态链接库,可以用于视觉系统的二次开发。(3)对平台的功能进行了测试,对缺陷检测算法部分也进行了验证,证明了该平台能够达到工业产品表面缺陷检测的要求,且能够正确稳定的运行。
其他文献
随着工业机器人的更新换代,焊接方式已经由人工焊接转变成自动焊接,在车辆制造业和造船业等领域应用十分广泛。事实上,每一套焊接系统都是针对某一特定的焊接过程而设计。本文根据某企业C64K型敞车返修焊接过程中出现的车体尺寸大,焊接范围广等一系列问题设计了一套数控智能龙门割焊系统。同时,采用直线插补原理进行示教再现,从而实现焊缝跟踪。此外,针对焊接过程中的部分焊缝间隙较大、高低错边而导致的熄弧现象,设计了
仿生技术、显示技术和物联网产业等的快速发展,推动了人们对高性能、先进电子皮肤传感器的需求。电容型压力传感器由于具有响应速度快、稳定性好、非接触式感应等类皮肤行为,成为国内外研究的热点。但是传统的平面结构的介电层具有很大的粘弹性,迟滞严重,影响了器件性能。为了解决这一问题,研究人员对器件的设计策略进行了大量的探索。目前提高电容型压力传感器性能的策略类型主要分为三种:一是选择模量较低、介电性能好的材料
目前,外骨骼机器人已经在成人康复领域有了一定规模的应用,但在脑瘫等儿童康复领域还未形成大范围的应用规模,市面上亦缺乏成熟的儿童外骨骼机器人,有关外骨骼机器人对儿童运动能力的研究也很初步,缺少外骨骼机器人对儿童步态的影响及运动功能评估研究。因此,本论文针对该问题,对AIDER儿童外骨骼机器人步行状态下的运动功能及步态影响进行了研究,以验证儿童外骨骼机器人对于儿童地面步态训练是否是可行的,步态生物力学
近些年随着深度学习的快速发展,基于深度学习的算法被广泛运用于二维目标检测和姿态估计中。在实际应用场景下,比如机械臂抓取、自动驾驶以及AR领域中,目标物体往往处在复杂的环境中,容易受到遮挡。针对遮挡场景下的物体6D姿态估计研究具有十分广阔的空间和重要的研究价值。因此本文开展基于深度学习的被遮物体姿态估计的研究,主要包括三部分:受遮挡情况下物体姿态估计问题研究,工业场景下物体自遮挡姿态估计问题研究,多
近年来,图神经网络在社交网络、推荐系统、分子化学和知识图谱等领域取得了显著的成果。一方面,它解决了深度学习方法难以处理非欧式空间数据的问题,另一方面,它提供了一种对非规则数据提取特征的方法。图结构数据是生活中广泛存在的一种数据结构,与欧氏空间的数据不同,图结构可以更好的反映节点之间的联系。随着图神经网络的迅速发展,许多针对图结构数据的研究也如雨后春笋般涌现,这些研究主要包括节点表示、链接预测和图学
扭摆滑动定向作业过程中,最常见的问题是“托压”,来自于固定的钻具与井壁之间的摩擦力。这一问题可通过扭矩摇摆技术解决,即向钻具施加正、反向扭矩,化静摩擦力为动摩擦力,以减少钻具与井壁间的作用力。目前由于缺乏相关理论支撑,在滑动定向作业过程中为使工具面转动至目标值,仍需通过扭摆系统人工对正、反向扭矩值进行调整,该方式依赖于工程师个人经验,各井的控制效果因人而异,参差不齐,作业效率较低。针对以上情况,依
路径规划一直是热门的话题和研究方向,如何及时捕获和提前预测车辆行驶时间的动态变化是解决路径规划的难点及重点,本文提出的算法能够在保证计算速度的同时,提高路径规划的准确度。本文从以下几个方向研究路径规划问题:如何最小化路径行驶时间的均值和标准偏差的(加权)线性组合来解决可靠最短路。在合理假设基础交通网络的行驶时间遵循多元高斯分布的情况下,提出了一种高斯过程路径规划(GP3)算法来计算先验最优路径作为
三维点云语义分割是将点云中的每个点按照各自的类别进行语义的划分,对同一类别的点进行相同的标注。随着三维数据获取的难度变小,基于三维数据的技术开始逐渐发展,也已经开始应用在自动驾驶、智能机器人、遥感和医疗等领域中。点云语义分割算法是三维点云处理的重要方向之一,传统的点云分割方法精度不高,因此,本论文主要研究的内容为基于深度学习的三维点云语义分割,使用的基础网络为PointNet++,并对其从局部空间
回复式神经网络(Recurrent Neural Networks,RNNs)是深度学习领域中的一种基础的人工神经网络,其作为处理序列数据的记忆模型被广泛应用。如何处理好梯度消失与梯度爆炸问题一直是训练RNN的关键和难点。长久以来,人们提出了多种方法来解决RNN训练时的梯度问题,不断设计新的RNN变体用以处理更长的序列。尽管许多经典的模型已经被提出,如何使RNN模型在快速应对序列中短期变化的同时捕
计算机视觉发展过程中,人体姿态估计任务一直备受关注。在工业界和学术界,姿态估计任务也是极具挑战性的任务之一,目标是使机器尽可能的检测出人体样本中关键节点,比如鼻子、左右肩、脚踝、手腕。随着深度神经网络的引入和应用,人体姿态估计任务往往是预测人类行为规律的基础研究任务,为行人检测、样本重识别、特殊行为检测、人机交互等任务提供了基础预测能力。当前主流的人体姿态估计网络框架分为两种应用型网络,即人体结构