申请/专利权人：湖南派驰机械有限公司

申请日：2023-11-03

公开（公告）日：2024-04-09

公开（公告）号：CN117474873B

主分类号：G06T7/00

分类号：G06T7/00;G06T5/70;G06N3/0464;G06N3/045;G06N3/0475;G06N3/0895;G06V10/764;G06V10/74;G06T17/00;G01N21/88

优先权：

专利状态码：有效-授权

法律状态：2024.04.09#授权;2024.02.20#实质审查的生效;2024.01.30#公开

摘要：本发明属于缺陷检测技术领域，尤其是一种高铬耐磨铸件钎焊前表面处理系统，针对现有的仅仅通过三维模型判断并不能了解到缺陷的真实情况，也无法进一步分析出压铸件是否还能够在下一个工序中进行使用的问题，现提出如下方案，其包括表面缺陷检测，所述表面缺陷检测的检测方法具体步骤如下：步骤一：在待测铸件全空间均匀安置六个图像采集摄像头，保证铸件各个角度的图像均被采集到；步骤二：分别对采集到的图像做高斯滤波运算，对图像进行平滑，本申请能够精确识别铸件各个角度下的缺陷并能够计算出缺陷实际面积，判断其是否在误差范围内，该方法计算速度快，准确率高，能够有效获取铸件加工情况，指导后续工序。

主权项：1.一种高铬耐磨铸件钎焊前表面处理系统，包括表面缺陷检测，所述表面缺陷检测的检测方法具体步骤如下：步骤一：在待测铸件全空间均匀安置六个图像采集摄像头，保证铸件各个角度的图像均被采集到；步骤二：分别对采集到的图像做高斯滤波运算，对图像进行平滑，其中，高斯滤波函数在二维空间的分布方程为：，其中是正态分布的标准差，值取1.08；步骤三：将上述平滑后的图像输入FasterR-CNN网络，开始对图像缺陷进行检测；步骤四：基于FasterR-CNN的网络结构中的区域生成网络RPN从上述步骤中生成的featuremap中提取候选框；在步骤四中，RPN具体步骤如下：生成锚框anchorboxes把featuremap每个点映射回原图，将中心点当成一个锚点，然后围绕这个锚点选取k个不同的尺寸和比例的锚框，包括3个尺度和3个纵横比，1个锚点对应9个锚框，则一个m×n的featuremap就会生产m×n×9个锚框；判断每个锚框是否包含缺陷，提取出包含缺陷的锚框，采用CNN进行分类；利用边界框回归boundingboxregression对锚框进行微调，生成一个与真实框最为接近的新锚框，定义x，y为坐标值，w，h为图像尺度大小，为真实值，为预测值，为原始锚框，回归过程如下： d*（P）表示四个坐标尺度下的线性函数，表示对原始锚框的尺度变换和平移变换，其中*=x，y，w，h；采用非极大值抑制方法，对存在锚框重叠的部分进行权值计算，剔除权值较小的锚框；最终，得到RPN网络给出的推荐存在缺陷特征区域proposals；步骤五：将步骤三得到的featuremap和步骤四得到的推荐区域信息同时输入池化层ROIPooling，得到推荐区域的特征图proposalfeaturemaps；步骤六：将步骤五得到的数据输入全连接层softmax，利用全连接函数对图像特征进行分类，判断缺陷类型；步骤七：铸件图像缺陷面积计算；步骤八：建立图像尺度与实际铸件大小的变换函数，将计算获得得图像缺陷面积反变换回物理空间，计算实际缺陷面积，判断其是否在误差范围内，步骤九，旋转相机角度，分别旋转30°、60°、90°、120°、150°，并分别再次从6个方向采集铸件图像，即一个铸件共会产生6×5个图像，即6个方位5个角度，所述步骤九中还包括如下子步骤，步骤十：对于具有相似特征的缺陷类型，首先根据实际工况统计出哪些缺陷类型特征相似，接着针对这些特征增加一个分类网络，强化分类网络对这类缺陷的识别能力，对于相互影响和或耦合在一起的缺陷，采用基于弱监督法获取多缺陷分割效果，划分出多种缺陷耦合情况下的各个缺陷子区域，再对子区域单独做特征提取，识别其缺陷类型，减小缺陷间的相互影响；步骤十一：针对每次旋转角度后获取的新图片，均与旋转前的图片做相似度计算，相似度高的图片不再进入深度学习网络，仅对相似度较低的图片进行进一步地计算；步骤十二：采用并行架构对FasterR-CNN的实现端进行运算速度优化，提高检测系统的实时性；步骤十三：对已采集的有效图片的特征及其对应物理空间的相机角度进行非线性拟合，求取非线性拟合函数的零极点，并反变换至物理空间，得到相机的最优角度；步骤十四：对检测结果进行融合，以最佳相机角度为中心，其对应缺陷特征值权重最大，角度离最佳角度越远，权重比例越小，权重比例的下降速度参考高斯函数，其中是正态分布的标准差，值取1，为当前角度与最佳角度的差值。

全文数据：

权利要求：

百度查询： 湖南派驰机械有限公司 一种高铬耐磨铸件钎焊前表面处理系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD