申请/专利权人:南京理工大学
申请日:2024-03-11
公开(公告)日:2024-04-12
公开(公告)号:CN117876371A
主分类号:G06T7/00
分类号:G06T7/00;G06V10/25;G06V10/764;G06V10/774;G06V10/80;G06V10/82;G06N3/045;G06N3/0464;G06N3/08
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.30#实质审查的生效;2024.04.12#公开
摘要:本发明提供了一种基于改进卷积神经网络的液压泵零件齐套检测方法,首先基于基础目标检测算法,进行数据增强模块的改进及注意力机制模块的融入,加入检测结果处理模块后,建立基于改进卷积神经网络的液压泵零件齐套检测模型;接着构建多样本的液压泵零件图像数据集,利用该数据集进行液压泵零件齐套检测模型的训练,以多次调整模型参数及数据集后得到的参数数据文件,进行模型验证,得到针对配套作业过程中液压泵零件齐套检测的高性能模型;最后搭建零件齐套检测硬件系统,将模型部署于配套工位中,实现模型的实际零件齐套测试。本发明建立了针对人为因素的防错机制,保证液压泵零件的种类、数量及位置正确,提高生产效率的同时保证产品质量。
主权项:1.基于改进卷积神经网络的液压泵零件齐套检测方法,其特征在于,包括如下步骤:步骤S1.建立液压泵零件齐套检测模型:基于基础目标检测算法网络模型,建立一种改进的卷积神经网络液压泵零件齐套检测模型;步骤S2.构建液压泵零件图像数据集:通过在配套作业实地拍摄多个液压泵零件图像,对采集的液压泵零件图像进行处理,制作液压泵零件图像数据集;步骤S3.验证液压泵零件齐套检测模型:使用液压泵零件图像数据集进行零件零件齐套检测模型的训练及测试,验证液压泵零件齐套检测模型的检测精度及速度;步骤S4.测试液压泵零件齐套检测模型:搭建零件齐套检测硬件系统,将液压泵零件齐套检测模型部署于云端服务器中,通过工控机与服务器进行数据传输,实现后端零件齐套检测及前端结果显示,完成零件齐套检测方法的测试。
全文数据:
权利要求:
百度查询: 南京理工大学 基于改进卷积神经网络的液压泵零件齐套检测方法
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。