【摘要】：目前國內照度計檢定多數(shù)依靠人工手動進行操作,一般需要兩名檢定員配合完成檢定過程,整個檢定過程不僅需要花費比較多的時間,而且,由于在檢定過程中人工手動操作部分比較多,各個環(huán)節(jié)都可能被人為有意或無意地更改檢定數(shù)據(jù),因此很容易引入粗大誤差的影響,影響測量結果的準確度。而較為新型的檢定儀器主要依賴從國外引進,其各檢定系統(tǒng)相對獨立,自動化程度不高,從而具有檢定效率和檢定精度較低、檢定成本較高、自動化程度低等缺點。未來照度計檢定系統(tǒng)定要往自動化、智能化、高精度化、可信化方向發(fā)展。為此,本文以“照度計全自動智能檢定系統(tǒng)的研制”為題,研究基于SSD(Single Shot MultiBox Detector)的暗室低對比度照度計數(shù)值視覺獲取技術、照度計光敏感元件的對準技術和照度計檢定裝置全自動控制與信息處理技術等,促進照度計檢定的應用發(fā)展,提升照度計檢定的精度與效率,具有重要學術價值與實際意義。項目研究工作得到廣東省質量技術監(jiān)督局科技項目(2018CJ12)資助。論文研制照度計全自動智能檢定系統(tǒng),從照度計智能檢定裝置、數(shù)字化儀器數(shù)值的視覺獲取方法、被檢儀器對準技術三方面,綜述國內外研究進展,確定研究內容。論文主要工作包括:⑴分析照度計全自動智能檢定系統(tǒng)實際需求,設計照度計智能檢定系統(tǒng)檢定框架與流程,并研究暗室低對比度照度計數(shù)值的視覺獲取、照度計光敏感元件的對準、照度計檢定裝置全自動控制與信息處理等技術實現(xiàn)方法,做到全面提升照度計檢定系統(tǒng)自動化智能檢定水平。⑵根據(jù)照度計檢定所處實際環(huán)境和各待檢位置分布,分析基于SSD的暗室低對比度照度計數(shù)值視覺獲取機理,根據(jù)檢定需求改進SSD目標檢測過程,研究工業(yè)相機曝光時間和對捕獲圖像預處理對于圖像及后續(xù)識別影響并設計照度計示值識別對比實驗。⑶深入分析照度計光敏感元件的人工對準機理,提出自動化提升方案,研究Mask R-CNN深度神經(jīng)網(wǎng)絡在光敏感元件位置姿態(tài)識別及對準中的應用實現(xiàn),并建立像素點數(shù)與實際距離之間的函數(shù)關系,通過步進電機實現(xiàn)光敏感元件高精度對準。⑷設計照度計檢定裝置全自動控制軟件功能與信息處理流程,完成照度計全自動智能檢定系統(tǒng)設計,最終將信息錄入報表,生成完整的測試報告。
【學位授予單位】：華南理工大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：TP391.41;TH765.21
【圖文】：

第三章 基于 SSD 的暗室低對比度照度計數(shù)值視覺獲取技術研究使用已標定圖像數(shù)據(jù)集輸入 SSD 訓練網(wǎng)絡，經(jīng)過多層卷積、池化、ROI 計算、識別分類等操作后，得到目標框、目標框區(qū)域、框內所屬類別、置信度等目標檢測結果，通過相關公式計算損失函數(shù)并用梯度下降算法更新網(wǎng)絡參數(shù)[41]。當損失函數(shù)值趨于一個定值時說明網(wǎng)絡訓練收斂，保存此時網(wǎng)絡參數(shù)用于后續(xù)照度計示值識別。圖 3-4 為本文 SSD 深度神經(jīng)網(wǎng)絡訓練所使用數(shù)據(jù)集圖像中部分示例，該數(shù)據(jù)集由網(wǎng)絡上有關數(shù)碼管顯示的各種儀器、裝置、電子產品及純字符等共計 839 張圖像構成，包含溫濕度計、純數(shù)碼管字符、數(shù)字直流穩(wěn)壓源、照度計、電子時鐘、萬用表、噪聲測試儀等圖像，這些圖像中數(shù)碼管示數(shù)顏色、角度、大小、位置各異，十分具有代表性，有助于提升 SSD 深度神經(jīng)網(wǎng)絡對不同類型數(shù)碼管示數(shù)圖像檢出率和識別準確率[42]。

第三章 基于 SSD 的暗室低對比度照度計數(shù)值視覺獲取技術研究使用已標定圖像數(shù)據(jù)集輸入 SSD 訓練網(wǎng)絡，經(jīng)過多層卷積、池化、ROI 計算、識別分類等操作后，得到目標框、目標框區(qū)域、框內所屬類別、置信度等目標檢測結果，通過相關公式計算損失函數(shù)并用梯度下降算法更新網(wǎng)絡參數(shù)[41]。當損失函數(shù)值趨于一個定值時說明網(wǎng)絡訓練收斂，保存此時網(wǎng)絡參數(shù)用于后續(xù)照度計示值識別。圖 3-4 為本文 SSD 深度神經(jīng)網(wǎng)絡訓練所使用數(shù)據(jù)集圖像中部分示例，該數(shù)據(jù)集由網(wǎng)絡上有關數(shù)碼管顯示的各種儀器、裝置、電子產品及純字符等共計 839 張圖像構成，包含溫濕度計、純數(shù)碼管字符、數(shù)字直流穩(wěn)壓源、照度計、電子時鐘、萬用表、噪聲測試儀等圖像，這些圖像中數(shù)碼管示數(shù)顏色、角度、大小、位置各異，十分具有代表性，有助于提升 SSD 深度神經(jīng)網(wǎng)絡對不同類型數(shù)碼管示數(shù)圖像檢出率和識別準確率[42]。

【參考文獻】

相關期刊論文 前9條

1 蔡麗枝;;光照度計自動檢定系統(tǒng)的研制[J];機電技術;2015年02期

2 鄭胤;陳權崎;章毓晉;;深度學習及其在目標和行為識別中的新進展[J];中國圖象圖形學報;2014年02期

3 張長水;;機器學習面臨的挑戰(zhàn)[J];中國科學:信息科學;2013年12期

4 耿慶田;趙宏偉;;基于分形維數(shù)和隱馬爾科夫特征的車牌識別[J];光學精密工程;2013年12期

5 王洋;曾雪琴;范劍英;;汽車牌照字符識別系統(tǒng)設計[J];哈爾濱理工大學學報;2012年01期

6 李曉進;鄒鋒;;光照度計全自動檢定系統(tǒng)[J];儀器儀表用戶;2009年03期

7 徐曉蘇;孫學慧;扶文樹;;彈載捷聯(lián)慣導系統(tǒng)快速兩位置自對準[J];中國慣性技術學報;2007年02期

8 王世文,張穎,張學東,謝元旦;利用神經(jīng)網(wǎng)絡識別車輛牌照字符[J];鞍山鋼鐵學院學報;2001年01期

9 姜珊;基于漢字原型的手寫漢字識別[J];計算機研究與發(fā)展;1996年08期

本文編號：2724629