針對(duì)化纖絲餅毛羽人工檢測(cè)效率低、漏檢率高且存在二次污染的問題,提出應(yīng)用激光三角測(cè)量法和改進(jìn)的SSD模型檢測(cè)絲餅毛羽。首先搭建絲餅毛羽圖像采集裝置,通過激光三角測(cè)量法直接獲取毛羽表面信息。然后構(gòu)建改進(jìn)的SSD絲餅毛羽檢測(cè)模型,在前端網(wǎng)絡(luò)中采用Mobilenet作為新的特征提取器,后端網(wǎng)絡(luò)中采用特征融合的方式設(shè)計(jì)多級(jí)特征金字塔。最后對(duì)訓(xùn)練的絲餅毛羽檢測(cè)模型進(jìn)行驗(yàn)證。結(jié)果表明:模型對(duì)絲餅毛羽檢測(cè)的平均精確率均值為97.7%,檢測(cè)速度達(dá)到40幀·s^-1。該方法實(shí)現(xiàn)了絲餅毛羽的自動(dòng)化檢測(cè),檢測(cè)精度高、速度快,具有重要的工業(yè)應(yīng)用價(jià)值。

【文章頁數(shù)】：7 頁

【部分圖文】：

圖3圖像采集裝置

卷繞成形后的化纖絲餅內(nèi)部無法檢測(cè),當(dāng)前檢測(cè)的絲餅毛羽僅為絲餅外層表面存在的毛羽,包括上、下端面和柱面,屬于大面積毛羽抽樣檢測(cè)。為直接得到絲餅表面清晰的毛羽圖像,搭建上述激光三角測(cè)量法設(shè)計(jì)的絲餅毛羽圖像采集裝置,如圖3所示。該裝置由計(jì)算機(jī)、旋轉(zhuǎn)控制臺(tái)、激光光源、工業(yè)面陣相機(jī)、光電開....

圖4絲餅毛羽圖像

從圖4中可以看出,應(yīng)用激光三角測(cè)量法采集的絲餅毛羽與自身背景分離且邊緣清晰,不需要進(jìn)行圖像預(yù)處理過程,簡(jiǎn)化檢測(cè)流程。同時(shí)毛羽圖像為二值圖,可以減少絲餅毛羽檢測(cè)模型訓(xùn)練的參數(shù)量,提高檢測(cè)效率。2改進(jìn)的SSD絲餅毛羽檢測(cè)

圖5SSD框架

SSD是一種基于回歸思想的單次階段深度學(xué)習(xí)目標(biāo)檢測(cè)模型,其基本框架如圖5所示,主要由前、后兩端網(wǎng)絡(luò)組成[18]:前端網(wǎng)絡(luò)是以截?cái)嗟腣GG16網(wǎng)絡(luò)作為基礎(chǔ)的特征提取器,首先去除深度卷積神經(jīng)網(wǎng)絡(luò)的分類層,然后用卷積層替換FC6、FC7全連接層,用于目標(biāo)特征初步提取。后端網(wǎng)絡(luò)是以級(jí)聯(lián)網(wǎng)....

圖6基礎(chǔ)CNN卷積

式中:K為當(dāng)前層卷積核的個(gè)數(shù);D為數(shù)據(jù)通道數(shù);F為卷積核大小;N為輸入數(shù)據(jù)的寬和高。深度可分卷積由深度卷積(depthwiseconvolution,DC)和逐點(diǎn)卷積(pointwiseconvolution,PC)組成,利用DSC算法改進(jìn)卷積核運(yùn)算,深度可分卷積計(jì)算如圖7所....

本文編號(hào)：3931027