一种基于视觉系统智能高效匣钵检测装置
专利汇可以提供一种基于视觉系统智能高效匣钵检测装置专利检索，专利查询，专利分析的服务。并且本 发明 涉及一种基于视觉系统智能高效匣钵检测视觉系统，包括 支撑 架其内安装有新 风 系统和用于匣钵图像检测的视觉系统，视觉系统包括工业相机和 图像处理 单元，其中图像处理单元用于处理工业相机获取的图像，所述工业相机安装于支撑架内的顶面和侧面；还有用于匣钵检测时对齐的对齐组件为第一 气缸 ，位于顶部的工业相机的正下方；用于匣钵检测时进行升降的举升 气缸组 件和用于拦截窑炉回转线上匣钵的拦截组件其包括外部拦截气缸和内部拦截气缸，外部拦截气缸用于拦截未进入检测装置的待检测的匣钵，内部拦截气缸用于拦截检测装置内的待检测匣钵。本发明可以实现24小时的智能检测，自动识别，检测 精度 高，产品合格率高，生产率高。，下面是一种基于视觉系统智能高效匣钵检测装置专利的具体信息内容。
1.一种基于视觉系统智能高效匣钵检测装置，其特征在于，包括：支撑架（1）、用于匣钵图像检测的视觉系统（2）、用于匣钵检测时对齐的对齐组件（3）、用于匣钵检测时进行升降的举升气缸组件（4）、用于拦截窑炉回转线上匣钵的拦截组件；
所述支撑架（1）安装有用于净化检测装置内部的空气的新风系统，所述支撑架（1）的顶部设置有新风通道（11）；
所述视觉系统（2）包括工业相机组件和图像处理单元，所述图像处理单元用于处理所述工业相机组件获取的图像，所述工业相机组件包括第一工业相机（211）和第二工业相机（212），所述第一工业相机（211）安装于所述支撑架（1）内的顶面，所述第二工业相机（212）为4个且均安装在所述支撑架的内侧面；
所述对齐组件（3）为第一气缸，所述第一气缸设置在第一工业相机（211）的正下方；
所述举升气缸组件（4）包括举升气缸，所述举升气缸的活塞杆上设置有用于放置匣钵的托盘（41）；
所述拦截组件包括外部拦截气缸（51）和内部拦截气缸（52），所述外部拦截气缸（51）安装在所述支撑架（1）外部，所述内部拦截气缸（52）安装在所述支撑架（1）内部。
2.根据权利要求1所述的一种基于视觉系统智能高效匣钵检测装置，其特征在于，所述视觉系统（2）还设置有与所述工业相机组件相匹配的光源，所述工业相机组件通过相机支架与所述支撑架（1）连接，所述相机支架的安装板上连接有用于工业相机组件的降温的制冷组件。
3.根据权利要求2所述的一种基于视觉系统智能高效匣钵检测装置，其特征在于，所述安装板上设置有U型孔，所述制冷组件为水冷管，所述水冷管设在U型孔上。
4.根据权利要求1所述的一种基于视觉系统智能高效匣钵检测装置，其特征在于，还包括用于对所述工业相机组件镜头吹气除尘的除尘组件、用于匣钵检测时遮光的遮板（7）；
所述除尘组件为吹气管，所述吹气管的出气端设置在工业相机组件镜头的外周，所述吹气管的进气端与气源连接；
所述遮板为4个，所述遮板上设置有与光源和工业相机组件相对的第二通孔。
5.根据权利要求1所述的一种基于视觉系统智能高效匣钵检测装置，其特征在于，所述图像处理单元收到工业相机组件的图像后进行预处理，并输入到卷积神经网络模型GoogleNet中完成匣钵缺陷检测，并将结果反馈给控制中心。
6.根据权利要求5所述的一种基于视觉系统智能高效匣钵检测装置，其特征在于，所述图像处理单元对采集的匣钵图像进行预处理的具体过程如下：
步骤1：图像处理单元获取匣钵图像，对采集的匣钵图像进行裁剪，以提取有效区域，所述有效区域为匣钵测试图像中非边界区域；
步骤2：对步骤1处理后的匣钵图像进行亮度和对比度的调整；
步骤3：对步骤2处理后的匣钵图像进行缺陷标记，对有缺陷图像以缺陷为中心对有效区域内进行分割，分割后图像的像素为512*512。
7.根据权利要求6所述的一种基于视觉系统智能高效匣钵检测装置，其特征在于，所述步骤2采用公式g(c, v)=a* f(c, v)+b对匣钵图像的亮度和对比度进行调整，其中c, v表示像素点的坐标位置，f(c, v)表示调整前的图像像素，g(c, v)表示调整后的图像像素，a为用于控制图像对比度的增益，b为用于控制图像亮度的偏置，a, b在每次调整中随机取值。
8.根据权利要求5所述的一种基于视觉系统智能高效匣钵检测装置，其特征在于，所述卷积神经网络模型GoogleNet的初始学习率为0.001，所述卷积神经网络模型GoogleNet的迭代次数间隔为2000；
所述卷积神经网络模型GoogleNet的训练采用9个Inception模块，所述Inception模块包括多个卷积层和最大池化层；
所述卷积神经网络模型GoogleNet使用的池化方式为：均值池化和最大池化；
所述卷积神经网络模型GoogleNet采用Relu激活函数加速网络训练，所述Relu激活函数为Relu(x)＝max(0, q) ，其中q为单个神经元的加权求和值；
所述卷积神经网络GoogleNet采用SGD算法对卷积神经网络训练进行最优化求解。
一种基于视觉系统智能高效匣钵检测装置
技术领域
背景技术
发明内容
所述支撑架安装有用于净化检测装置内部的空气的新风系统，所述支撑架的顶部设置
有新风通道；
所述视觉系统包括工业相机组件和图像处理单元，所述图像处理单元用于处理所述工
业相机组件获取的图像，所述工业相机组件包括第一工业相机和第二工业相机，所述第一工业相机安装于所述支撑架内的顶面，所述第二工业相机为4个且均安装在所述支撑架的内侧面；
所述对齐组件为第一气缸，所述第一气缸设置在第一工业相机的正下方；
所述举升气缸组件包括举升气缸，所述举升气缸的活塞杆上设置有用于放置匣钵的托
盘；
所述拦截组件包括外部拦截气缸和内部拦截气缸，所述外部拦截气缸安装在所述支撑
架外部，所述内部拦截气缸安装在所述支撑架内部。
吹气管的进气端与气源连接；
所述遮板为多个，所述遮板上设置有与光源和工业相机组件相对的第二通孔。
步骤2：对步骤1处理后的匣钵图像进行亮度和对比度的调整；
步骤3：对步骤2处理后的匣钵图像进行缺陷标记，对有缺陷图像以缺陷为中心对有效
区域内进行分割，分割后图像的像素为512*512。
包括多个卷积层和最大池化层；
所述卷积神经网络模型GoogleNet使用的池化方式为：均值池化和最大池化；
所述卷积神经网络模型GoogleNet采用Relu激活函数加速网络训练，所述Relu激活函
数为Relu(x)＝max(0, q)，其中q为单个神经元的加权求和值；
所述卷积神经网络GoogleNet采用SGD算法对卷积神经网络训练进行最优化求解。
图2为一种基于视觉系统智能高效匣钵检测装置的结构示意图；
图3为一种基于视觉系统智能高效匣钵检测装置在窑炉回转线的剖面图；
图4为一种基于视觉系统智能高效匣钵检测装置在窑炉回转线的安装示意图。
具体实施例
步骤2：对步骤1处理后的匣钵图像进行亮度和对比度的调整；对亮度和对比度进行调
整的具体过程为：图像处理单元采用公式g(c, v)=a*f(c, v)+b对匣钵图像的亮度和对比度进行调整：，其中c, v为像素点的位置坐标， f(c, v)表示调整前的图像像素， g(c, v)表示调整后的图像像素，a为用于控制图像对比度的增益，b为用于控制图像亮度的偏置，a, b在每次调整中随机取值；
步骤3：对步骤2处理后的匣钵图像进行缺陷标记，对有缺陷图像以缺陷为中心对有效
区域内进行分割，分割后图像的像素为512*512。
该函数能够自适应地学习整流器的参数，在不额外增加成本的同时提高精确度，并且能够使梯度在进行反向传播的同时很好地传递到前面的网络层，防止梯度弥散的问题，同时加速网络训练。
GoogleNet采用SGD算法对卷积神经网络训练进行最优化求解，我们使用随机梯度下降算法(SGD)对W进行更新，更新方式见公式(7)；
其中 为学习率，它是决定学习步长的非常重要的参数。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 一种基于视觉系统智能高效匣钵检测装置 | 2020-05-11 | 926 |
| 用于板式家具生产线上的层叠板材大视野定位方法 | 2020-05-12 | 810 |
| 基于MPSoC的运动目标实时检测跟踪系统及方法 | 2020-05-08 | 830 |
| 一种基于街景图的城市环境评估方法 | 2020-05-08 | 782 |
| 基于改进的DPIV垂直井油水两相流流速场测量方法 | 2020-05-11 | 766 |
| 消防现场使用的红外与可见光图像智能融合装置与方法 | 2020-05-08 | 170 |
| 使用具有可变对比度的星形堆叠采集进行的MR成像 | 2020-05-12 | 504 |
| 图像、视频去雾方法以及相关装置 | 2020-05-11 | 917 |
| 一种多尺度融合图像特征信息的水下图像增强方法 | 2020-05-11 | 838 |
| 一种增强凸文图像对比度的处理方法 | 2020-05-13 | 766 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
