首页 / 专利库 / 分销网络和设备 / 发电厂 / 风力发电场 / 风力发电机组 / 转子 / 一种基于图像分割配准和残差网络的转子绕线检测方法

一种基于图像分割配准和残差网络的转子绕线检测方法

阅读:597发布:2024-02-23

专利汇可以提供一种基于图像分割配准和残差网络的转子绕线检测方法专利检索,专利查询,专利分析的服务。并且本 发明 提供一种基于 图像分割 配准和残差网络的 转子 绕线检测方法,针对转子绕线缠绕形态合格性判断,通过对待测部位形态学分析,结合控制系统与 传动系统 精确配准,对旋转件转子绕线图像进行挂钩模板 定位 分割,得到受偏转 角 影响较小的转子绕线部分,利用 深度学习 检测 算法 实现在一个旋转周期内对整个转子合格性的完整检测。本发明解决了转子旋转件检测时偏转角的干扰影响,结合设计的残差网络深度学习检测算法,提高了检测的 精度 ,满足工业生产中的检测需求。,下面是一种基于图像分割配准和残差网络的转子绕线检测方法专利的具体信息内容。

1.一种基于图像分割配准和残差网络的转子绕线检测方法,其特征在于,包括以下步骤:
(1)构建图像采集系统,采集转子绕线图像;
(2)对采集的图像利用图像模板进行定位分割得到待测部分图像,所述模板根据转子类型进行提前截取;
(3)基于深度残差网络算法对转子绕线缠绕形态进行合格性判断。
2.根据权利要求1所述的一种基于图像分割配准和残差网络的转子绕线检测方法,其特征在于,所述步骤(1)包括以下步骤:
(11)采用工业相机、步进电机、PLC、上位机搭建图像采集系统,其中工业相机用于显示采集图像,步进电机与PLC相结合形成转子绕线待测工位,上位机主要用于运行转子绕线合格性检测算法;
(12)针对不同类型的转子,优化调整相机、光源、待测物之间的位置度,使采集的转子形态图像呈现最佳的效果。
3.根据权利要求1所述的一种基于图像分割配准和残差网络的转子绕线检测方法,其特征在于,步骤(2)所述的图像模板采用含有3个挂钩的匹配模板。
4.根据权利要求1所述的一种基于图像分割配准和残差网络的转子绕线检测方法,其特征在于,步骤(2)所述定位方法采用的是OpenCV库中的图像匹配。
5.根据权利要求1所述的一种基于图像分割配准和残差网络的转子绕线检测方法,其特征在于,所述步骤(2)包括以下步骤:
(21)针对不同类型的转子,提前截取对应的居中挂钩图像模板;
(22)结合步进电机与PLC精准控制,在转子转动过程中形成与转子挂钩数相等的待测工位;
(23)在第一工位处,采用挂钩匹配模板在相机视野中匹配得到最强匹配点p,匹配公式为:
其中,W和H分别为模板图像的宽和高,T(x',y')为模板图像在点(x',y')处的像素值,I(x+x',y+y')为原图像在点(x+x',y+y')处的像素值;通过定位匹配分割从而得到旋转件转子绕线受偏转角影响最小的转子绕线部分;
(24)剩下的待测工位,在相机视野的固定位置p处截取待测转子绕线部分。
6.根据权利要求1所述的一种基于图像分割配准和残差网络的转子绕线检测方法,其特征在于,所述步骤(3)包括以下步骤:
(31)对采集的转子绕线图像根据绕线形态进行分别标记,合格件为0,不合格件为1;
(32)基于残差网络,设计转子绕线合格性检测分类模型,具体结构如下:
第一层,即输入层,输入的是待测的转子绕线图像;
从第二层开始,以3*3的卷积层、归一化层、最大池化层组合成一个特征提取模,其中激活函数选取的是relu,在经过第一个组合特征提取模块后,模型分为两个分支,左侧分支在经历两个组合特征模块后,直接和从第一个组合特征提取模块引出的右侧分支进行叠加融合,然后经历relu激活函数与一个平均池化层后进入全连接层;
(33)通过全连接层实现对转子合格性的二分类,从而实现对其合格性的快速检测。

说明书全文

一种基于图像分割配准和残差网络的转子绕线检测方法

技术领域

[0001] 本发明属于机器视觉工业检测技术领域,具体涉及一种基于图像分割配准和残差网络的转子绕线检测方法。

背景技术

[0002] 随着工业化的进程,世界经济迅猛发展,从传统的手工作业到小规模的机械化作业,再到全自动化标准生产,制造业经历了耗时长、产量低到高速量产的腾飞。作为制造业的心脏,电机产业的发展一直与工业经济的发展息息相关,与电机相关的配置零件也步入了快速发展之道。在电机生产过程中,作为核心零部件的电机转子类型多样,其质量好坏对电机制造至关重要,而在电机转子生产的过程中,其换向器与线缠绕处易出现漏挂、断线等不合格形态。针对该情况,目前旋转件转子绕线的合格性检测在生产线上以人工肉眼检查为主,在复杂的生产环境下,该方法效率低下且随着工作时间的增加,肉眼检查易出现疲劳损伤,从而导致漏检、错检等状况出现,主观因素过大,不利于全自动标准化生产。
[0003] 旋转件转子结构细致紧密,其漆包线与换向器在缠绕时堆叠交错,在对其绕线缠绕形态合格性检测中,直接利用通电测试等手段显然不能满足在线实时检测。同样采用目前流行的多目标深度学习检测技术对转子绕线进行检测也会受到旋转件带来的偏转影响,导致检测精度不高。
[0004] 针对于上述问题,结合转子绕线形态特征分析,急需提出一种新的能够快速判断转子绕线合格性的替代方法,可以满足标准化生产检测的要求,同时能够实现对不同型号的转子绕线合格性检测。

发明内容

[0005] 发明目的:本发明提供一种基于图像分割配准和残差网络的转子绕线检测方法,解决偏转角对旋转件检测的干扰影响,检测快速便捷,且精度高。
[0006] 技术方案:本发明所述的一种基于图像分割配准和残差网络的转子绕线检测方法,包括以下步骤:
[0007] (1)构建图像采集系统,采集转子绕线图像;
[0008] (2)对采集的图像利用图像模板进行定位分割得到待测部分图像,所述模板根据转子类型进行提前截取;
[0009] (3)基于深度残差网络算法对转子绕线缠绕形态进行合格性判断。
[0010] 所述步骤(1)包括以下步骤:
[0011] (11)采用工业相机、步进电机、PLC、上位机搭建图像采集系统,其中工业相机用于显示采集图像,步进电机与PLC相结合形成转子绕线待测工位,上位机主要用于运行转子绕线合格性检测算法;
[0012] (12)针对不同类型的转子,优化调整相机、光源、待测物之间的位置和角度,使采集的转子形态图像呈现最佳的效果。
[0013] 步骤(2)所述的图像模板采用含有3个挂钩的匹配模板;所述定位方法采用的是OpenCV库中的图像匹配。
[0014] 所述步骤(2)包括以下步骤:
[0015] (21)针对不同类型的转子,提前截取对应的居中挂钩图像模板;
[0016] (22)结合步进电机与PLC精准控制,在转子转动过程中形成与转子挂钩数相等的待测工位;
[0017] (23)在第一工位处,采用挂钩匹配模板在相机视野中匹配得到最强匹配点p,匹配公式为:
[0018]
[0019]
[0020]
[0021] 其中,W和H分别为模板图像的宽和高,T(x',y')为模板图像在点(x',y')处的像素值,I(x+x',y+y')为原图像在点(x+x',y+y')处的像素值;通过定位匹配分割从而得到旋转件转子绕线受偏转角影响最小的转子绕线部分;
[0022] (24)剩下的待测工位,在相机视野的固定位置p处截取待测转子绕线部分。
[0023] 所述步骤(3)包括以下步骤:
[0024] (31)对采集的转子绕线图像根据绕线形态进行分别标记,合格件为0,不合格件为1;
[0025] (32)基于残差网络,设计转子绕线合格性检测分类模型,具体结构如下:
[0026] 第一层,即输入层,输入的是待测的转子绕线图像;
[0027] 从第二层开始,以3*3的卷积层、归一化层、最大池化层组合成一个特征提取模,其中激活函数选取的是relu,在经过第一个组合特征提取模块后,模型分为两个分支,左侧分支在经历两个组合特征模块后,直接和从第一个组合特征提取模块引出的右侧分支进行叠加融合,然后经历relu激活函数与一个平均池化层后进入全连接层;
[0028] 通过全连接层实现对转子合格性的二分类,从而实现对其合格性的快速检测。
[0029] 有益效果:与现有技术相比,本发明的有益效果:1、建立了一种转子绕线形态合格性检测算法,实现对转子绕线合格性快速准确检测;2、针对旋转件细节缠绕形态检测,提出了一种基于图像分割配准检测方案,减少偏转角的干扰影响,保证了检测精度。附图说明
[0030] 图1为本发明流程图
[0031] 图2为本发明方法的图像采集系统连接示意图;
[0032] 图3为基于挂钩模板匹配定位示意图;
[0033] 图4为本发明方法的基于残差网络合格性判断结构示意图。

具体实施方式

[0034] 下面将结合附图对本发明作进一步描述。如图1所示,本发明包括以下步骤:
[0035] 如图1所示,一种基于图像分割配准和残差网络的转子绕线检测方法,包括如下步骤:
[0036] 步骤一,采用工业相机、步进电机、PLC、上位机搭建图像采集系统,其中工业相机主要用于显示采集图像,步进电机与PLC相结合形成转子绕线待测工位,上位机主要用于运行核心检测算法,进行转子绕线合格性检测,同时对结果进行可视化,各硬件之间如图2所示紧密有效地连接。针对不同类型的转子,优化调整相机、光源、待测物之间的位置和角度,使采集的转子形态图像呈现最佳的效果。
[0037] 步骤二,针对不同类型的转子,提前采集对应的居中挂钩模板,为了减少后续匹配时间和匹配误差,可以采用含有3个或5个挂钩的匹配模板。结合步进电机与PLC精准控制,在电机转子转动过程中形成与转子挂钩数相等的待测工位。如图3所示,在第一工位处,即第一次用模板定位截取时得到了一个挂钩于绕线缠绕待测部位,采用挂钩匹配模板在相机视野中匹配得到最强匹配点,从而得到旋转件转子绕线大图中受偏转角影响最小的转子绕线部分,使其作为待检测区域输入上位机中的检测算法进行合格性检测。保证偏转角最小即选取视野中间的挂钩,这样的绕线图像在检测框中形态最佳,相较于两边的绕线图像会或左或右,这样检测的效果更佳。至于剩下的待测工位,在相机视野的固定位置截取转子绕线部分,使其作为待检测区域输入上位机中的检测算法进行合格性检测。
[0038] 例如,一个Y-100型转子上有24个挂钩,故需要检测24处。在第一次用模板定位截取时得到了一个挂钩于绕线缠绕待测部位(第一工位)和最强匹配点p。剩下的23个挂钩(剩下的待测工位),只要通过步进电机精准控制转动的角度,在p点处截取固定大小,此处选择的160*160的区域即可得到待测的绕线与换向器缠绕形态图像。
[0039] 步骤三,对采集的转子绕线图像根据绕线形态进行分别标记,合格件为0,不合格件为1。如图4所示,基于残差网络,设计一个转子绕线合格性检测分类模型,实现生产过程中实时在线检测,其中检测模型参数具体结构如下:
[0040] 第一层,即输入层,输入的是待测的转子绕线图像;
[0041] 从第二层开始,以3*3的卷积层、归一化层、最大池化层组合成一个特征提取模块,其中激活函数选取的是relu,在经过第一个组合特征提取模块后,模型分为两个分支,左侧分支在经历两个组合特征模块后,直接和从第一个组合特征提取模块引出的右侧分支进行叠加融合,然后经历relu激活函数与一个平均池化层后进入全连接层。
[0042] 结合前面特征提取,通过全连接层实现对转子合格性的二分类,从而实现对其合格性的快速检测。通过一个旋转周期就能实现对上述Y-100型转子上的24个挂钩处绕线缠绕形态合格性检测,实验最后的结果表示该方法可以有效识别旋转件转子绕线的合格性,准确率优于98%。
[0043] 以上所述仅是本发明的优选实施方式,结合图像定位分割技术,结合残差网络分类检测模型可以准确检测出转子绕线合格性,同时应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润色,这些改进和润色也应视为本发明的保护范围。
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。

申请试用

分析报告

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。

申请试用

QQ群二维码
意见反馈