一种面向任意角度机箱装配视觉检测的卷积神经网络质量鉴别方法技术

本发明专利技术提供一种面向任意角度机箱装配视觉检测的卷积神经网络质量鉴别方法，所述方法包括：构建机箱装配零部件距离求解模型；基于先验分布构建正则化层，引入残差块，解决模型退化问题；设置多段学习率，获得梯度下降最优值的卷积神经网络模型；结合卷积神经网络提取的机箱装配特征信息，通过机箱装配检测模型完成任意角度机箱装配质量鉴别。本发明专利技术利用卷积神经网络特征提取与表征优势，解决经典图像分类算法对复杂图像及特定的分类方式针对性不足问题，设置多段学习率提高卷积神经网络收敛速度及分类准确率，有助于在任意角度机箱装配质量鉴别的视觉检测中应用。

A convolutional neural network quality identification method for visual inspection of box assembly at any angle

The invention provides a convolutional neural network quality identification method for visual inspection of case assembly at any angle, which includes: building a distance solution model of case assembly parts; building a regularization layer based on a prior distribution, introducing residual blocks to solve the problem of model degradation; setting a multi-stage learning rate to obtain the optimal value of gradient descent; combining with volume The assembly feature information extracted by the product neural network is used to identify the assembly quality of any angle of the box through the box assembly detection model. The invention utilizes the advantages of feature extraction and representation of convolutional neural network, solves the problem of insufficient pertinence of classical image classification algorithm to complex images and specific classification methods, sets multi-stage learning rate to improve the convergence speed and classification accuracy of convolutional neural network, which is helpful for the application in visual detection of box assembly quality identification at any angle.

【技术实现步骤摘要】
一种面向任意角度机箱装配视觉检测的卷积神经网络质量鉴别方法
本专利技术涉及装配质量鉴别领域，尤其涉及一种面向任意角度机箱装配视觉检测的卷积神经网络质量鉴别方法。
技术介绍
视觉检测技术因准确性高、非接触、适用性好而得到广泛应用。由于机箱的装配零部件具有部位多、类型繁杂等特点，传统人工检测方法难以高效、高质量完成检测任务。机箱装配质量的优劣直接影响产品的使用，对其质量进行检测分析十分必要。基于传统图像分类的视觉检测方法提取的特征均为图像底层视觉特征，分类精度较低，在复杂场景中经典图像分类方法难以达到好效果。近年来，随着视觉检测技术发展与计算能力巨大提升，深度网络已在视觉检测任务上应用与发展，卷积神经网络开始应用于制造产品质量检测并取得显著成效。卷积神经网络通过多层卷积运算对图像逐层提取特征，获取更高阶的统计数据再通过分类器实现图像多分类，完成视觉检测任务，具有检测效率高、准确率高的特点。可以看出，人工质量检测与经典图像分类方法在制造产品质量视觉检测应用效果欠佳，同时基于卷积神经网络制造产品质量检测技术是该领域未来趋势。若能利用卷积本文档来自技高网...

【技术保护点】
1.一种面向任意角度机箱装配视觉检测的卷积神经网络质量鉴别方法，其特征在于，所述方法包括：/nA构建任意角度机箱装配零部件距离求解模型；/nB基于先验分布构建正则化层，引入残差块，解决模型退化问题；/nC设置多段学习率，获得梯度下降最优值的卷积神经网络模型；/nD结合卷积神经网络提取的机箱装配特征信息，通过机箱装配检测模型完成任意角度机箱装配质量鉴别。/n

【技术特征摘要】
1.一种面向任意角度机箱装配视觉检测的卷积神经网络质量鉴别方法，其特征在于，所述方法包括：
A构建任意角度机箱装配零部件距离求解模型；
B基于先验分布构建正则化层，引入残差块，解决模型退化问题；
C设置多段学习率，获得梯度下降最优值的卷积神经网络模型；
D结合卷积神经网络提取的机箱装配特征信息，通过机箱装配检测模型完成任意角度机箱装配质量鉴别。


2.如权利要求1所述的面向任意角度机箱装配视觉检测的卷积神经网络质量鉴别方法，其特征在于，所述步骤A中，求解任意角度时将工业相机拍摄机箱实际位置映射到拍摄平面，旋转角度定义为θ，即任意角度值为：



式中，j为第j类机箱，和和分别表示正面拍摄、实际拍摄时图像中机箱左上角和右下角坐标。


3.如权利要求1所述的面向任意角度机箱装配视觉检测的卷积神经网络质量鉴别方法，其特征在于，所述步骤A中，基于尺寸不变性求得各零部件与机箱真实装配空间距离，其各零部件与机箱真实装配空间距离公式为：



式中，i为第类零部件，dj为第j类机箱尺寸，c为零部件定位点。


4.如权利要求1所述的面向任意角度机箱装配视觉检测的卷积神经网络质量鉴别方法，其特征在于，...

【专利技术属性】
技术研发人员：刘桂雄，何彬媛，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：广东;44