【技术实现步骤摘要】
基于代价平衡的发动机紧固件检测系统及检测方法
本专利技术涉及图像识别
，具体涉及基于代价平衡卷积神经网络的发动机紧固件检测系统及检测方法。
技术介绍
安装于发动机上的紧固件，比如螺栓、螺帽、螺钉或螺孔等是否安装到位、是否有缺失影响着发动机的整体质量，所以需要对紧固件安装是否有缺失进行检测。现有的检测方法主要为一线生产工人的肉眼检查方式，这种传统的人工检查方式效率低下，容易出现漏检。为了克服这个问题，近些年，出现了一些基于计算机视觉识别技术的螺帽检测方法，但这些现有的图像检测方法主要存在以下两方面问题：一是，现有的图像检测算法需要手动提取图像特征，其中包括计算图像像素梯度和直方图，并且为了应对图片拍摄时局部光照的变化和图像前景背景对比度的变化，还需要对梯度做局部对比度归一化。然后将归一化后的特征收集并输入到线性分类器中进行分类(区分出图像前景和背景)。然而在发动机螺栓缺失检测场景中，利用工业相机采集的图像往往具有很多噪声点，比如光照产生的高光、阴影，发动机表面机油的反光等，都会对现有的检测算法提出不小的挑战。
【技术保护点】
1.一种基于代价平衡卷积神经网络的发动机紧固件检测系统，用于对安装于发动机上的紧固件进行分类识别检测，其特征在于，包括：/n图像采集模块，用于采集安装于所述发动机上的待检测的紧固件图像；/n分类检测模型训练模块，用于以紧固件样本图像为训练样本，并基于一卷积神经网络，训练形成一用于对所述紧固件图像进行分类检测的紧固件分类检测模型；/n紧固件分类检测模块，分别连接所述分类检测模型训练模块和所述图像采集模块，用于基于所述紧固件分类检测模型，对所述紧固件图像进行多尺度的图像特征提取，并基于所提取的关联于所述紧固件图像的多尺度图像特征，识别输出对所述紧固件图像的紧固件目标识别分类结果...
【技术特征摘要】
1.一种基于代价平衡卷积神经网络的发动机紧固件检测系统，用于对安装于发动机上的紧固件进行分类识别检测，其特征在于，包括：
图像采集模块，用于采集安装于所述发动机上的待检测的紧固件图像；
分类检测模型训练模块，用于以紧固件样本图像为训练样本，并基于一卷积神经网络，训练形成一用于对所述紧固件图像进行分类检测的紧固件分类检测模型；
紧固件分类检测模块，分别连接所述分类检测模型训练模块和所述图像采集模块，用于基于所述紧固件分类检测模型，对所述紧固件图像进行多尺度的图像特征提取，并基于所提取的关联于所述紧固件图像的多尺度图像特征，识别输出对所述紧固件图像的紧固件目标识别分类结果；
识别误差计算模块，连接所述紧固件分类检测模块，用于计算所述紧固件分类检测模型的目标位置回归误差和目标分类误差，并对所述目标位置回归误差和所述目标分类误差进行求和，得到所述紧固件分类检测模型的识别误差；
所述分类检测模型训练模块还连接所述识别误差计算模块，用于以所述紧固件样本图像和所述识别误差作为所述卷积神经网络的双输入，训练更新所述紧固件分类检测模型。
2.如权利要求1所述的发动机紧固件检测系统，其特征在于，所述紧固件包括安装于所述发动机上的螺栓、螺帽、螺钉或螺孔中的任意一种或多种。
3.如权利要求1所述发动机紧固件检测系统，其特征在于，用于训练所述紧固件分类检测模型的所述卷积神经网络的网络结构中包括一多尺度特征提取网络和连接所述多尺度特征提取网络的一多尺度特征融合网络，其中，所述多尺度特征提取网络中包括：
一级联特征提取器，用于以级联特征提取方式提取所述紧固件图像对应的多个不同尺度的特征图，所述级联特征提取器中具体包括：
依次级联的七个特征提取器，其中，首个所述特征提取器以所述紧固件图像为输入，输出所述紧固件图像对应的所述特征图；后续级联的每个所述特征提取器以上一个所述特征提取器的输出为输入，对所述紧固件图像进行多尺度的图像特征提取，最终输出关联于所述紧固件图像的具有不同尺度的七个所述特征图；
一池化网络，连接所述级联特征提取器，用于对所述级联特征提取器输出的部分所述特征图进行池化操作，所述池化网络中具体包括：
四个最大池化单元，每个所述最大池化单元对应连接依次级联的第一至第四个所述特征提取器中的其中一个所述特征提取器，用于对所连接的所述特征提取器提取的所述特征图进行最大池化操作；
一均值池化单元，连接依次级联的第五个所述特征提取器，用于对第五个所述特征提取器提取的所述特征图进行均值池化操作。
4.如权利要求3所述的发动机紧固件检测系统，其特征在于，依次级联的首个所述特征提取器和第二个所述特征提取器中分别包括前后依次排列的两个卷积层；
级联的第三和第四个所述特征提取器中分别包括前后依次排列的三个所述卷积层；
级联的第五个所述特征提取器中包括前后依次排列的四个所述卷积层；
级联的第六和第七个所述特征提取器中同样分别包括前后依次排列的两个所述卷积层；
其中，首个所述特征提取器中的每个所述卷积层中包括64个滤波器；
级联的第二个所述特征提取器中的每个所述卷积层中包括128个所述滤波器；
第三个所述特征提取器中的每个所述卷积层中包括256个滤波器；
第四个和第五个所述特征提取器中的每个所述卷积层中包括512个滤波器。
5.如权利要求4所述的发动机紧固件检测系统，其特征在于，依次级联的第一到第五个所述特征提取器中的每个所述卷积层中的每个所述滤波器的尺寸均为3×3并且卷积步长为1；
级联的第六和第七个所述特征提取器中的前一个所述卷积层中的所述滤波器的尺寸为3×3并且卷积步长为1，后一个所述卷积层中的所述滤波器的尺寸为1×1并且卷积步长为2。
6.如权利要求3所述的发动机紧固件检测系统，其特征在于，所述最大池化单元的池化核尺寸为2×2并且步长为2；
所述均值池化单元的池化核尺寸同样为2×2并且步长同样为2。
7.如权利要求5所述的发动机紧固件检测系统，其特征在于，所述多尺度特征融合网络中包括...
【专利技术属性】
技术研发人员：黄家水，张发恩，管恒，唐永亮，
申请(专利权)人：创新奇智成都科技有限公司，
类型：发明
国别省市：四川;51
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。