【技术实现步骤摘要】
一种基于深度学习的工件尺寸测量装置及方法
[0001]本专利技术涉及人工智能
，特别是涉及一种基于深度学习的工件尺寸测量装置及方法。
技术介绍
[0002]工业上最为基础的测量工件的尺寸方法就是使用游标卡尺直接测量获得。然而这种操作方法人工参与度很高且费时费力，只适应于工件的抽检，无法应用于对工件进行大规模生成时的全检。
[0003]随着图像技术的不断变革，使用图像采集工件并进行自动化测量成为可能。目前，基于图像测量工件的方法，主要包括如下步骤：设定要检测的目标区域；计算图像的梯度信息提取图像的边缘；拟合直线进而转化为两直线间距的计算；通过图像的像素值与物理尺寸的比例关系最终得到工件的实际长宽。这种测量方法的测量精度取决于提取边缘的算法。
[0004]传统提取边缘算法是一些人工精心设计的滤波算子。其目的是通过在图像上滑动卷积抑制平坦区域突显出边缘区域，并非专门针对尺寸测量。当图像成像非常清晰时，边缘算法能够获得很好的边缘，得到的尺寸数据精度较高。反之，精度较低。实际成像过程中，由于光在物体的边缘会产生衍...
【技术保护点】
【技术特征摘要】
1.一种基于深度学习的工件尺寸测量装置，包括：图像采集处理模块，用于在模型训练时，对不同工件采集图像，对采集的每一幅图像中要测量的目标，选择两个包含边缘位置且大小相同区域，并结合其像素距离和实际像素尺寸构成一个标记的训练样本；在进行模型测量时，对待测量工件采集图像，对采集的每一幅图像中要测量的目标，选择两个包含边缘位置且大小相同区域，并结合其像素距离构成一个标记的待测量样本；工件尺寸测量模型，用于将所述训练样本或待测量样本的两个边缘图像分别经卷积层处理得到特征图后，再分别通过垂直投影分支、水平投影分支以及相对测量分支计算两个边缘图像在水平方向、垂直方向上相对位置的权重以及两边缘图像的距离，并根据获得的水平方向、垂直方向上相对位置的权重以及两边缘图像的距离，以及训练样本或待测量样本中两个边缘图像中心点在原始图像水平、垂直方向上的距离输出工件尺寸测量值。2.如权利要求1所述的一种基于深度学习的工件尺寸测量装置，其特征在于，所述图像采集处理模块进一步包括：训练样本数据集构建模块，用于选择不同的工件，采用摄像装置对其进行拍照采集图像，对采集的每一幅图像中的每一个要测量的长或宽，选择两个包含边缘位置且大小相同区域，并结合其像素距离和实际像素尺寸构成一个标记的训练样本，生成训练样本数据集；待测量样本构建模块，用于在工件尺寸测量时，对待测量工件采集图像，对采集图像中的每一个要测量的长或宽，选择两个包含边缘位置且大小相同区域，并结合其像素距离构成一个标记的待测量样本。3.如权利要求2所述的一种基于深度学习的工件尺寸测量装置，其特征在于，所述训练样本数据集构建模块进一步包括：图像采集模块，用于对选择的不同工件，使用相机对其进行拍照采集图像；物理测量值转化模块，用于获取工件尺寸的物理测量值，根据工件的实际尺寸与像素比例将物理测量值转化为以像素为单位的计量值作为目标值；样本数据集生成模块，用于对采集的图像进行图像数据增益处理，对增益处理后的每一幅图像，选择两个包含边缘位置且大小相同区域，并结合其像素距离和实际像素尺寸构成一个标记的训练样本，生成训练样本数据集。4.如权利要求1所述的一种基于深度学习的工件尺寸测量装置，其特征在于，所述工件尺寸测量模型进一步包括：第一卷积层，用于获取所述训练样本或待测量样本的一边缘图像处理后得到一组特征图；第二卷积层，用于获取所述训练样本或待测量样本的另一边缘图像处理后得到一组特征图；垂直投影分支，用于获取所述第一卷积层与第二卷积层输出的两组特征图，并计算两个边缘图像在水平方向上相对位置的权重；水平投影分支，用于获取所述第一卷积层与第二卷积层输出的两组特征图，并计算两个边缘图像在垂直方向上相对位置的权重；相对测量分支，用于获取所述第一卷积层与第二卷积层输出的两组特征图，直接估计两个边缘图像的距离；
测量结果输出模块，用于根据获得的水平方向、垂直方向上相对位置的权重以及两边缘图像的距离，以及所述训练样本或待测量样本中两个边缘图像中心点在原始图像上水平、垂直方向的距离输出工件尺寸测量值。5.如权利要求4所述的一种基于深度...
【专利技术属性】
技术研发人员：贺永刚，
申请(专利权)人：宁波棱镜空间智能科技有限公司，
类型：发明
国别省市：
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。