一种凿毛数据监测处理方法技术

本发明专利技术提供一种凿毛数据监测处理方法，其利用控制器实现对凿毛数据的处理操作：控制器包括样品构建模块、采集模块以及模型处理模块；样品构建模块获取模具的打磨缺陷标准图像，并不断扩充打磨缺陷标准图像的数据库构建深度卷积神经网络，并不断训练得到打磨缺陷识别模型；采集模块获取模具图像采集设备扫描的模具的实时图像；模型处理模块将待识别实时图像输入至所述深度卷积神经网络的打磨缺陷识别模型中，并对待识别实时图像进行打磨缺陷类型识别。该智能凿毛数据分析处理，采用图像处理方式对凿毛工位进行图像处理，通过具体的图像分割以及机器学习算法实现凿毛图像的打磨缺陷的精准识别，保障了打磨质量。保障了打磨质量。保障了打磨质量。

【技术实现步骤摘要】
一种凿毛数据监测处理方法


[0001]本专利技术属于工序数据处理领域，尤其涉及一种凿毛数据监测处理方法。

技术介绍

[0002]盖梁指的是为支承、分布和传递上部结构的荷载，在排架桩墩顶部设置的横梁。在桥墩或在排桩上设置钢筋混凝土或少筋混凝土的横梁。主要作用是支撑桥梁上部结构，并将全部荷载传到下部结构。有桥桩直接连接盖梁的，也有桥桩接立柱后再连接盖梁的。
[0003]盖梁在成型后需要进入凿毛工位对其进行凿毛处理；凿毛工位的主要作业是对盖梁预制构件上进行打磨施工，但是除了打磨设备的打磨头非常容易造成凿毛打磨深度控制异常，造成模具打磨缺陷发生。
[0004]研究发现，如果打磨缺陷发生已经发生而无法做到及时发现，改善凿毛打磨质量则无法保障盖梁的产品质量。

技术实现思路

[0005]为了解决上述现有技术中存在的技术问题，本申请提供了一种凿毛数据监测处理方法。
[0006]为了达到上述目的，本专利技术的技术方案是这样实现的：
[0007]本专利技术提供了一种凿毛数据监测处理方法，其利用控制器实现对凿毛数据的处理操作：控制器包括样品构建模块、采集模块以及模型处理模块；
[0008]所述样品构建模块获取模具的打磨缺陷标准图像，并不断扩充打磨缺陷标准图像的数据库构建深度卷积神经网络，并不断训练得到打磨缺陷识别模型；
[0009]采集模块获取模具图像采集设备扫描的模具的实时图像；
[0010]模型处理模块将待识别实时图像输入至所述深度卷积神经网络的打磨缺陷识别模型中，并对待识别实时图像进行打磨缺陷类型识别。
[0011]优选的，作为一种可实施方案；在扩充打磨缺陷标准图像的数据库构建深度卷积神经网络之前，还包括对扩充打磨缺陷标准图像进行预处理操作：
[0012]对预扩充的打磨缺陷标准图像中的进行旋转操作、平移操作以及噪声处理得到打磨缺陷标准图像，判断当前的打磨缺陷标准图像是否符合第一阈值条件，如果符合则将其作为扩充打磨缺陷标准图像补充到数据库中，如果不符合则将其舍弃。
[0013]优选的，作为一种可实施方案；所述样品构建模块获取模具的打磨缺陷标准图像，并不断扩充打磨缺陷标准图像的数据库构建深度卷积神经网络，并不断训练得到打磨缺陷识别模型，具体包括如下操作步骤：
[0014]对获取的缺陷标准样品进行标样图像采集得到样本图像集，并对每张带有模具边沿打磨缺陷的所述标样图像进行分割形成多个图像识别区域，并对存在模具边沿打磨缺陷的所述图像识别区域进行标注；
[0015]对每个图像识别区域的所属图像进行识别得到图像特征提取，得到每个图像识别
区域中的毛刺与模具边沿的纹理图像特征；其中，打磨缺陷标准图像包括毛刺与模具边沿的纹理图像特征；
[0016]利用打磨缺陷标准图像计算模具边沿的纹理图像特征值；基于打磨缺陷标准图像的毛刺与模具边沿的纹理图像特征值构建第一特征向量；基于扩充的打磨缺陷标准图像的第一特征向量形成的向量集合构建深度卷积神经网络。
[0017]优选的，作为一种可实施方案；采集模块获取模具图像采集设备扫描的模具的实时图像，具体包括如下操作步骤：
[0018]获取凿毛作业设备的当前作业位置；
[0019]根据所述凿毛作业设备的当前作业位置，利用模具图像采集设备跟随所述凿毛作业设备的当前作业位置对当前模具的进行图像扫描采集。
[0020]优选的，作为一种可实施方案；还包括对当前的实时图像是否存在打磨缺陷进行处理操作；
[0021]对待识别的实时图像进行分割形成多个图像识别区域，然后对每个实时图像中的图像识别区域输入深度卷积神经网络；利用所述深度卷积神经网络计算输出基于实时图像的毛刺与模具边沿的纹理图像特征值构建第二特征向量；
[0022]基于所述第一特征向量与所述第二特征向量,计算所述打磨缺陷标准图像中的每个图像识别区域与所述实时图像之间的相似度，根据目标相似度与标准相似度阈值对比，进而进一步判断实时图像是否存在打磨缺陷；
[0023]如果当前所述实时图像与所述打磨缺陷标准图像中的每个图像识别区域之间的相似度大于标准相似度阈值则认定当前实时图像存在打磨标准缺陷；如果当前所述实时图像与所述打磨缺陷标准图像中的每个图像识别区域之间的相似度小于或等于标准相似度阈值则认定当前实时图像不存在打磨标准缺陷。
[0024]优选的，作为一种可实施方案；所述将待识别实时图像输入至所述深度卷积神经网络的打磨缺陷识别模型中，并对待识别实时图像进行打磨缺陷类型识别，具体包括如下操作：
[0025]对待识别的实时图像进行分割形成多个图像识别区域，然后对每个实时图像中的图像识别区域输入深度卷积神经网络；利用所述深度卷积神经网络计算输出基于实时图像的毛刺与模具边沿的纹理图像特征值构建第二特征向量；
[0026]基于所述第一特征向量与所述第二特征向量计算所述打磨缺陷标准图像中的每个图像识别区域与所述实时图像之间的相似度，当检测发现实时图像与所述打磨缺陷标准图像中的每个图像识别区域之间相似度大于标准相似度阈值时，则认定当前实时图像存在打磨缺陷；
[0027]同时识别当前实时图像对应的所述打磨缺陷标准图像中的图像识别区域的缺陷类型，认定当前实时图像的打磨缺陷类型与打磨缺陷标准图像中的图像识别区域的缺陷类型一致；。
[0028]优选的，作为一种可实施方案；所述深度卷积神经网络包括特征提取器，所述特征提取器为ResNet网络。
[0029]优选的，作为一种可实施方案；在所述对待识别实时图像进行打磨缺陷类型识别之后，还包括对对待识别实时图像进行打磨缺陷位置识别。
[0030]优选的，作为一种可实施方案；所述对待识别实时图像进行打磨缺陷位置识别，具体包括如下操作：
[0031]对待识别实时图像上的每个图像识别区域与打磨缺陷标准图像中的每个图像识别区域进行像素点相似度计算，由此进行待识别实时图像上的每个图像识别区域的像素点相似度排序得到相似度排序列表；
[0032]对相似度排序列表中的高相似度到低相似度顺序的图像识别区域进行筛选，确定待识别实时图像的具体位置。
[0033]优选的，作为一种可实施方案；所述对相似度排序列表中的高相似度到低相似度顺序的图像识别区域进行筛选，确定待识别实时图像的具体位置：
[0034]对相似度排序列表中的高相似度到低相似度顺序的图像识别区域进行筛选，确定相似度排序列表中高相似度到低相似度顺序中排序的前N个且相互连接的图像识别区域为目标图像区域；
[0035]目标图像区域相对待识别实时图像的具体位置，由此确定目标图像区域为打磨缺陷相对待识别实时图像的相对位置。
[0036]本申请实施例的一种凿毛数据监测处理方法，其利用控制器实现对凿毛数据的处理操作：控制器包括样品构建模块、采集模块以及模型处理模块；所述样品构建模块获取模具的打磨缺陷标准图像，并不断扩充打磨缺陷标准图像的数据库构建深度卷积神经网络，并不断训练得到打磨缺陷识别模型本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种凿毛数据监测处理方法，其特征在于，其利用控制器实现对凿毛数据的处理操作：控制器包括样品构建模块、采集模块以及模型处理模块；所述样品构建模块获取模具的打磨缺陷标准图像，并不断扩充打磨缺陷标准图像的数据库构建深度卷积神经网络，并不断训练得到打磨缺陷识别模型；采集模块获取模具图像采集设备扫描的模具的实时图像；模型处理模块将待识别实时图像输入至所述深度卷积神经网络的打磨缺陷识别模型中，并对待识别实时图像进行打磨缺陷类型识别。2.根据权利要求1所述的凿毛数据监测处理方法，在扩充打磨缺陷标准图像的数据库构建深度卷积神经网络之前，还包括对扩充打磨缺陷标准图像进行预处理操作：对预扩充的打磨缺陷标准图像中的进行旋转操作、平移操作以及噪声处理得到打磨缺陷标准图像，判断当前的打磨缺陷标准图像是否符合第一阈值条件，如果符合则将其作为扩充打磨缺陷标准图像补充到数据库中，如果不符合则将其舍弃。3.根据权利要求1所述的凿毛数据监测处理方法，所述样品构建模块获取模具的打磨缺陷标准图像，并不断扩充打磨缺陷标准图像的数据库构建深度卷积神经网络，并不断训练得到打磨缺陷识别模型，具体包括如下操作步骤：对获取的缺陷标准样品进行标样图像采集得到样本图像集，并对每张带有模具边沿打磨缺陷的所述标样图像进行分割形成多个图像识别区域，并对存在模具边沿打磨缺陷的所述图像识别区域进行标注；对每个图像识别区域的所属图像进行识别得到图像特征提取，得到每个图像识别区域中的毛刺与模具边沿的纹理图像特征；其中，打磨缺陷标准图像包括毛刺与模具边沿的纹理图像特征；利用打磨缺陷标准图像计算模具边沿的纹理图像特征值；基于打磨缺陷标准图像的毛刺与模具边沿的纹理图像特征值构建第一特征向量；基于扩充的打磨缺陷标准图像的第一特征向量形成的向量集合构建深度卷积神经网络。4.根据权利要求3所述的凿毛数据监测处理方法，采集模块获取模具图像采集设备扫描的模具的实时图像，具体包括如下操作步骤：获取凿毛作业设备的当前作业位置；根据所述凿毛作业设备的当前作业位置，利用模具图像采集设备跟随所述凿毛作业设备的当前作业位置对当前模具的进行图像扫描采集。5.根据权利要求4所述的凿毛数据监测处理方法，还包括对当前的实时图像是否存在打磨缺陷进行处理操作；对待识别的实时图像进行分割形成多个图像识别区域，然后对每个实时图像中的图像识别区域输入深度卷积神经网络；利用所述深度卷积神经网络计算输出基于实时图像的毛刺与模具边沿的纹理图像特征值构建第二特征向量；基于所述第一特征向量与所述第二特征向量,计算所述打磨缺陷标准图像中的每个图像识别区域与所述实时图像之...

【专利技术属性】
技术研发人员：郑彪，郑翼，张齐，
申请(专利权)人：北京好运达智创科技有限公司，
类型：发明
国别省市：