一种基于STM32的超轻量的光纤缠绕缺陷检测方法技术

本发明专利技术属于机器视觉技术领域，尤其为一种基于STM32的超轻量的光纤缠绕缺陷检测方法。该方法主要包括如下步骤：首先，构建基于Yolo

【技术实现步骤摘要】
一种基于STM32的超轻量的光纤缠绕缺陷检测方法


[0001]本专利技术属于机器视觉
，具体涉及一种基于STM32的超轻量的光纤缠绕缺陷检测方法。

技术介绍

[0002]近年来，随着第三代光纤陀螺仪的发展，对于光纤环缠绕的精度要求越来越高，其中光纤的张力控制尤为关键，并且吸引了工业界和学术界的广泛关注。STM32作为一个微型控制器，具有高性能、低电压和低功耗等优点，经常结合其它平台或者传感设备使用。光纤环在绕制过程中极易受环境的多种因素影响，导致光纤环出现凸起、回叠、间隙过大和端面退绕不齐等问题，在绕制过程中需要进行光纤缠绕缺陷检测来保证光纤绕制的顺利进行。将光纤缠绕缺陷检测与STM32结合，不仅可以节约光纤缠绕机的空间，还可以大大提升检测光纤缠绕的效率，提高光纤环的缠绕质量。
[0003]然而，检测光纤缠绕缺陷的模型需要足够轻量级，才能将其装入STM32里运行。

技术实现思路

[0004]为解决上述
技术介绍
中提出的问题。本专利技术提供了一种基于STM32的超轻量的光纤缠绕缺陷检测方法。构建基于Yolo
‑
Fastest V2的模型，ShufflenetV2作为主要骨架。将光纤缠绕可能出现的缠绕缺陷结果分类。使用Pytorch对模型转换、压缩、量化，使得模型适用于STM32的框架。STM32用摄像头对预测框进行筛选并分类处理，若出现发生特征信号则给PMAC做处理。本专利技术主要解决基于STM32超轻量光纤缠绕缺陷的检测问题。
[0005]为实现上述目的，本专利技术提供如下技术方案：
[0006]1.一种基于STM32的超轻量的光纤缠绕缺陷检测方法，包括缺陷检测模型、分类方法、模型转换流程、硬件外设部署
[0007]作为本专利技术更进一步的方案，在于使用如下使用如下模型结构预测缺陷：所述
[0008]模型主体架构基于Yolo
‑
Fastest V2模型，采用如下结构
[0009]2‑
1由于光纤环绕制的过程缺陷为矩形结构，故全模型卷积核采用3*5的矩形卷积核，步长采用1*2的矩形卷积核用于更好地提取光纤的缺陷特征。
[0010]2‑
2主要骨架采用ShufflenetV2,使得模型更加轻量化。
[0011]2‑
3探测头采用两个分别为11*11与22*22的探测头
[0012]作为本专利技术更进一步的方案，在于最终分类为如下几个分类：
[0013]分类1：凸起；
[0014]分类2：回叠；
[0015]分类3:端面退绕不齐；
[0016]分类4:间隙过大；
[0017]分类5:绕制位置。
[0018]作为本专利技术更进一步的方案，在于采用如下路线对模型转换、压缩、量化，使得模
型可以适应STM32架构
[0019]步骤一，采用Pytorch建立如上述模型结构并训练后保存模型文件*.pt。
[0020]步骤二，将Pytorch模型文件转换为ONNX模型，版本为11
[0021]步骤三，使用ONNX库对步骤二产生的模型做int8量化并输出。
[0022]步骤四，将步骤三所输出的模型转换为TFLife结构
[0023]步骤五，使用STM32
‑
CUBE
‑
Ai对模型做4级压缩，并构建基础代码。
[0024]作为本专利技术更进一步的方案，所述STM32采用分辨率为352*352的摄像头，并对1秒内24FPS中出现20次以上且中心距离不超过10像素的预测框做筛选，同时对“绕制头”分类做唯一化处理，若出现则发生特征信号给PMAC做处理。
[0025]有益效果：无需人工24小时观察缺陷，STM32单片机能在低功耗的情况下及时能够高效地检测到光纤环的绕制缺陷，进而及时退绕，使得光纤环的准确性更高。且无需计算机中心做辅助，也无需显卡做算力支持，从而做到机器的小型化与智能化。对绕制情况的及时发现可以提高光纤环绕制效果，提高光纤环的精度。
附图说明
[0026]附图用来提供对本专利技术的进一步理解，并且构成说明书的一部分，与本专利技术的实施例一起用于解释本专利技术，并不构成对本专利技术的限制。在附图中：
[0027]图1为本专利技术的结构示意图；
[0028]图2为最终分类示意图；
具体实施方式
[0029]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0030]实施例
[0031]本实施方案中，本专利技术提供如下技术方案：
[0032]一种基于STM32的超轻量的光纤缠绕缺陷检测方法，包括缺陷检测模型、分类方法、模型转换流程、硬件外设部署
[0033]使用如下使用如下模型结构预测缺陷：所述
[0034]模型主体架构基于Yolo
‑
Fastest V2模型，采用如下结构
[0035]2‑
1由于光纤环绕制的过程缺陷为矩形结构，故全模型卷积核采用3*5的矩形卷积核，步长采用1*2的矩形卷积核用于更好地提取光纤的缺陷特征。
[0036]2‑
2主要骨架采用ShufflenetV2,使得模型更加轻量化。
[0037]2‑
3探测头采用两个分别为11*11与22*22的探测头
[0038]最终分类分类为如下几个分类：
[0039]分类1：凸起；
[0040]分类2：回叠；
[0041]分类3:端面退绕不齐；
[0042]分类4:间隙过大；
[0043]分类5:绕制位置。
[0044]采用如下路线对模型转换、压缩、量化，使得模型可以适应STM32架构
[0045]步骤一，采用Pytorch建立如上述模型结构并训练后保存模型文件*.pt。
[0046]步骤二，将Pytorch模型文件转换为ONNX模型，版本为11
[0047]步骤三，使用ONNX库对步骤二产生的模型做int8量化并输出。
[0048]步骤四，将步骤三所输出的模型转换为TFLife结构。
[0049]步骤五，使用STM32
‑
CUBE
‑
Ai对模型做4级压缩，并构建基础代码。
[0050]所述STM32采用分辨率为352*352的摄像头，并对1秒内24FPS中出现20次以上且中心距离不超过10像素的预测框做筛选，同时对绕制位置分类做唯一化处理，若出现则发生特征信号给PMAC做处理。
[0051]工作原理：STM32使用352*352的摄像头对光纤环的绕制过程拍摄，摄像头将拍摄的照片实时传入STM32。STM32对传入的图片进行切割、转换、压缩、量化等预处理后进行图片筛本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于STM32的超轻量的光纤缠绕缺陷检测方法，包括缺陷检测模型、分类方法、模型转换流程、硬件外设部署。2.根据权利要求1所述的一种基于STM32的超轻量的光纤缠绕缺陷检测方法，其特征在于使用如下使用如下模型结构预测缺陷：所述模型主体架构基于Yolo
‑
Fastest V2模型，采用如下结构2
‑
1由于光纤环绕制的过程缺陷为矩形结构，故全模型卷积核采用3*5的矩形卷积核，步长采用1*2的矩形卷积核用于更好地提取光纤的缺陷特征。2
‑
2主要骨架采用ShufflenetV2,使得模型更加轻量化。2
‑
3探测头采用两个分别为11*11与22*22的探测头。3.根据权利要求1所述的一种基于STM32的超轻量的光纤缠绕缺陷检测方法，其特征在于最终分类为如下几个分类：分类1：凸起；分类2：回叠；分类3:端面退绕不齐；分类4:间隙过大；分...

【专利技术属性】
技术研发人员：甘瑾，余永红，许恭友，
申请(专利权)人：南京邮电大学通达学院，
类型：发明
国别省市：