【技术实现步骤摘要】
基于深度学习的铝合金管图像缺陷检测装置及方法
[0001]本专利技术涉及工业缺陷检测
，尤其是一种基于深度学习的铝合金管图像缺陷检测装置及方法。
技术介绍
[0002]在铝合金管的实际生产过程中，由于各方面因素的影响，铝合金管表面会产生划痕、穿孔等瑕疵，这些瑕疵会严重影响铝合金管的质量。为保证产品质量，需要人工进行肉眼目测，然而，铝合金管的表面自身会含有纹路，与瑕疵的区分度不高。
[0003]现阶段大多数的企业采用人工肉眼检测的方法检测铝合金管表面缺陷，这也是传统的金属表面检测方法中最常见的一种方法。然而这种方法存在很大的缺陷，因为工厂车间的恶劣的环境和长时间重复性的工作会导致工人身心疲劳，人工检测难以维持较高准确率的检测结果等问题都为企业带来挑战，所以企业迫切需要自动化检测技术来解决这些问题。与人工检测法相比，机器视觉检测不受工人自身因素影响，在检测精度上有一定的提升，并且能够实现自动化生产，但机器视觉检测方法需要根据铝合金管的缺陷类型设计不同的算法，因而检测过程复杂，并且此方法因很难对铝合金管进行全面检测而
【技术保护点】
【技术特征摘要】
1.一种基于深度学习的铝合金管图像缺陷检测装置，其特征在于：包括支撑架，支撑架包括底座和支撑杆，支撑杆安装在底座上，支撑杆上从上至下依次安装线阵相机和线阵光源，线阵相机通过可调支架安装在支撑杆上，线阵光源通过光源支架安装在支撑杆上，驱动电机、主动齿轮和圆柱体转筒安装在底座上，驱动电机的输出端与主动齿轮的一端相连，主动齿轮的另一端与圆柱体转筒固连，待测铝合金管位于圆柱体转筒上，线阵相机与PC机双向通讯。2.根据权利要求1所述的基于深度学习的铝合金管图像缺陷检测装置，其特征在于：所述支撑架还包括多个支撑腿，多个支撑腿安装在底座的下端。3.根据权利要求1所述的基于深度学习的铝合金管图像缺陷检测装置，其特征在于：所述圆柱体转筒和主动齿轮的个数均为两个，驱动电机通过主动齿轮带动圆柱体转筒匀速转动；所述线阵光源采用卤素灯，线阵光源、线阵相机、待测铝合金管位于一条直线上，确保线阵光源照射在待测铝合金管的中线位置，线阵相机采用变焦镜头。4.根据权利要求1至3中任一项所述的基于深度学习的铝合金管图像缺陷检测装置的检测方法，其特征在于：该方法包括下列顺序的步骤：(1)将待测铝合金管放置在圆柱体转筒上，调整线阵光源的位置，调整线阵相机使其位于待测铝合金管的正上方，使线阵相机、线阵光源和待测铝合金管位于一条直线上；启动驱动电机，驱动电机通过主动齿轮带动圆柱体转筒匀速旋转，线阵光源发出的光垂直照射到待测铝合金管的母线上，直至待测铝合金管匀速绕自身轴线转动一周，完成待测铝合金管一条母线的图像采集；线阵相机完成对待测铝合金管的表面图像采集完成后，拍摄后的图像传输至PC机中；(2)PC机接收线阵相机采集的图像后，针对具有穿孔、划痕的铝合金管图像，通过LabelMe工具制作标签，将采集到的具有穿孔、划痕的铝合金管图像随机分成训练集和测试集，(3)构建Resnet50
‑
YOLOv3网络模型；(4)采用迁移学习的方法，采用东北大学轧钢表面缺陷数据集对Resnet...
【专利技术属性】
技术研发人员：陈鹏，郑裕成，郑春厚，章军，王兵，向昕，张成龙，
申请(专利权)人：安徽大学，
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。