一种利用Transformer深度学习模型检测羽毛球球头质量的方法技术

一种利用Transformer深度学习模型检测羽毛球球头质量的方法，属于羽毛球质量检测技术领域，本发明专利技术为了解决当前我国羽毛球球头生产中的质量评估存在效率低下、品质不稳定、一致性差的问题，本申请所述方法通过利用对软木圆片的质量分级检测、对球头圆润度检测和对皮革缺陷检测三个关键的自动化识别技术的整合运用，实现了对球头的整体进行全面检测，保证了球头质量评估的准确性，本申请主要用做对羽毛球球头质量检测的方法。球球头质量检测的方法。球球头质量检测的方法。

【技术实现步骤摘要】
一种利用Transformer深度学习模型检测羽毛球球头质量的方法


[0001]本专利技术属于羽毛球质量检测
，具体涉及一种利用Transformer深度学习模型检测羽毛球球头质量的方法。

技术介绍

[0002]羽毛球球头生产是羽毛球生产的重要技术环节，中高档的羽毛球采用天然软木粘合并打磨成形并在外层包裹PU透气皮，其质量受软木圆片的等级、打磨成型的精度和准确度以及PU皮革粘贴的质量等影响，现有羽毛球生产过程中采用分拣抽检的方式，仅是通过人工对于球头外观进行明显缺陷检测，而忽略了对球头中组成部分的检测，其中包括软木圆片的质量检测，球头圆润度检测以及皮革缺陷检测，当前我国羽毛球球头生产中的质量评估存在效率低下、品质不稳定、一致性差的问题，因此研发一种羽毛球球头质量检测方法可以有效的克服吸纳有羽毛球检测中存在的弊端是很符合实际需要的。

技术实现思路

[0003]本专利技术为了解决当前我国羽毛球球头生产中的质量评估存在效率低下、品质不稳定、一致性差的问题，进而提供一种利用Transformer深度学习模型检测羽毛球球头质量的方法；
[0004]一种利用Transformer深度学习模型检测羽毛球球头质量的方法，所述方法是通过以下步骤实现的：
[0005]步骤一：基于U2Net神经网络进行图像预处理；
[0006]步骤二：构建羽毛球球头中软木圆片质量检测模型并对样品进行特征分析；
[0007]步骤三：构建羽毛球球头圆润度检测模型并对样品进行特征分析；
[0008]步骤四：构建羽毛球球皮革缺陷检测模型并对样品进行特征分析；
[0009]步骤五：根据步骤二中构建检测模型所得的分析结果、步骤三构建检测模型所得的分析结果和步骤四中构建检测模型所得的分析结果，判断羽毛球球头质量；
[0010]进一步地，所述步骤二中构建羽毛球球头中软木圆片质量检测模型并对样品进行特征分析是通过以下步骤实现的：
[0011]步骤二一：基于Transformer深度学习模型ViT构建特征表示和分类模型；
[0012]步骤二二：根据Transformer深度学习模型结果，按照软木圆片质量的判断逻辑，判定四种质量等级；
[0013]步骤二三；结合步骤二二中软木圆片质量的四种质量等级，创建训练集对步骤二一中所构建的分类模型进行模型离线训练，进而获得深度学习模型ViT的模型参数；
[0014]步骤二四：创建测试集对经步骤二三训练得到的算法模型进行在线测试验证其性能指标；
[0015]进一步地，所述步骤三中构建羽毛球球头圆润度检测模型并对样品进行特征分析
是通过以下步骤实现的：
[0016]步骤三一：对目标球头单角度圆润度检测，每个球头单角度圆润度检测的次数为两次，分别记作拍摄角度A和拍摄角度B；
[0017]步骤三二：对步骤三一中所得两次单角度圆润度检测结果进行质量分级判定，将所有角度图像的判定结果取交，均为1判定为良品，否则不良品；
[0018]步骤三三：采用单张图像的圆润度检测和根据多个角度图像综合检测判定球头圆润度检测模型的准确性；
[0019]进一步地，所述步骤三一中对目标球头单角度圆润度检测，是将单角度采集图像进行边缘提取后，利用傅利叶描述子对边缘与标准球头边缘进行误差计算，其具体步骤如下：
[0020]步骤a：从球头的二值化图片提取球头的闭合边界轮廓点(x
i
,y
i
)，i＝0,1,2,
···
,K
‑
1，K为提取轮廓点个数，计算球头中心点的坐标为：
[0021][0022]步骤b：对球头进行中心化操作，即将各个轮廓坐标减去球头的中心点坐标，易于分析。由于拍照角度不同对导致球头底边具有不同曲度，会一定程度影响球头的品质识别，因此，需要将其截去，仅保留球头的上半部分，若保留球头长度L的N％，则以球头中心点向下(N％
‑
50％)
×
L处为截取位置，将其以上的部分保留作为识别到的球头轮廓点，并将其表示成总长度为K
′
的离散坐标序列c(k)＝{(x(k),y(k)),k＝0,1,2,
···
,K
′‑
1}；
[0023]步骤c：从任意点(x0,y0)开始，以逆时针方向在边界上进行时，球头的边界轮廓点可以用复数来表示，将轮廓特征从空间域变换到频域内，提取频域信息作为轮廓形状的特征向量，由此，将二维问题简化为一维，即：
[0024]c(k)＝x(k)+jy(k)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)
[0025]c(k)的离散傅立叶变换为：
[0026][0027]步骤d：傅里叶描述子与边界轮廓曲线的起始点位置、形状的大小、方向有着直接关系的，假定a(0)表示0阶系数且取值为1，则傅立叶系数幅度值大小与曲线起点、旋转平移无关，将傅立叶描述子进行归一化，即：
[0028][0029]步骤e：计算拍摄得到的球头傅立叶描述子f
n
与标准球头傅立叶描述子f
ns
之间相似距离的计算方式为：
[0030][0031]选取球头的拍照角度为A，B。若A角度或B角度任一角度拍摄到的球头与标准球头之间相似距离d
FD
＞T，则认为球头是次品，若A角度和B角度两个角度拍摄到的球头与标准球
头之间相似距离d
FD
≤T，则认为球头是良品，T为设定的检测阈值，当n≥100，能量值已经接近于0，因此，K
m
＝100，在对球头轮廓形状计算傅立叶描述子时选取n≤100的部分；
[0032]进一步地，所述步骤四中构建羽毛球球皮革缺陷检测模型并对样品进行特征分析的具体步骤如下：
[0033]步骤四一：采用两角度对向拍摄和采集图像；
[0034]步骤四二：构建模型框架，并将步骤四一所得图像输入到构建的模型中来进行单张图像的缺陷检测；
[0035]步骤四三：采用在原型系统上采集球头皮革图像，经人工标注得到标签，来构建训练集，利用构建的训练集对步骤四二中所构建的模型框架进行模型离线训练，进而获得深度学习模型的模型参数；
[0036]步骤四四：创建测试集对经步骤四三训练得到的算法模型进行在线测试验证其性能指标；
[0037]进一步地，所述步骤四二中构建模型框架，并将步骤四一所得图像输入到构建的模型中来进行单张图像的缺陷检测的具体步骤如下：
[0038]步骤A：图像序列化：首先对输入图像进行预处理，图像被分割成小块并投影到嵌入空间中，使其成为一组被拉平的patch；
[0039]步骤B：嵌入：由可训练的线性映射和位置嵌入得到潜在的d维嵌入空间向量；
[0040]步骤C：Transformer编码：经过Transformer编码器得到图像的特征表示，Transform本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种利用Transformer深度学习模型检测羽毛球球头质量的方法，其特征在于：所述方法是通过以下步骤实现的：步骤一：基于U2Net神经网络进行图像预处理；步骤二：构建羽毛球球头中软木圆片质量检测模型并对样品进行特征分析；步骤三：构建羽毛球球头圆润度检测模型并对样品进行特征分析；步骤四：构建羽毛球球皮革缺陷检测模型并对样品进行特征分析；步骤五：根据步骤二中构建检测模型所得的分析结果、步骤三构建检测模型所得的分析结果和步骤四中构建检测模型所得的分析结果，判断羽毛球球头质量。2.根据权利要求1所述的一种利用Transformer深度学习模型检测羽毛球球头质量的方法，其特征在于：所述步骤二中构建羽毛球球头中软木圆片质量检测模型并对样品进行特征分析是通过以下步骤实现的：步骤二一：基于Transformer深度学习模型ViT构建特征表示和分类模型；步骤二二：根据Transformer深度学习模型结果，按照软木圆片质量的判断逻辑，判定四种质量等级；步骤二三；结合步骤二二中软木圆片质量的四种质量等级，创建训练集对步骤二一中所构建的分类模型进行模型离线训练，进而获得深度学习模型ViT的模型参数；步骤二四：创建测试集对经步骤二三训练得到的算法模型进行在线测试验证其性能指标。3.根据权利要求2所述的一种利用Transformer深度学习模型检测羽毛球球头质量的方法，其特征在于：所述步骤三中构建羽毛球球头圆润度检测模型并对样品进行特征分析是通过以下步骤实现的：步骤三一：对目标球头单角度圆润度检测，每个球头单角度圆润度检测的次数为两次，分别记作拍摄角度A和拍摄角度B；步骤三二：对步骤三一中所得两次单角度圆润度检测结果进行质量分级判定，将所有角度图像的判定结果取交，均为1判定为良品，否则不良品；步骤三三：采用单张图像的圆润度检测和根据多个角度图像综合检测判定球头圆润度检测模型的准确性。4.根据权利要求3所述的一种利用Transformer深度学习模型检测羽毛球球头质量的方法，其特征在于：所述步骤三一中对目标球头单角度圆润度检测，是将单角度采集图像进行边缘提取后，利用傅利叶描述子对边缘与标准球头边缘进行误差计算，其具体步骤如下：步骤a：从球头的二值化图片提取球头的闭合边界轮廓点(x
i
,y
i
)，i＝0,1,2,
···
,K
‑
1，K为提取轮廓点个数，计算球头中心点的坐标为：步骤b：对球头进行中心化操作，即将各个轮廓坐标减去球头的中心点坐标，易于分析。由于拍照角度不同对导致球头底边具有不同曲度，会一定程度影响球头的品质识别，因此，需要将其截去，仅保留球头的上半部分，若保留球头长度L的N％，则以球头中心点向下(N％
‑
50％)
×
L处为截取位置，将其以上的部分保留作为识别到的球头轮廓点，并将其表示
成总长度为K
′...

【专利技术属性】
技术研发人员：赵玲玲，温乃峰，刘秋阳，庄金雷，强桂燕，王春宇，
申请(专利权)人：哈尔滨工业大学芜湖机器人产业技术研究院，
类型：发明
国别省市：