磨床的视觉检测系统及其方法技术方案

本申请涉及智能检测领域，其具体地公开了一种磨床的视觉检测系统及其方法，其首先对待检测加工产品的检测图像进行分块处理并通过线性嵌入层以得到多个图像块嵌入向量，接着对所述多个图像块嵌入向量分别进行特征提取以得到不同尺度图像块语义特征向量，然后融合所述不同尺度图像块语义特征向量并通过分类器得到表示所述待检测产品是否符合预定标准的分类结果。这样，避免了传统检测方法主观性过强的问题，可以有效提高加工产品质量检测的准确性以及检测效率。确性以及检测效率。确性以及检测效率。

【技术实现步骤摘要】
磨床的视觉检测系统及其方法


[0001]本申请涉及智能检测领域，且更为具体地，涉及一种磨床的视觉检测系统及其方法。

技术介绍

[0002]磨床的视觉检测是指通过与能源服务公司签订合同，委托其对企业或机构的能源使用进行全面管理和优化的一种能源服务模式，该模式通常涵盖采集、监测、分析电力能耗数据等多个环节，以实现对能源使用的有效控制和管理。
[0003]在这种能源服务模式中，可以对能源使用情况进行监控和数据分析以及发现异常。在磨床的视觉检测系统中，电力能耗异常的检测非常重要，传统的基于规则或阈值的异常检测方法难以有效的检测电力能耗异常。
[0004]因此，需要一种优化的磨床的视觉检测方案。

技术实现思路

[0005]为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种磨床的视觉检测系统及其方法，其首先对待检测加工产品的检测图像进行分块处理并通过线性嵌入层以得到多个图像块嵌入向量，接着对所述多个图像块嵌入向量分别进行特征提取以得到不同尺度图像块语义特征向量，然后融合所述不同尺度图像块语义特征向量并通过分类器得到表示所述待检测产品是否符合预定标准的分类结果。这样，避免了传统检测方法主观性过强的问题，可以有效提高加工产品质量检测的准确性以及检测效率。
[0006]根据本申请的一个方面，提供了一种磨床的视觉检测系统，其包括：
[0007]图像获取模块，用于获取待检测加工成品的检测图像；
[0008]分块模块，用于对所述检测图像进行分块处理以得到二维图像块的序列；r/>[0009]嵌入向量获取模块，用于将所述二维图像块的序列输入线性嵌入层以得到多个图像块嵌入向量；
[0010]第一尺度编码模块，用于将所述多个图像块嵌入向量通过双向长短期记忆神经网络模型以得到第一尺度图像块语义特征向量；
[0011]第二尺度编码模块，用于将所述多个图像块嵌入向量通过基于转换器的上下文编码器以得到第二尺度图像块语义特征向量；
[0012]融合模块，用于融合所述第一尺度图像块语义特征向量和所述第二尺度图像块语义特征向量以得到分类特征向量；以及
[0013]检测结果生成模块，用于将所述分类特征向量通过分类器以得到分类结果，所述分类结果用于表示待检测加工成品的质量是否符合预定标准。
[0014]在上述磨床的视觉检测系统中，所述分块模块，用于：对所述检测图像进行均匀分块处理以得到所述二维图像块的序列，其中，所述二维图像块的序列中各个图像块具有相同的尺寸。
[0015]在上述磨床的视觉检测系统中，所述嵌入向量获取模块，用于：所述线性嵌入层以可学习嵌入矩阵分别对所述二维图像块的序列中各个图像块进行嵌入编码以得到所述多个图像块嵌入向量。
[0016]在上述磨床的视觉检测系统中，所述第二尺度编码模块，包括：上下文图像编码单元，用于将所述多个图像块嵌入向量通过基于转换器的上下文编码器以得到多个上下文语义图像块特征向量；以及，上下文图像级联单元，用于将所述多个上下文语义图像块特征向量进行级联以得到所述第二尺度图像块语义特征向量。
[0017]在上述磨床的视觉检测系统中，所述上下文图像编码单元，用于：使用所述基于转换器的上下文编码器对由所述多个图像块嵌入向量排列的向量进行基于全局的上下文语义编码以得到多个上下文语义图像块特征向量。
[0018]在上述磨床的视觉检测系统中，所述融合模块，包括：协方差矩阵生成单元，用于计算所述第一尺度图像块语义特征向量和所述第二尺度图像块语义特征向量之间的协方差矩阵；特征值分解单元，用于对所述协方差矩阵进行特征值分解以得到多个特征值和与所述多个特征值对应的多个特征向量；以及，排列单元，用于将所述多个特征向量排列为所述分类特征向量。
[0019]在上述磨床的视觉检测系统中，所述检测结果生成模块，用于：使用所述分类器以如下分类公式对所述分类特征向量进行处理以生成分类结果；其中，所述分类公式为：
[0020]O＝softmax{(,B
c
)|V
c
}
[0021]其中O为所述分类结果，V
c
表示所述分类特征向量，M
c
为全连接层的权重矩阵，B
c
表示全连接层的偏向向量，softmax为归一化指数函数。
[0022]根据本申请的另一方面，提供了一种磨床的视觉检测方法，其包括：
[0023]获取待检测加工成品的检测图像；
[0024]对所述检测图像进行分块处理以得到二维图像块的序列；
[0025]将所述二维图像块的序列输入线性嵌入层以得到多个图像块嵌入向量；
[0026]将所述多个图像块嵌入向量通过双向长短期记忆神经网络模型以得到第一尺度图像块语义特征向量；
[0027]将所述多个图像块嵌入向量通过基于转换器的上下文编码器以得到第二尺度图像块语义特征向量；
[0028]融合所述第一尺度图像块语义特征向量和所述第二尺度图像块语义特征向量以得到分类特征向量；以及
[0029]将所述分类特征向量通过分类器以得到分类结果，所述分类结果用于表示待检测加工成品的质量是否符合预定标准。
[0030]根据本申请的再一方面，提供了一种电子设备，包括：处理器；以及，存储器，在所述存储器中存储有计算机程序指令，所述计算机程序指令在被所述处理器运行时使得所述处理器执行如上所述的磨床的视觉检测方法。
[0031]根据本申请的又一方面，提供了一种计算机可读介质，其上存储有计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行如上所述的磨床的视觉检测方法。
[0032]与现有技术相比，本申请提供的磨床的视觉检测系统及其方法，其首先对待检测
加工产品的检测图像进行分块处理并通过线性嵌入层以得到多个图像块嵌入向量，接着对所述多个图像块嵌入向量分别进行特征提取以得到不同尺度图像块语义特征向量，然后融合所述不同尺度图像块语义特征向量并通过分类器得到表示所述待检测产品是否符合预定标准的分类结果。这样，避免了传统检测方法主观性过强的问题，可以有效提高加工产品质量检测的准确性以及检测效率。
附图说明
[0033]通过结合附图对本申请实施例进行更详细的描述，本申请的上述以及其他目的、特征和优势将变得更加明显。附图用于提供对本申请实施例的进一步理解，并且构成说明书的一部分，与本申请实施例一起用于解释本申请，并不构成对本申请的限制。在附图中，相同的参考标号通常代表相同部件或步骤。
[0034]图1为根据本申请实施例的磨床的视觉检测系统的系统的应用场景图。
[0035]图2为根据本申请实施例的磨床的视觉检测系统的系统框图。
[0036]图3为根据本申请实施例的磨床的视觉检测系统的架构图。
[0037]图4为根据本申请实施例的磨床的视觉检测系统中第二尺度编码模块的框图。
[0038]图5为根据本申请实施例的磨床的视觉检测系统本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种磨床的视觉检测系统，其特征在于，包括：图像获取模块，用于获取待检测加工成品的检测图像；分块模块，用于对所述检测图像进行分块处理以得到二维图像块的序列；嵌入向量获取模块，用于将所述二维图像块的序列输入线性嵌入层以得到多个图像块嵌入向量；第一尺度编码模块，用于将所述多个图像块嵌入向量通过双向长短期记忆神经网络模型以得到第一尺度图像块语义特征向量；第二尺度编码模块，用于将所述多个图像块嵌入向量通过基于转换器的上下文编码器以得到第二尺度图像块语义特征向量；融合模块，用于融合所述第一尺度图像块语义特征向量和所述第二尺度图像块语义特征向量以得到分类特征向量；以及检测结果生成模块，用于将所述分类特征向量通过分类器以得到分类结果，所述分类结果用于表示待检测加工成品的质量是否符合预定标准。2.根据权利要求1所述的磨床的视觉检测系统，其特征在于，所述分块模块，用于：对所述检测图像进行均匀分块处理以得到所述二维图像块的序列，其中，所述二维图像块的序列中各个图像块具有相同的尺寸。3.根据权利要求2所述的磨床的视觉检测系统，其特征在于，所述嵌入向量获取模块，用于：所述线性嵌入层以可学习嵌入矩阵分别对所述二维图像块的序列中各个图像块进行嵌入编码以得到所述多个图像块嵌入向量。4.根据权利要求3所述的磨床的视觉检测系统，其特征在于，所述第二尺度编码模块，包括：上下文图像编码单元，用于将所述多个图像块嵌入向量通过基于转换器的上下文编码器以得到多个上下文语义图像块特征向量；以及上下文图像级联单元，用于将所述多个上下文语义图像块特征向量进行级联以得到所述第二尺度图像块语义特征向量。5.根据权利要求4所述的磨床的视觉检测系统，其特征在于，所述上下文图像编码单元，用于：使用所述基于转换器的上下文编码器对由所述多个图像块嵌入向量排列的向量进行基于全局的上下文语义编码以得到多个上下文语义图像块特征向量。6.根据权利要求5所述的磨床的视觉检测系统，其特征在于，所述融合模块，包括：协方差矩阵生成单元，用于计算所述第一尺度图像块语义特征向量和所述第二尺度图像块语义特征向量之间的协方差矩阵；特征值分解单元，用于对所述协方差矩阵进行特征值分解以得到多个特征值和与所述多个特征值对应的多个特征向量；以及排列单元，用于将所述多个特征向量排列为所述分类特征向量。7.根据权利要求6所述的磨床的...

【专利技术属性】
技术研发人员：赵梁均，王盛伟，李勇，
申请(专利权)人：浙江钱祥工具股份有限公司，
类型：发明
国别省市：