球销的自动化生产线及其方法技术

公开了一种球销的自动化生产线及其方法

【技术实现步骤摘要】
球销的自动化生产线及其方法


[0001]本申请涉及自动化生产领域，且更为具体地，涉及一种球销的自动化生产线及其方法
。

技术介绍

[0002]球销是一种用于连接机械零件的紧固件，通常由球头和销体组成
。
球销的生产线通常包括原料供给
、
球头成形
、
销体成形
、
检测和分选
。
[0003]其中，球销的检验存在一些问题和缺陷，不同的生产厂家或使用单位可能采用不同的检验方法和要求，导致球销的质量难以保证；同时，检验人员基于固有知识和已有经验对球销进行检验，无法保证球销的质量的一致性
。
[0004]因此，期待一种优化的解决方案
。

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球销的自动化生产线及其方法
。
其首先对检测图像和参考图像进行区域划分以得到多个第一检测局部图像和多个第二参考局部图像，接着，所述多个第一检测局部图像和所述多个第二参考局部图像分别通过卷积神经网络模型以得到多个第一检测局部特征矩阵和多个第二参考局部特征矩阵，然后，分别计算所述多个第一检测局部特征矩阵和所述多个第二参考局部特征矩阵中每组对应的第一检测局部特征矩阵和第二参考局部特征矩阵之间余弦相似度以得到由多个余弦相似度组成的分类特征向量，最后，对所述分类特征向量进行流形曲面优化后通过分类器以得到用于表示被检测球销的成型质量是否合格的分类结果/>。
这样，可以提高球销检测的准确性和效率
。
[0006]根据本申请的一个方面，提供了一种球销的自动化生产线，其包括：检测图像获取模块，用于获取由摄像头采集的被检测球销的检测图像；参考图像获取模块，用于获取质量合格的球销的参考图像；区域划分模块，用于对所述检测图像和所述参考图像进行区域划分以得到多个第一检测局部图像和多个第二参考局部图像；检测空间强化模块，用于将所述多个第一检测局部图像通过使用空间注意力机制的卷积神经网络模型以得到多个第一检测局部特征矩阵；参考空间强化模块，用于将所述多个第二参考局部图像通过所述使用空间注意力机制的卷积神经网络模型以得到多个第二参考局部特征矩阵；相似度度量模块，用于分别计算所述多个第一检测局部特征矩阵和所述多个第二参考局部特征矩阵中每组对应的第一检测局部特征矩阵和第二参考局部特征矩阵之间余弦相似度以得到由多个余弦相似度组成的分类特征向量；优化模块，用于对所述分类特征向量进行流形曲面优化以得到优化分类特征向量；以及检测结果生成模块，用于将所述优化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被检测球销的成型质量是否合格
。
[0007]在上述的球销的自动化生产线中，所述检测空间强化模块，用于：通过所述使用空间注意力机制的卷积神经网络模型的各层在层的正向传递过程中对输入数据分别进行：对
输入数据进行卷积处理以生成第一卷积特征图；对所述第一卷积特征图进行池化处理以生成第一池化特征图；对所述第一池化特征图进行非线性激活以生成第一激活特征图；计算所述第一激活特征图的各个位置沿通道维度的均值以生成第一空间特征矩阵；计算所述第一空间特征矩阵中各个位置的类
Softmax
函数值以获得第一空间得分矩阵；以及计算所述第一空间特征矩阵和所述第一空间得分图的按位置点乘以获得第一特征矩阵；其中，所述使用空间注意力机制的卷积神经网络模型的最后一层输出的所述特征矩阵为所述多个第一检测局部特征矩阵
。
[0008]在上述的球销的自动化生产线中，所述参考空间强化模块，用于：通过所述使用空间注意力机制的卷积神经网络模型的各层在层的正向传递过程中对输入数据分别进行：对输入数据进行卷积处理以生成第二卷积特征图；对所述第二卷积特征图进行池化处理以生成第二池化特征图；对所述第二池化特征图进行非线性激活以生成第二激活特征图；计算所述第二激活特征图的各个位置沿通道维度的均值以生成第二空间特征矩阵；计算所述第二空间特征矩阵中各个位置的类
Softmax
函数值以获得第二空间得分矩阵；以及计算所述第二空间特征矩阵和所述第二空间得分图的按位置点乘以获得第二特征矩阵；其中，所述使用空间注意力机制的卷积神经网络模型的最后一层输出的所述特征矩阵为所述多个第二参考局部特征矩阵
。
[0009]在上述的球销的自动化生产线中，所述相似度度量模块，包括：余弦相似度计算单元，用于以如下余弦相似度计算所述多个第一检测局部特征矩阵和所述多个第二参考局部特征矩阵中每组对应的第一检测局部特征矩阵和第二参考局部特征矩阵之间余弦相似度以得到所述多个余弦相似度；其中，所述余弦相似度计算公式为：其中，和分别表示所述多个第一检测局部特征矩阵和所述多个第二参考局部特征矩阵中每组对应的第一检测局部特征矩阵和第二参考局部特征矩阵，和分别表示所述多个第一检测局部特征矩阵和所述多个第二参考局部特征矩阵中每组对应的第一检测局部特征矩阵和第二参考局部特征矩阵的第位置的特征值，表示所述多个第一检测局部特征矩阵和所述多个第二参考局部特征矩阵中每组对应的第一检测局部特征矩阵和第二参考局部特征矩阵之间的余弦距离；以及排列单元，用于将所述多个余弦相似度进行排列以得到所述分类特征向量
。
[0010]在上述的球销的自动化生产线中，所述优化模块，用于：以如下优化公式对所述分类特征向量进行流形曲面优化以得到所述优化分类特征向量；其中，所述优化公式为：，其中，是所述分类特征向量的第个位置的特征值，和 是所述分类特征向量的特征值集合的均值和标准差，且是所述优化分类特征向量的第 个位置的特征值
。
[0011]在上述的球销的自动化生产线中，所述检测结果生成模块，用于：使用所述分类器的多个全连接层对所述优化分类特征向量进行全连接编码以得到编码分类特征向量；以及将所述编码分类特征向量通过所述分类器的
Softmax
分类函数以得到所述分类结果
。
[0012]根据本申请的另一个方面，提供了一种球销的自动化生产方法，其包括：获取由摄
像头采集的被检测球销的检测图像；获取质量合格的球销的参考图像；对所述检测图像和所述参考图像进行区域划分以得到多个第一检测局部图像和多个第二参考局部图像；将所述多个第一检测局部图像通过使用空间注意力机制的卷积神经网络模型以得到多个第一检测局部特征矩阵；将所述多个第二参考局部图像通过所述使用空间注意力机制的卷积神经网络模型以得到多个第二参考局部特征矩阵；分别计算所述多个第一检测局部特征矩阵和所述多个第二参考局部特征矩阵中每组对应的第一检测局部特征矩阵和第二参考局部特征矩阵之间余弦相似度以得到由多个余弦相似度组成的分类特征向量；对所述分类特征向量进行流形曲面优化以得到优化分类特征向量；以及将所述优化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被检测球销的成型质量是否合格
。
[00本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种球销的自动化生产线，其特征在于，包括：检测图像获取模块，用于获取由摄像头采集的被检测球销的检测图像；参考图像获取模块，用于获取质量合格的球销的参考图像；区域划分模块，用于对所述检测图像和所述参考图像进行区域划分以得到多个第一检测局部图像和多个第二参考局部图像；检测空间强化模块，用于将所述多个第一检测局部图像通过使用空间注意力机制的卷积神经网络模型以得到多个第一检测局部特征矩阵；参考空间强化模块，用于将所述多个第二参考局部图像通过所述使用空间注意力机制的卷积神经网络模型以得到多个第二参考局部特征矩阵；相似度度量模块，用于分别计算所述多个第一检测局部特征矩阵和所述多个第二参考局部特征矩阵中每组对应的第一检测局部特征矩阵和第二参考局部特征矩阵之间余弦相似度以得到由多个余弦相似度组成的分类特征向量；优化模块，用于对所述分类特征向量进行流形曲面优化以得到优化分类特征向量；以及检测结果生成模块，用于将所述优化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被检测球销的成型质量是否合格
。2.
根据权利要求1所述的球销的自动化生产线，其特征在于，所述检测空间强化模块，用于：通过所述使用空间注意力机制的卷积神经网络模型的各层在层的正向传递过程中对输入数据分别进行：对输入数据进行卷积处理以生成第一卷积特征图；对所述第一卷积特征图进行池化处理以生成第一池化特征图；对所述第一池化特征图进行非线性激活以生成第一激活特征图；计算所述第一激活特征图的各个位置沿通道维度的均值以生成第一空间特征矩阵；计算所述第一空间特征矩阵中各个位置的类
Softmax
函数值以获得第一空间得分矩阵；以及计算所述第一空间特征矩阵和所述第一空间得分图的按位置点乘以获得第一特征矩阵；其中，所述使用空间注意力机制的卷积神经网络模型的最后一层输出的所述特征矩阵为所述多个第一检测局部特征矩阵
。3.
根据权利要求2所述的球销的自动化生产线，其特征在于，所述参考空间强化模块，用于：通过所述使用空间注意力机制的卷积神经网络模型的各层在层的正向传递过程中对输入数据分别进行：对输入数据进行卷积处理以生成第二卷积特征图；对所述第二卷积特征图进行池化处理以生成第二池化特征图；对所述第二池化特征图进行非线性激活以生成第二激活特征图；计算所述第二激活特征图的各个位置沿通道维度的均值以生成第二空间特征矩阵；计算所述第二空间特征矩阵中各个位置的类
Softmax
函数值以获得第二空间得分矩阵；以及计算所述第二空间特征矩阵和所述第二空间得分图的按位置点乘以获得第二特征矩阵；其中，所述使用空间注意力机制的卷积神经网络模型的最后一层输出的所述特征矩阵为所述多个第二参考局部特征矩阵
。4.
根据权利要求3所述的球销的自动化生产线，其特征在于，所述相似度度量模块，包括：余弦相似度计算单元，用于以如下余弦相似度计算所述多个第一检测局部特征矩阵和所述多个第二参考局部特征矩阵中每组对应的第一检测局部特征矩阵和第二参考局部特征矩阵之间余弦相似度以得到所述多个余弦相似度；其中，所述余弦相似度计算公式为：其中，和分别表示所述多个第一检测局部特征矩阵和所述多个第二参考局部特征矩阵中每组对应的第一检测局部特征矩阵和第二参考局部特征矩阵，和分别表示所述多个第一检测局部特征矩阵和所述多个第
二参考局部特征矩阵中每组对应的第一检测局部特征矩阵和第二参考局部特征矩阵的第位置的特征值，表示所述多个第一检测局部特征矩阵和所述多个第二参考局部特征矩阵中每组对应的第一检测局部特征矩阵和第二参考局部特征矩阵之间的余弦距离；以及排列单元，用于将所述多个余弦相似度进行排列以得到所述分类特征向量
。5.
根据权利要求4所述的球销的自动化生产线，其特征在于，所述优化模块，用于：以如下优化公式对所述分类特征向量进行流形曲面优化以得到所述优化分类特征向量；其中，所述优化公式为：，其中，是所述分类特征向量的第个位置的特征值，和 是所述分类特征向量的特征值集合的均值和标准差，且是所述优化分类特征向量的第 个位置的特征值
。6.
根据权利要求5所述的球销的自动化生...

【专利技术属性】
技术研发人员：林雪泉，阮刚，
申请(专利权)人：浙江工交机械股份有限公司，
类型：发明
国别省市：