【技术实现步骤摘要】
本专利技术涉及图像采集检测装置，尤其是涉及一种玻璃瓶内壁图像采集与深度学习图像处理技术。
技术介绍
1、在日常生活中，酒成了人们生活中必不可少的生活品，尤其是在宴会中，酒的需求往往是特别大的。对于玻璃瓶来说，其材料是石英砂做成，瓶身为深色，这不仅是工业本身剔除杂质成本较高，还是因为深色能够很好的阻隔光线，保证玻璃的质量。玻璃瓶在生产过程中，由于其化学材料，熔制工艺，温度气压或是设备等原因，容易造成瓶身产生裂纹。细微的裂纹，尤其是瓶身内壁的裂纹，不仅受限于瓶子颜色难于区分，更受限于内壁裂纹难于观察出来，而且人工检测不仅非常费时，效率还低。
2、因此，对于玻璃瓶内壁的裂纹检测具有十分重要的现实意义，不仅能够提升经济效益还能提高生产线的安全。由于玻璃瓶口细小需设计一个专门的内部图像采集装置。对于图片中的裂纹识别，可采用深度神经网络模型。本专利技术提供一种玻璃瓶内壁图像采集与检测一体的装置，简单易用，采集效率高，成本低，便于对玻璃瓶内壁进行实时的检测。
技术实现思路
1、本专利技术的目的是为了解决上述的问题，提供一种基于深度学习的玻璃瓶内壁裂纹检测装置。该专利技术可以让图像采集装置深入玻璃瓶内拍取瓶内全方面的图像，同时利用深度神经网络模型来检测图像中是否存在裂纹。具有检测速度快，效率高，成本廉价，安全性能高等优点。
2、本专利技术提出的基于深度学习的玻璃瓶内壁裂纹检测装置，所述专利技术包括：控制器装置，图像采集装置与裂纹检测装置。所述控制器装置包括两个激光发射器，两
3、所述控制器装置皆安装在支架上。进一步地，当待检测物品传输至第一个激光发射器处时，其阻碍了光电传感器接受光信号，光电传感器将传输一个弱信号传值主控器内。进一步地，主控器接受信号后控制履带减缓运输速度。进一步的，当待检测物品传输至第二个激光发射器出，阻碍第二个光电传感器接受光信号，同样主控器接受到光电传感器的信号。进一步地，主控器控制履带停止运输。
4、所述图像采集装置安装在支架上方的中心端，在支架两侧下方为激光发射器与光电传感器。进一步地，当玻璃瓶到达图像采集装置下方，主控器发出信号使得气缸带动气缸活塞杆延伸，使得微型摄像头进入玻璃瓶内部。进一步的雷达探测到微型摄像头已到达底部的一定位置时，发出信号给主控器。进一步地，主控器控制气缸停止，并让微型摄像头拍摄底部图像，再让旋转器旋转90°使得微型摄像头从底部转向面对侧面。进一步的，主控器发出信号，使得气缸带动气缸活塞杆收缩一段距离。进一步地，主控器控制微型摄像头拍摄图像，再让电机旋转120°。进一步地，再重复上述两次，以此让相机拍摄内壁一周的图像。进一步地，重复上述收缩操作，使得相机能够拍摄到内部所有的图像。
5、所述图像检测装置，连接着微型摄像头。进一步地，接受图像采集装置采集的图像，并使用深度卷积神经网络进行检测。其中网络框架是使用官方给出的yolov3源码，通过收集大量的玻璃瓶内壁裂纹的图像放入网络模型中进行训练。
6、yolo网络的检测是通过将图像分为数个小模块，若是模块中含有待检测目标图像的中心，则该模块负责检测并输出裂纹的位置信息。对于图像进入网络模型中，是通过卷积、池化、降采样层、iou运算和非极大值运算，最终的输出结果是一个概率矩阵。其中会有每个模块对裂纹概率的预测，当预测值大于阈值时则认为该模块中含有待检测的裂纹。模型的损失函数包含每个模块对裂纹预测的准确程度与位置框的精读，若偏差较大则损失函数的值越大。最终通过大量的训练能够得到裂纹检测与定位的深度学习网络模型。进一步地，检测结果将返回至主控器内。进一步地，主控器从新运行履带并开始下一个物品的检测。
7、所述的基于深度学习的玻璃瓶内壁裂纹检测装置，待检测物品在履带上传输至图像采集装置下方时，主控器控制履带停止传输并控制图像采集采集内壁图像，最终通过深度学习的模型识别图像中是否含有裂纹，并将结果返回至主控内。
本文档来自技高网...【技术保护点】
1.一种基于深度学习的玻璃瓶内壁裂纹检测装置，其特征在于，所述方法包括：
2.根据权利要求1所述的激光发射器对应着光电传感器，其特征在于，所述的激光发射器与光电传感器安装在支架两侧，第一个光电传感器发出信号后，主控制控制履带减缓速度，第二个光电传感器发出信号后控制履带停止运输。以此方法来控制待检测物品的精准位置。
3.根据权利要求1所述的图像采集装置，其特征在于，电机能够带动下方的微型摄像头旋转，进而拍摄到内圈的图像。气缸活塞杆能够延伸与收缩，而带动下方的微型摄像头进出玻璃瓶内外。雷达能够探测微型摄像头与玻璃瓶底部的距离，从而控制微型摄像头在特定的位置拍摄图像。光源能够照亮相对较暗的玻璃瓶内部，以方便后续的图像检测。旋转器能够实现微型摄像头拍摄底部与侧身的转换。根据权利要求1所述的一个训练好的深度神经网络，其特征在于，网络模型采用YOLOv3检测，并亲自采集玻璃瓶内壁裂纹图像，将每幅图像中所有裂纹的标记出来，制作成一个数据集。将其放入网络模型中进行预测，通过训练1000轮来提高网络模型对内壁裂纹识别的准确率。
【技术特征摘要】
1.一种基于深度学习的玻璃瓶内壁裂纹检测装置，其特征在于，所述方法包括：
2.根据权利要求1所述的激光发射器对应着光电传感器，其特征在于，所述的激光发射器与光电传感器安装在支架两侧，第一个光电传感器发出信号后，主控制控制履带减缓速度，第二个光电传感器发出信号后控制履带停止运输。以此方法来控制待检测物品的精准位置。
3.根据权利要求1所述的图像采集装置，其特征在于，电机能够带动下方的微型摄像头旋转，进而拍摄到内圈的图像。气缸活塞杆能够延伸与收缩，而...
【专利技术属性】
技术研发人员：吴文伟，罗笑南，徐颂华，陈瑞爱，
申请(专利权)人：岭南现代农业科学与技术广东省实验室肇庆分中心，
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。