本申请涉及智能检测技术领域，其具体地公开了一种基于计算机视觉的零件加工精度自动识别系统及方法，其采用基于深度学习的计算机视觉技术对零件表面图像进行分析处理，提取出零件表面图像全局语义特征，挖掘出零件的边缘、轮廓、尺寸等信息，从而自动识别零件的加工质量是否合格。这样，可以实现对零件加工精度的快速、准确、自动化检测，提高检测效率，减少人为误差。
【技术实现步骤摘要】
本申请涉及智能检测，且更为具体地，涉及一种基于计算机视觉的零件加工精度自动识别系统及方法。
技术介绍
1、随着现代工业产品设计和制造技术的不断革新升级,机械装备制造业得到了前所未有的迅猛发展。零件加工精度是衡量机械制造质量的重要指标，高精度加工的零件可以确保产品在装配、运行和使用过程中具有良好的性能和稳定性，减少故障率，延长使用寿命。
2、为了确保零件的加工精度，需要对零件进行严格的质量监控和检测。然而，许多现有的零件加工精度检测技术仍然依赖于人工操作，自动化程度较低，不仅增加了操作人员的劳动强度，还可能引入人为误差，影响检测结果的准确性。此外，随着制造业的发展，零件的种类和复杂度不断增加，传统检测方法已经难以满足现代工业对机械零件加工精度的检测要求。因此，期待一种基于计算机视觉的零件加工精度自动识别系统及方法。
技术实现思路
1、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基于计算机视觉的零件加工精度自动识别系统及方法，其采用基于深度学习的计算机视觉技术对零件表面图像进行分析处理，提取出零件表面图像全局语义特征，挖掘出零件的边缘、轮廓、尺寸等信息，从而自动识别零件的加工质量是否合格。这样，可以实现对零件加工精度的快速、准确、自动化检测，提高检测效率，减少人为误差。
2、相应地，根据本申请的一个方面，提供了一种基于计算机视觉的零件加工精度自动识别系统，其包括：
3、零件表面图像获取模块，用于获取由摄像头采集的零件表面图像；
4、图像局部区域特征提取模块，用于对所述零件表面图像进行局部区域特征提取以得到零件局部表面质量特征图的序列；
5、特征强化模块，用于对所述零件局部表面质量特征图的序列进行特征强化处理以得到强化零件局部表面质量特征图的序列；
6、全局语义上下文关联编码模块，用于提取所述强化零件局部表面质量特征图的序列的全局语义上下文关联特征以得到零件表面质量全局语义关联特征图；
7、零件加工质量识别模块，用于基于所述零件表面质量全局语义关联特征图，确定零件的识别结果。
8、在上述基于计算机视觉的零件加工精度自动识别系统中，所述图像局部区域特征提取模块，包括：对比度增强处理单元，用于对所述零件表面图像进行对比度增强处理以得到对比度增强零件表面图像；图像分块处理单元，用于对所述对比度增强零件表面图像进行图像分块处理以得到零件表面图像块的序列；零件表面质量特征提取单元，用于分别提取所述零件表面图像块的序列中各个零件表面图像块的图像特征以得到所述零件局部表面质量特征图的序列。
9、在上述基于计算机视觉的零件加工精度自动识别系统中，所述对比度增强处理单元，用于：对所述零件表面图像进行直方图均衡化预处理和clahe校正颜色以得到所述对比度增强零件表面图像。
10、在上述基于计算机视觉的零件加工精度自动识别系统中，所述零件表面质量特征提取单元，用于：将所述零件表面图像块的序列通过基于卷积神经网络模型的零件表面质量特征提取器以得到所述零件局部表面质量特征图的序列。
11、在上述基于计算机视觉的零件加工精度自动识别系统中，所述特征强化模块，用于：将所述零件局部表面质量特征图的序列中的各个零件局部表面质量特征图分别通过基于空间自注意力机制特征强化器以得到所述强化零件局部表面质量特征图的序列。
12、在上述基于计算机视觉的零件加工精度自动识别系统中，所述全局语义上下文关联编码模块，用于：将所述强化零件局部表面质量特征图的序列通过基于transformer模型的全局上下文关联编码器以得到所述零件表面质量全局语义关联特征图。
13、在上述基于计算机视觉的零件加工精度自动识别系统中，所述零件加工质量识别模块，包括：优化单元，用于对所述零件表面质量全局语义关联特征图进行基于数据维度的深度特征叠加以得到优化零件表面质量全局语义关联特征图；识别结果生成单元，用于将所述优化零件表面质量全局语义关联特征图通过基于分类器的零件加工质量识别器以得到所述识别结果，所述识别结果用于表示零件加工质量是否合格。
14、在上述基于计算机视觉的零件加工精度自动识别系统中，所述优化单元，用于：计算由所述零件表面质量全局语义关联特征图的所有位置的特征值组成的特征集合的方差以得到所述零件表面质量全局语义关联特征图的特征值方差；对所述零件表面质量全局语义关联特征图的各个位置的特征值计算绝对值的平方再进行以二为底的对数运算以得到对数变换零件表面质量全局语义关联特征图；将所述对数变换零件表面质量全局语义关联特征图的所有特征值进行累加求和以得到所述对数变换零件表面质量全局语义关联特征图的加和值；将所述对数变换零件表面质量全局语义关联特征图的加和值除以两倍的所述零件表面质量全局语义关联特征图的特征值方差再乘以所述零件表面质量全局语义关联特征图的各个位置的特征值以得到所述优化零件表面质量全局语义关联特征图。
15、根据本申请的另一个方面，提供了一种基于计算机视觉的零件加工精度自动识别方法，其包括：
16、获取由摄像头采集的零件表面图像；
17、对所述零件表面图像进行局部区域特征提取以得到零件局部表面质量特征图的序列；
18、对所述零件局部表面质量特征图的序列进行特征强化处理以得到强化零件局部表面质量特征图的序列；
19、提取所述强化零件局部表面质量特征图的序列的全局语义上下文关联特征以得到零件表面质量全局语义关联特征图；
20、基于所述零件表面质量全局语义关联特征图，确定零件的识别结果。
21、与现有技术相比，本申请提供的基于计算机视觉的零件加工精度自动识别系统及方法，其采用基于深度学习的计算机视觉技术对零件表面图像进行分析处理，提取出零件表面图像全局语义特征，挖掘出零件的边缘、轮廓、尺寸等信息，从而自动识别零件的加工质量是否合格。这样，可以实现对零件加工精度的快速、准确、自动化检测，提高检测效率，减少人为误差。
本文档来自技高网...
【技术保护点】
1.一种基于计算机视觉的零件加工精度自动识别系统，其特征在于，包括：
2.根据权利要求1所述的基于计算机视觉的零件加工精度自动识别系统，其特征在于，所述图像局部区域特征提取模块，包括：
3.根据权利要求2所述的基于计算机视觉的零件加工精度自动识别系统，其特征在于，所述对比度增强处理单元，用于：
4.根据权利要求3所述的基于计算机视觉的零件加工精度自动识别系统，其特征在于，所述零件表面质量特征提取单元，用于：
5.根据权利要求4所述的基于计算机视觉的零件加工精度自动识别系统，其特征在于，所述特征强化模块，用于：
6.根据权利要求5所述的基于计算机视觉的零件加工精度自动识别系统，其特征在于，所述全局语义上下文关联编码模块，用于：
7.根据权利要求6所述的基于计算机视觉的零件加工精度自动识别系统，其特征在于，所述零件加工质量识别模块，包括：
8.根据权利要求7所述的基于计算机视觉的零件加工精度自动识别系统，其特征在于，所述优化单元，用于：
9.一种基于计算机视觉的零件加工精度自动识别方法，其特征在于，包括：
10.根据权利要求9所述的基于计算机视觉的零件加工精度自动识别方法，其特征在于，对所述零件表面图像进行局部区域特征提取以得到零件局部表面质量特征图的序列，包括：
...
【技术特征摘要】
1.一种基于计算机视觉的零件加工精度自动识别系统，其特征在于，包括：
2.根据权利要求1所述的基于计算机视觉的零件加工精度自动识别系统，其特征在于，所述图像局部区域特征提取模块，包括：
3.根据权利要求2所述的基于计算机视觉的零件加工精度自动识别系统，其特征在于，所述对比度增强处理单元，用于：
4.根据权利要求3所述的基于计算机视觉的零件加工精度自动识别系统，其特征在于，所述零件表面质量特征提取单元，用于：
5.根据权利要求4所述的基于计算机视觉的零件加工精度自动识别系统，其特征在于，所述特征强化模块，用于：
6.根据权利要求...
【专利技术属性】
技术研发人员：熊春林，张宜红，熊波林，
申请(专利权)人：江西金虎保险设备集团有限公司，
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。