照度计全自动智能检定系统的研制

发布时间：2020-06-21 20:56

【摘要】：目前国内照度计检定多数依靠人工手动进行操作,一般需要两名检定员配合完成检定过程,整个检定过程不仅需要花费比较多的时间,而且,由于在检定过程中人工手动操作部分比较多,各个环节都可能被人为有意或无意地更改检定数据,因此很容易引入粗大误差的影响,影响测量结果的准确度。而较为新型的检定仪器主要依赖从国外引进,其各检定系统相对独立,自动化程度不高,从而具有检定效率和检定精度较低、检定成本较高、自动化程度低等缺点。未来照度计检定系统定要往自动化、智能化、高精度化、可信化方向发展。为此,本文以“照度计全自动智能检定系统的研制”为题,研究基于SSD(Single Shot MultiBox Detector)的暗室低对比度照度计数值视觉获取技术、照度计光敏感元件的对准技术和照度计检定装置全自动控制与信息处理技术等,促进照度计检定的应用发展,提升照度计检定的精度与效率,具有重要学术价值与实际意义。项目研究工作得到广东省质量技术监督局科技项目(2018CJ12)资助。论文研制照度计全自动智能检定系统,从照度计智能检定装置、数字化仪器数值的视觉获取方法、被检仪器对准技术三方面,综述国内外研究进展,确定研究内容。论文主要工作包括:⑴分析照度计全自动智能检定系统实际需求,设计照度计智能检定系统检定框架与流程,并研究暗室低对比度照度计数值的视觉获取、照度计光敏感元件的对准、照度计检定装置全自动控制与信息处理等技术实现方法,做到全面提升照度计检定系统自动化智能检定水平。⑵根据照度计检定所处实际环境和各待检位置分布,分析基于SSD的暗室低对比度照度计数值视觉获取机理,根据检定需求改进SSD目标检测过程,研究工业相机曝光时间和对捕获图像预处理对于图像及后续识别影响并设计照度计示值识别对比实验。⑶深入分析照度计光敏感元件的人工对准机理,提出自动化提升方案,研究Mask R-CNN深度神经网络在光敏感元件位置姿态识别及对准中的应用实现,并建立像素点数与实际距离之间的函数关系,通过步进电机实现光敏感元件高精度对准。⑷设计照度计检定装置全自动控制软件功能与信息处理流程,完成照度计全自动智能检定系统设计,最终将信息录入报表,生成完整的测试报告。
【学位授予单位】：华南理工大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TP391.41;TH765.21
【图文】：

数据集,示例,图像,照度计

第三章基于 SSD 的暗室低对比度照度计数值视觉获取技术研究使用已标定图像数据集输入 SSD 训练网络，经过多层卷积、池化、ROI 计算、识别分类等操作后，得到目标框、目标框区域、框内所属类别、置信度等目标检测结果，通过相关公式计算损失函数并用梯度下降算法更新网络参数[41]。当损失函数值趋于一个定值时说明网络训练收敛，保存此时网络参数用于后续照度计示值识别。图 3-4 为本文 SSD 深度神经网络训练所使用数据集图像中部分示例，该数据集由网络上有关数码管显示的各种仪器、装置、电子产品及纯字符等共计 839 张图像构成，包含温湿度计、纯数码管字符、数字直流稳压源、照度计、电子时钟、万用表、噪声测试仪等图像，这些图像中数码管示数颜色、角度、大小、位置各异，十分具有代表性，有助于提升 SSD 深度神经网络对不同类型数码管示数图像检出率和识别准确率[42]。

制作界面,数据集

【参考文献】