应用激光三角测量法的化纤丝饼毛羽检测

发布时间：2024-03-17 12:23

　　针对化纤丝饼毛羽人工检测效率低、漏检率高且存在二次污染的问题,提出应用激光三角测量法和改进的SSD模型检测丝饼毛羽。首先搭建丝饼毛羽图像采集装置,通过激光三角测量法直接获取毛羽表面信息。然后构建改进的SSD丝饼毛羽检测模型,在前端网络中采用Mobilenet作为新的特征提取器,后端网络中采用特征融合的方式设计多级特征金字塔。最后对训练的丝饼毛羽检测模型进行验证。结果表明:模型对丝饼毛羽检测的平均精确率均值为97.7%,检测速度达到40帧·s^-1。该方法实现了丝饼毛羽的自动化检测,检测精度高、速度快,具有重要的工业应用价值。

【文章页数】：7 页

【部分图文】：

图3图像采集装置

卷绕成形后的化纤丝饼内部无法检测,当前检测的丝饼毛羽仅为丝饼外层表面存在的毛羽,包括上、下端面和柱面,属于大面积毛羽抽样检测。为直接得到丝饼表面清晰的毛羽图像,搭建上述激光三角测量法设计的丝饼毛羽图像采集装置,如图3所示。该装置由计算机、旋转控制台、激光光源、工业面阵相机、光电开....

图4丝饼毛羽图像

从图4中可以看出,应用激光三角测量法采集的丝饼毛羽与自身背景分离且边缘清晰,不需要进行图像预处理过程,简化检测流程。同时毛羽图像为二值图,可以减少丝饼毛羽检测模型训练的参数量,提高检测效率。2改进的SSD丝饼毛羽检测

图5SSD框架

SSD是一种基于回归思想的单次阶段深度学习目标检测模型,其基本框架如图5所示,主要由前、后两端网络组成[18]:前端网络是以截断的VGG16网络作为基础的特征提取器,首先去除深度卷积神经网络的分类层,然后用卷积层替换FC6、FC7全连接层,用于目标特征初步提取。后端网络是以级联网....

图6基础CNN卷积

式中:K为当前层卷积核的个数;D为数据通道数;F为卷积核大小;N为输入数据的宽和高。深度可分卷积由深度卷积(depthwiseconvolution,DC)和逐点卷积(pointwiseconvolution,PC)组成,利用DSC算法改进卷积核运算,深度可分卷积计算如图7所....

本文编号：3931027