[发明专利]一种面向任意角度机箱装配视觉检测的卷积神经网络质量鉴别方法

说明书

本发明提供一种面向任意角度机箱装配视觉检测的卷积神经网络质量鉴别方法，所述方法包括：构建机箱装配零部件距离求解模型；基于先验分布构建正则化层，引入残差块，解决模型退化问题；设置多段学习率，获得梯度下降最优值的卷积神经网络模型；结合卷积神经网络提取的机箱装配特征信息，通过机箱装配检测模型完成任意角度机箱装配质量鉴别。本发明利用卷积神经网络特征提取与表征优势，解决经典图像分类算法对复杂图像及特定的分类方式针对性不足问题，设置多段学习率提高卷积神经网络收敛速度及分类准确率，有助于在任意角度机箱装配质量鉴别的视觉检测中应用。

技术领域

本发明涉及装配质量鉴别领域，尤其涉及一种面向任意角度机箱装配视觉检测的卷积神经网络质量鉴别方法。

背景技术

视觉检测技术因准确性高、非接触、适用性好而得到广泛应用。由于机箱的装配零部件具有部位多、类型繁杂等特点，传统人工检测方法难以高效、高质量完成检测任务。机箱装配质量的优劣直接影响产品的使用，对其质量进行检测分析十分必要。基于传统图像分类的视觉检测方法提取的特征均为图像底层视觉特征，分类精度较低，在复杂场景中经典图像分类方法难以达到好效果。

近年来，随着视觉检测技术发展与计算能力巨大提升，深度网络已在视觉检测任务上应用与发展，卷积神经网络开始应用于制造产品质量检测并取得显著成效。卷积神经网络通过多层卷积运算对图像逐层提取特征，获取更高阶的统计数据再通过分类器实现图像多分类，完成视觉检测任务，具有检测效率高、准确率高的特点。可以看出，人工质量检测与经典图像分类方法在制造产品质量视觉检测应用效果欠佳，同时基于卷积神经网络制造产品质量检测技术是该领域未来趋势。若能利用卷积神经网络特征提取与表征优势，解决经典图像分类算法对复杂图像及特定的分类方式针对性不足问题，基于任意角度机箱装配零部件距离求解模型，将有助于在任意角度机箱装配质量鉴别的视觉检测中应用。

发明内容

为解决上述存在的问题与缺陷，本发明提供一种面向任意角度机箱装配视觉检测的卷积神经网络质量鉴别方法，利用卷积神经网络特征提取与表征优势，解决经典图像分类算法对复杂图像及特定的分类方式针对性不足问题，设置多段学习率提高卷积神经网络收敛速度及分类准确率，有助于在任意角度机箱装配质量鉴别的视觉检测中应用。

本发明的目的通过以下的技术方案来实现：

一种面向任意角度机箱装配视觉检测的卷积神经网络质量鉴别方法，该方法包括：

A构建任意角度机箱装配零部件距离求解模型；

B基于先验分布构建正则化层，引入残差块，解决模型退化问题；

C设置多段学习率，获得梯度下降最优值的卷积神经网络模型；

D结合卷积神经网络提取的机箱装配特征信息，通过机箱装配检测模型完成任意角度机箱装配质量鉴别。

本发明有益效果是：

利用卷积神经网络特征提取与表征优势，解决经典图像分类算法对复杂图像及特定的分类方式针对性不足问题，设置多段学习率提高卷积神经网络收敛速度及分类准确率，有助于在任意角度机箱装配质量鉴别的视觉检测中应用。

附图说明

图1是面向任意角度机箱装配视觉检测的卷积神经网络质量鉴别方法流程框图。

具体实施方式

下面结合实施例及附图对本发明作进一步详细的描述。

本发明是面向任意角度机箱装配视觉检测的卷积神经网络质量鉴别方法，如图1所示，该方法包括如下步骤：

步骤10、构建任意角度机箱装配零部件距离求解模型：

求解任意角度时将工业相机拍摄机箱实际位置映射到拍摄平面，旋转角度定义为θ，即任意角度值为：