[发明专利]一种用于图像深度学习的数据集采集系统

说明书

本发明涉及一种用于图像深度学习的数据集采集系统，包括置于系统内腔的工业相机、位移机构、多方位照明光源和计算机，其特征在于，工业相机用于采集不同位姿、不同光照情况下产品表面图像，进行数据集获取；位移机构，包括水平运动轴系、升降运动、倾斜运动轴和俯仰运动轴，水平运动轴系由水平运动轴X和水平运动轴Y构成，用于带动待测产品在平面内运动；升降运动、倾斜运动轴和俯仰运动轴与工业相机相连接，用于搭载工业相机进行升降、倾斜或俯仰运动，实现对产品表面不同空间角度的拍摄；多方位照明光源，包括在系统内腔环置的不同角度的平板光源、搭载在工业相机镜头上的环形光源以及设置在待测产品下方的背光光源。

技术领域

本发明涉及一种用于图像深度学习的数据集采集系统。

背景技术

在产品生产和应用过程中，对产品表面检测和识别分类是至关重要的一个环节。随着计算机技术的发展，对产品表面检测识别从依靠人工进行发展到了通过数字图像处理技术实现自动化检测。但传统的数字图像处理技术对图像获取环境要求高，当图像采集环境稍加改变，便会带来对物体识别准确率降低的问题。近年来，随着人工智能技术兴起，通过深度学习的方法对图像识别检测成为一种更加可靠的方式，卷积神经网络作为深度学习的代表算法之一，对二维图像处理表现突出，特别是在识别位移、缩放及其它形式扭曲不变性的图像中具有良好的鲁棒性和较高的运算效率。然而，深度学习的训练需要有足够庞大的数据集支撑，传统的扩充数据集的方法主要通过图像处理手段，即在原有数据基础上进一步丰富数据集，这种方法存在一定的局限性，这也是制约图像深度学习应用于各行业产品表面检测和识别分类的一大难题。目前，在产品表面数据集获取方面主要存在以下问题：

(1)从数据集采集方式考虑，传统数据集采集方式单一化、理想化，不能充分说明实际应用过程中图像采集的情况。

(2)从数据集本身考虑，现阶段所获取的数据量少且丰富度不够；

(3)从数据集采集过程考虑，数据集采集周期长，需要大量的人力物力，成本较高。

发明内容

针对上述问题，本发明的目的是提供一种用于图像深度学习的数据集采集系统，可以全面模拟不同实际场景下的拍摄情况，以解决传统数据集创造方式单一化、理想化、数据量少且丰富度不够等难题。为实现上述目的，本发明采取以下技术方案：

一种用于图像深度学习的数据集采集系统，包括置于系统内腔的工业相机、位移机构、多方位照明光源和计算机，其特征在于，

工业相机用于采集不同位姿、不同光照情况下产品表面图像，进行数据集获取；

位移机构，包括水平运动轴系、升降运动、倾斜运动轴和俯仰运动轴，水平运动轴系由水平运动轴X和水平运动轴Y构成，用于带动待测产品在平面内运动；升降运动、倾斜运动轴和俯仰运动轴与工业相机相连接，用于搭载工业相机进行升降、倾斜或俯仰运动，实现对产品表面不同空间角度的拍摄；

多方位照明光源，包括在系统内腔环置的不同角度的平板光源、搭载在工业相机镜头上的环形光源以及设置在待测产品下方的背光光源；

计算机，用于控制位移机构的动作和多方位照明光源。

本发明由于采取以上技术方案，其具有以下优点：

(1)本发明通过位移机构，可以实现对产品表面不同位置、不同视角的拍摄；

(2)本发明通过多方位照明光源，可以实现模拟实际拍摄时光照不均匀情况；

(3)本发明通过位移机构和多方位照明光源之间相互配合，可以实现空间多方位光源随机打光、空间织物不同位置随机拍摄，全面获取产品表面信息数据集。

(4)本发明实现了图像采集过程自动化，采集速度快，可以在短时间内构造丰富且大量的数据集。

附图说明