[发明专利]一种基于图像识别的工业流水线质量监控方法

说明书

本发明公开了一种基于图像识别的工业流水线质量监控方法，包括以下步骤：S1，在被监测流水线上安装激光线扫相机、工业光学相机；S2，同时采集大量激光线扫相机获取的轮廓数据A和工业光学相机获取的图片数据B；S3，取A中每帧数据最大值，作为球状产品的体积度量值，记为C；S4，按时间同步的原则，将C和B分别拆分为两份，C拆分为C1、C2，B拆分为B1、B2；S5，以B1、C1作为训练样本数据进行训练，获取模型M，所述模型M的输入是B1，输出是C1。通过构建神经网络模型，从而使得工业光学相机实时采集的图像数据通过模型M来代替完成激光线扫相机监测流水线上球状产品体积上限的任务，从而实现以工业光学相机代替激光线扫相机。

技术领域

本发明属于工业流水线质量监控技术领域，尤其涉及一种基于图像识别的工业流水线质量监控方法。

背景技术

目前，普通光学相机技术已相当成熟，其结构日趋简单、成本相对低廉，因此需求量巨大；而另一方面，激光线扫相机结构复杂、成本高昂，因此需求量较小。在当前的工业流水线质量监控过程中，监测流水线上球形产品的体积上限时，大多采用激光线扫相机获取轮廓数据的方案，受前述原因影响，此方案成本高昂。所以承需一种以工业光学相机代替激光线扫相机获取流水线上球形产品的体积的方法，以帮助上述场景下，节省掉激光线扫相机的成本。本发明所述方法旨在解决这一问题。

发明内容

针对现有技术不足，本发明的目的在于提供一种基于图像识别的工业流水线质量监控方法，解决了背景技术中提出的问题。

本发明提供如下技术方案：

一种基于图像识别的工业流水线质量监控方法，包括以下步骤：

S1，在被监测流水线上安装激光线扫相机、工业光学相机，所述激光线扫相机、工业光学相机用于采集同一监测点区域的图像；

S2，同时采集大量激光线扫相机获取的轮廓数据A和工业光学相机获取的图片数据B；

S3，取A中每帧数据最大值，作为球状产品的体积度量值，记为C；

S4，按时间同步的原则，将C和B分别拆分为两份，C拆分为C1、C2，B拆分为B1、B2；

S5，以B1、C1作为训练样本数据进行训练，获取模型M，所述模型M的输入是B1，输出是C1。

优选的，还包括步骤：S6，以B2、C2作为测试样本数据，对步骤S5训练完成的模型M进行测试，验证输入B2经模型M，输出C2的偏差是否小于阈值；

S7，拆除激光线扫相机，以光学相机实时获取的图片数据输入模型M，输出被监测流水线上球状产品的度量值D，所述度量值D的偏差如果大于阈值则认为流水线球状产品体积超限。

优选的，步骤S2中，所述激光线扫相机、工业光学相机分别将拍摄的图像传输至单片机，所述单片机分别对图像分析并进行处理。

优选的，所述单片机对所述激光线扫相机的图像分析处理的过程包括以下步骤：A，在无球状产品经过时，采集监测点区域基准图像；

B，在球状产品经过时，实时采集监测点区域的图像，对每帧所得的图像进行最佳阈值分割和二值化处理后，将每帧所得的球状产品全部的轮廓数据依次存储到各自对应的数组P1中；

C，对每个数组P1中的全部数据均采用快速排序法进行数据从大到小排序，得到排序后的各自对应数组P2；

D，选取每个数组P2中的第一个数据Ck存储到数据集C中。

优选的，所述单片机对所述工业光学相机拍摄的图像经灰度、旋转、裁剪等必要处理后，即得到每帧的数据集Bk，多个Bk组成数据集B。