1.一种应用深度学习图像处理的分布式异性纤维分检系统,其特征在于:包括分布式的图像采集系统、嵌入式的图像处理系统、电磁阀控制系统,所述图像处理系统与图像采集系统、电磁阀控制系统分别相连接,所述电磁阀控制系统和图像采集系统安装在物料输送通道上;所述图像处理系统内设置有学习模块、检测模块和辅助模块,所述检测模块和辅助模块应用深度神经网络,都与图像采集系统、电磁阀控制系统相连接,所述学习模块和检测模块相连接。
2.根据权利要求1所述的应用深度学习图像处理的分布式异性纤维分检系统,其特征在于:所述图像采集系统包括安装在物料输送通道两侧拍摄位的高速相机,从物料两侧或单侧获取图像。
3.根据权利要求2所述的应用深度学习图像处理的分布式异性纤维分检系统,其特征在于:所述图像采集系统还包括与高速相机相连接的预处理板,所述高速相机采集的图像数据传送到预处理板,每部高速相机配备预处理板或者多部高速相机共用一个预处理板。
4.根据权利要求3所述的应用深度学习图像处理的分布式异性纤维分检系统,其特征在于:所述图像处理系统通过千兆网或高速数据协议线缆链接高速相机后端的预处理板,预处理板应用fpga或dsp架构,对从相机采集来的数据进行图像预处理,将预处理结果输送到嵌入式的图像处理系统。
5.根据权利要求1所述的应用深度学习图像处理的分布式异性纤维分检系统,其特征在于:所述图像处理系统与触摸显示系统相连接,用于收发指令或显示状态。
6.根据权利要求1所述的应用深度学习图像处理的分布式异性纤维分检系统,其特征在于:所述学习模块用于对高速实时流水线中异性纤维的特征要素应用基于深度神经网络的深度学习,所述异性纤维的特征要素包括异性纤维的分类情况、位置、坐标、大小、流速。
7.根据权利要求1所述的应用深度学习图像处理的分布式异性纤维分检系统,其特征在于:所述检测模块用于应用训练出的神经网络,对高速拍摄到的图像进行分析,获取异性纤维在图中的坐标位置,进行图片分析时,建立智能构图深度神经网络的训练数据集,根据高速工业相机拍摄到的图片,提取需要检出的异性纤维的坐标。
8.根据权利要求1所述的应用深度学习图像处理的分布式异性纤维分检系统,其特征在于:所述辅助模块对应高速流动的纤维图片进行算法处理,得到流动的速度。
9.根据权利要求1所述的应用深度学习图像处理的分布式异性纤维分检系统,其特征在于:所述图像处理系统使用基于pc-based的图像处理系统。