本发明属于机械加工检测,特别涉及一种孔槽识别检测方法、系统、设备及介质。
背景技术:
1、在工业智能制造过程中,对板材或组件进行检测是验证产品质量的一道重要工序。因设计或后续的工序需求,在板材或组件上加工出各种各样(类型、尺寸不同)的孔槽。然而,工作人员在研究过程中发现,在对孔槽进行检测的过程中,存在着如下的技术问题:
2、(1)在低配置的图像采集环境下,采集后的图像经常出现曝光、图像噪音大以及图像清晰度不足的情况,因无法清楚地识别而造成视觉检测工作出现错检或检测效果差的现象。
3、(2)对于图像噪音大的孔槽,孔槽的类别因视觉检测出现误判,从而导致工序匹配错误。
4、(3)若单独采用yolo,则数据处理量大,检测速度慢;若直接采用u-net,则无法处理高分辨率的图像。
技术实现思路
1、本发明目的在于提供一种孔槽识别检测方法、系统、设备及介质,能实现清晰准确地识别出孔槽的类型和尺寸,避免出现错检、误判的问题,减少检测过程中的数据处理量,同时能够实现对模糊图像进行精准定位、检测尺寸,满足后续对比或匹配检测需求。
2、为解决上述技术问题所采用的技术方案:
3、第一方面,本发明提供一种孔槽识别检测方法,包括如下的步骤:
4、获取待测图像;
5、建立第一标准数据库和第二标准数据库;
6、利用所述第一标准数据库识别获取所述待测图像中单个孔槽的基本信息框;
7、利用所述第二标准数据库校正所述基本信息框内的孔槽信息;
8、将校正后的所述孔槽信息与目标数据库进行检测匹配。
9、本发明提供的孔槽识别检测方法至少具有如下的有益效果:通过所建立的第一标准数据库对所获取的待测图像进行处理,清楚识别出待测图像中每个孔槽的位置,从而获取与孔槽相对应的基本信息框;然后,借助第二标准数据库对所获取的每个基本信息框进行处理,将基本信息框内的孔槽信息进行校正,消除图像噪音,以获得准确的孔槽信息;通过将校正后的孔槽信息与目标数据库中的标准数据进行比对匹配,以剔除出不能匹配的待测件,从而完成检测匹配工序;而且,还能够减少检测过程中的数据处理量,提升检测速度,很好地解决了现有技术中容易出现错检、误判、检测效果差和效率慢的问题。
10、作为上述技术方案的进一步改进,所述建立第一标准数据库,包括如下的步骤:
11、获取孔槽数据集和yolo预训练模型;
12、根据所述孔槽数据集对所述yolo预训练模型进行训练并测试,以获得作为第一标准数据库的yolo目标检测模型。
13、在第一标准数据库的建立工作中,先获取已建立的孔槽数据集和已构造的yolo预训练模型,然后借助孔槽数据集进行训练并测试,从而生成yolo目标检测模型,将yolo目标检测模型作为第一标准数据库,对待测图像进行识别检测,以获得单个孔槽对应的基本信息框。
14、作为上述技术方案的进一步改进,所述yolo预训练模型的训练次数大于300次,所述yolo目标检测模型的iou参数的标准值为:0.95<iou≤1。
15、如此设置,能够提高yolo目标检测模型的目标检测准确程度,避免出现误判问题而导致工序匹配错误。
16、作为上述技术方案的进一步改进,在利用所述第一标准数据库识别获取所述待测图像中单个孔槽的基本信息框之前,还包括如下的步骤:对所述yolo目标检测模型的置信度参数进行设置,其中,所述置信度参数大于或等于所述iou参数的标准值。
17、将yolo目标检测模型内置的置信度参数调整到大于或等于iou参数的标准值,能够消除待测图像中不完整孔槽图像特征的干扰,从而能够对待测图像中的孔槽图像的基本信息进行准确预测,输出预测孔槽图像的位置,并获得孔槽图像对应的基本信息框。
18、作为上述技术方案的进一步改进,所述利用所述第一标准数据库识别获取所述待测图像中单个孔槽的基本信息框,包括如下的步骤:
19、通过yolo目标检测模型识别所述待测图像中的单个孔槽信息,并输出预测所述单个孔槽的基本信息框;
20、获取所述基本信息框的位置信息;
21、根据所述位置信息将所述基本信息框剪裁。
22、利用所生成的yolo目标检测模型处理待测图像,能对单个孔槽的位置和尺寸进行目标性识别,从而能获得单个孔槽的基本信息框的位置信息;然后根据基本信息框的位置信息,将包含单个孔槽的基本信息框进行准确剪裁,以便给第二标准数据库提供待处理图像。
23、作为上述技术方案的进一步改进,所述获取所述基本信息框的位置信息,包括如下的步骤:
24、获取基本信息框的中心点坐标、高和宽;
25、根据所述基本信息框的中心坐标、高和宽算出基本信息框的对角坐标。
26、在利用yolo目标检测模型对待测图像进行孔槽的目标检测时,能够获得孔槽对应的基本信息框的基本信息,包括其中心点坐标、高和宽,通过反归一化处理,能够获取基本信息框的对角坐标,从而确定基本信息框的位置和轮廓,完成基本信息框的位置信息获取。
27、作为上述技术方案的进一步改进,所述建立第二标准数据库,包括如下的步骤:
28、获取孔槽数据集和u-net预训练模型;
29、根据所述孔槽数据集对所述u-net预训练模型进行训练并测试,以获得作为第二标准数据库的u-net语义分割模型。
30、在u-net语义分割模型的建立过程中,在获取已创建的孔槽数据集和已构建的u-net预训练模型后进行训练和测试,能够得到u-net语义分割模型,然后将u-net语义分割模型作为第二标准数据库,对基本信息框内的单个孔槽进行细节特征处理,从而获得准确的孔槽信息如孔槽类型、孔槽尺寸,以便与目标数据库的标准数据进行对比匹配。
31、作为上述技术方案的进一步改进,所述u-net预训练模型的训练次数大于300次,所述u-net语义分割模型的miou参数的标准值为:0.95<miou≤1。
32、如此设置,能够提高u-net语义分割模型的检测精准度,有助于获取孔槽的准确信息包括尺寸数据,从而提升检测匹配效果。
33、作为上述技术方案的进一步改进,所述利用所述第二标准数据库校正所述基本信息框内的孔槽信息,包括如下的步骤:
34、通过u-net语义分割模型处理所述基本信息框,并获取孔槽轮廓清晰的目标图像;
35、提取所述目标图像的孔槽轮廓特征,并获取所述孔槽轮廓的尺寸信息。
36、u-net语义分割模型能够对基本信息框内的单个孔槽进行去噪或加深优化处理,从而能使基本信息框内的单个孔槽轮廓达到清晰易辨别的程度,然后,能容易对孔槽轮廓进行特征提取,获得孔槽轮廓的准确尺寸信息,从而完成对图像噪音大、模糊的单个孔槽图像的校正处理。
37、作为上述技术方案的进一步改进,在所述获取孔槽数据集之前,包括如下的步骤:
38、采集若干张待测图像;
39、确定每张所述待测图像上的单个孔槽信息,并为所述单个孔槽信息添加标签,以建立孔槽数据集。
40、在孔槽数据集建立的过程中,先收集若干张待测图像,然后针对每张待测图像上的单个孔槽信息如孔槽类型、位置等进行人为识别并打标签,从而完成孔槽数据集的创建工作。
41、第二方面,本发明提供一种孔槽识别检测系统,包括:
42、获取模块,用于获取待测图像;
43、数据库建立模块,用于建立第一标准数据库和第二标准数据库;
44、识别获取模块,用于利用所述第一标准数据库识别获取所述待测图像中单个孔槽的基本信息框;
45、校正模块,用于利用所述第二标准数据库校正所述基本信息框内的孔槽信息;
46、检测匹配模块,用于将校正后的所述孔槽信息与目标数据库进行检测匹配。
47、第三方面,本发明提供一种电子设备,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器运行所述计算机程序时执行如上述技术方案中任一所述的孔槽识别检测方法。
48、第四方面,本发明提供一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行如上述技术方案中任一所述的孔槽识别检测方法。