[发明专利]基于关键点检测的发动机链轮识别系统及识别方法在审

专利信息
申请号: 201911273561.8 申请日: 2019-12-12
公开(公告)号: CN111126416A 公开(公告)日: 2020-05-08
发明(设计)人: 黄家水;张发恩;王忠强;唐永亮 申请(专利权)人: 创新奇智(重庆)科技有限公司
主分类号: G06K9/46 分类号: G06K9/46;G06K9/62
代理公司: 广州鼎贤知识产权代理有限公司 44502 代理人: 刘莉梅
地址: 400039 重庆市九龙坡区*** 国省代码: 重庆;50
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 关键 检测 发动机 链轮 识别 系统 方法
【说明书】:

发明公开了一种基于关键点检测的发动机链轮识别系统、方法,其中,系统包括:链轮图像采集模块,用于采集待检测的发动机链轮图像并存储;关键点识别模块,用于对发动机链轮图像进行关键点检测,得到发动机链轮图像对应的关键点热力图;链轮关键点位置确定模块,用于根据关键点热力图上的各关键点的像素值,确定各链轮关键点在关键点热力图上的具体所处位置;链轮关键点指标计算模块,用于根据各链轮关键点在关键点热力图上分别所处的位置,计算出可用于确定发动机链轮类型的多个链轮关键点指标;发动机链轮类型判断模块,用于根据计算的各链轮关键点指标判断出发动机链轮的类型,本发明提高了链轮类型识别的准确率。

技术领域

本发明涉及质量检验技术领域,具体涉及一种基于关键点检测的发动机链轮识别系统及识别方法。

背景技术

在发动机组装过程中,需要对多个部位的零件进行检测与识别,比如需要对安装在发动机上的链轮类型进行识别。链轮的类型多种多样,外观非常相似。目前,对于链轮类型的识别还普遍采用肉眼识别方式,这种识别方式效率低下,识别准确率因人而异。

近些年随着计算机识别技术和深度学习技术的发展,机器识别链轮图像的方法开始出现。从表面上看,对于链轮类型的识别问题可以看做是对链轮图像进行分类的问题。对于图像分类问题,目前有很多基于卷积神经网络的算法可以简单、快速地解决。然而在实际应用中,仅仅对链轮图像进行识别分类是远远不够的,主要有以下几点不足:

1、现有的基于卷积神经网络的链轮图像识别方法仅能够识别输出链轮类型信息,并不能获得其他如链轮中心位置、链轮齿数、链轮相邻齿夹角等对判断链轮类型具有重要意义的信息,所作出的识别结果准确性不高。

2、识别链轮类型的指标单一,不能使用多项指标进行交叉验证,导致识别算法的鲁棒性较低。

发明内容

本发明的目的在于提供一种基于关键点检测的发动机链轮识别系统、方法,以解决上述技术问题。

为达此目的,本发明采用以下技术方案:

提供一种基于关键点检测的发动机链轮识别系统,用于对发动机链轮的类型进行识别检测,包括:

链轮图像采集模块,用于采集待检测的发动机链轮图像并存储;

关键点识别模块,连接所述链轮图像采集模块,用于根据一预设的关键点识别模型对所述发动机链轮图像进行关键点检测,得到所述发动机链轮图像对应的关键点热力图;

链轮关键点位置确定模块,连接所述关键点识别模块,用于根据所述关键点热力图上的各关键点的像素值,确定各链轮关键点在所述关键点热力图上的具体所处位置;

链轮关键点指标计算模块,连接所述链轮关键点位置确定模块,用于根据所识别的各所述链轮关键点在所述关键点热力图上分别所处的位置,计算出可用于确定所述发动机链轮类型的多个链轮关键点指标;

发动机链轮类型判断模块,连接所述链轮关键点指标计算模块,用于根据计算的各所述链轮关键点指标判断出所述发动机链轮的类型。

作为本发明的一种优选方案,所述发动机链轮识别系统还包括:

识别模型训练模块,分别连接所述链轮图像采集模块和所述关键点识别模块,用于以多张所述发动机链轮图像和各所述发动机链轮图像对应的多张所述关键点热力图为训练样本,训练形成所述关键点识别模型,

所述识别模型训练模块中具体包括:

训练数据获取单元,用于获取所述训练样本;

图像标注单元,连接所述训练数据获取单元,用于将作为训练样本的各所述发动机链轮图像提供给检测人员对图像上的各所述链轮关键点进行人工标注;

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于创新奇智(重庆)科技有限公司,未经创新奇智(重庆)科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201911273561.8/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top