[发明专利]一种基于机器学习的管路视觉检测系统及方法

权利要求书

1.一种基于机器学习的管路视觉检测方法，其特征在于，其步骤如下：

步骤一：将待检测的管路依次放入送料机构，通过检测系统的传动机构带动送料机构将管路水平输送至检测位置的下方，通过第一传感器将管路到位信号传送至控制设备，控制设备关闭传动机构；

步骤二：控制设备打开顶升机构，顶升机构将管路向上顶起至检测位置，对齐气缸将管路对齐检测位置，夹紧结构的料夹夹紧并固定管路，V型结构自动对心管路；

步骤三：部署机构将检测设备的内窥镜组输送至管路的内部；

步骤四：检测设备的管件智能检测仪利用支持向量机和卷积神经网络对内窥镜组拍摄的管路内壁表面的图像进行智能分类，并将分类结果传送至控制设备；

步骤五：控制设备打开料夹，管路放置在顶升机构上，顶升机构下降将管路输送至送料机构，控制设备打开传动机构，送料机构将检测后的管路输送至分料机构，控制设备根据分类结果控制分料板转动，从而将检测后的管路传送至合格料仓或NG料仓中；

所述检测系统包括传动机构（1）、送料机构（2）、顶升机构（3）、夹紧结构（9）、部署机构（4）、分料机构（5）、检测设备（6）和控制设备（7），控制设备分别与传动机构（2）、顶升机构（3）、部署机构（4）、夹紧结构（9）、分料机构（5）和检测设备相连接，传动机构（1）与送料机构（2）相连接，送料机构（2）的数量设有至少两个，夹紧结构（9）安装在支架（8）的上部且夹紧结构（9）位于送料机构（2）的上方的一侧，传动机构（1）安装在支架（8）的中部，顶升机构（3）安装在支架（8）的下部；所述部署机构（4）设置在支架（8）的一侧且与检测设备（6）的内窥镜组的镜头（62）相匹配，分料机构（5）位于送料机构（2）的输出端且位于料仓（10）的正上方。

2.根据权利要求1所述的基于机器学习的管路视觉检测方法，其特征在于，所述管件智能检测仪器基于LabVIEW平台搭建智能识别模型，在LabVIEW平台下通过调用MATLAB软件对接收到的图像进行分析处理；基于LabVIEW平台将接收内窥镜组拍摄的图像导入到MATLAB数据处理软件中，首先对图像进行灰度化处理、Gabor滤波变换和图像分块的预处理，提取出基于局部二值模式特征图像的灰度共生矩阵的特征参数，将图像从高维特征空间压缩到低维特征空间，且保留图像的本质特征；利用图像提取的特征参数，对支持向量机和卷积神经网络进行训练，得到训练好的智能识别模型；对待识别的图像样本进行处理，提取其特征参数，利用训练好的智能识别模型对待识别的图像样本的特征参数进行识别，从而实现管路内壁缺陷的自动识别；然后将识别结果传送给控制设备；选用图像纹理特征对金属的待检测的管路的内表面图像特点进行表征；通过寻优算法即遗传算法确定支持向量机和卷积神经网络的系统参数，用于金属硬管内壁缺陷的类型识别。

3.根据权利要求2所述的基于机器学习的管路视觉检测方法，其特征在于，所述检测设备包括管件智能检测仪器、下位机和内窥镜组，内窥镜组包括内窥镜（61）和镜头（62），镜头与内窥镜相连接，内窥镜与管件智能检测仪器（63）相连接，管件智能检测仪器（63）与下位机（64）相连接，下位机（64）与控制设备（7）相连接。

4.根据权利要求1-3中任意一项所述的基于机器学习的管路视觉检测方法，其特征在于，所述内窥镜（61）通过VGA接口与管件智能检测仪器（63）相连接，管件智能检测仪器（63）通过Modbus TCP通信协议与下位机（64）相连接，保持与下位机（64）的通讯，实时接收并反馈下位机（64）发来的指令；所述第一传感器安装在顶升机构（3）的正上方，第一传感器为接近开关；所述部署机构（4）前后均设有第二传感器，第二传感器为接近开关，用以检测镜头是否正确进入或退出管路；对齐气缸与管路相接表面涂成绿色，管件智能检测仪可由此判断内窥镜是否到达管路尾部。