[发明专利]针对车轮毂工业流水线上的DM码精确定位的方法

权利要求书

1.一种针对车轮毂工业流水线上的DM码精确定位的方法，其优势在于通过深度学习与传统方法相结合，来实现对DM码的精确定位，从而提高DM码识别整个过程的速度与精度；该方法包括以下步骤：

S1. 通过工业相机获取包含DM码的RGB图像；

S2. 对采集到的RGB图像进行预处理，主要包括对图像的去噪处理；

S3. 将处理后的图像输入到搭建的已经具有分类能力的DMnet模型中，进行粗略定位；

S4. 对模型返回的DM码粗略位置进行截取；

S5. 将粗略定位的图片输入到梯度算法中进行精确定位；

S6. 精确定位后进行解码，获取DM码中存储的信息。

2.根据权利要求1所述的车轮毂工业流水线上的DM码精确定位的方法其特征在于：

在步骤S3中采用深度学习方法快速进行粗略定位，并且构建了DMnet网络架构加快定位速度。

3.根据权利要求2所述的车轮毂工业流水线上的DM码精确定位的方法其特征在于：

DMnet采用平铺直连的形式加快了对DM码的识别速度，DMnet由4个block组成，层数仅12层，参数少，速度快。

4.根据权利要求1所述的车轮毂工业流水线上的DM码精确定位的方法其特征在于：

在步骤S5中采用传统图像处理与数学建模的形式，利用梯度算法对DM码进行精确定位。

5.根据权利要求4所述的车轮毂工业流水线上的DM码精确定位的方法其特征在于：

在八个方向构建梯度算子，每个方向的梯度算子与图像做卷积操作，得到每个位置的梯度，然后利用全局最优化思想，获取定位点。

6.根据权利要求4所述的车轮毂工业流水线上的DM码精确定位的方法其特征在于：

在步骤S5中采用数学建模的方式进行边框回归，通过梯度算法得到的定位点，建立数学模型，进行边框回归，最终精确定位到DM码。

7.根据权利要求3所述的车轮毂工业流水线上的DM码精确定位的方法其特征在于：

损失函数为: ，其损失函数分为两部分，包括SoftMax交叉熵损失函数以及Smooth L1函数。