[发明专利]一种基于深度学习的聚乙烯颗粒缺陷检测识别系统及方法

说明书

本发明提供了一种基于深度学习的聚乙烯颗粒缺陷检测识别系统及方法，所述的系统包括控制单元、给料单元、识别单元、筛选单元和收集组件；其中，给料单元用于使给料单元内的聚乙烯颗粒呈瀑布状落下；识别单元包括若干多模态相机，以及与各多模态相机相连接的AI处理器；各多模态相机位于聚乙烯颗粒下落路径的一侧上，用于拍摄各聚乙烯颗粒的图像并发送至AI处理器，AI处理器与控制单元连接，AI处理器用于识别存在缺陷的聚乙烯颗粒并将其发送至控制单元本发明的基于深度学习的聚乙烯颗粒缺陷检测识别系统可以实现大吞吐量的检测，并具有较高的识别精度，较低的错检和漏检率。

技术领域

本发明涉及聚乙烯颗粒缺陷识别技术领域，特别涉及一种基于深度学习的聚乙烯颗粒缺陷检测识别系统，本发明还涉及一种基于深度学习的聚乙烯颗粒缺陷检测识别方法。

背景技术

聚乙烯是一种重要的石油化工聚合物，用途广泛，生产效益好。但生产中受造粒机组年久运行、茂金属催化剂结焦等因素影响，产品偶见色粒、黑粒等不合格颗粒，影响产品整体质量和企业经济效益。

国内外针对聚乙烯颗粒自动化质检的技术较少，现有技术方案多基于传统的图像处理方法进行筛选，检测效率和系统的吞吐量都较低。另外，目前多数企业对部分产品人工质检筛除劣质颗粒，对余下产品降级降价销售。人工质检效率低，漏检率高。因此，生产线末端高效率智能化质检系统十分必要。

传统的机器视觉设备大多数硬件架构都是采用一台基于CPU的控制器，视觉处理程序一般位于Windows系统中的非实时用户模式中，进行代码分析和算法处理；而工艺流程自动化控制则多位于实时内核模式之中。由于非实时用户模式的任务执行机制采用的是优先级别，因此当CPU的负荷过高、内存过大、处理流程过多时，就可能会出现卡顿的现象，使得在非实时用户模式下的机器视觉在完成同一检测任务时最终所需要花费的时间却不一样，导致减慢生产节拍，影响生产效率；

申请号为CN201711003292.4的中国发明专利申请提供了一种大米色选机，其通过在大米落下的过程中由传感装置得到大米的图像呢，对图像中的大米进行识别，并将识别出的异色大米筛选出来，但该大米色选机仅采用单一模态相机进行一次分类，漏检和错检率较高。

申请号为CN201420354710.X的中国发明专利申请提供了一种具有单排进气管的色选机用喷嘴，但该喷嘴只有一次机会剔除异色物料，缺少连续剔除异色物料的能力。

发明内容

有鉴于此，本发明旨在提出一种基于深度学习的聚乙烯颗粒缺陷检测识别系统，以能够具有较好的使用效果。

为达到上述目的，本发明的技术方案是这样实现的：

一种基于深度学习的聚乙烯颗粒缺陷检测识别系统，其包括：

控制单元；

给料单元，用于使聚乙烯颗粒呈瀑布状落下；

识别单元，包括若干多模态相机，以及与各所述多模态相机连接的AI处理器；各所述多模态相机位于所述聚乙烯颗粒下落路径的一侧上，用于拍摄各所述聚乙烯颗粒的图像并发送至所述AI处理器，所述AI处理器与所述控制单元连接，所述AI处理器用于识别存在缺陷的聚乙烯颗粒并将其发送至所述控制单元；

筛选单元，相对于设有所述多模态相机的一侧，所述筛选单元包括设于所述聚乙烯颗粒下落路径另一相对侧上的若干空气喷嘴，各所述空气喷嘴呈矩形阵列排布，各所述空气喷嘴用于承接所述控制单元控制而开启或关闭，以将存在缺陷的所述聚乙烯颗粒吹离；

收集组件，包括正常颗粒收集单元和缺陷颗粒收集单元，分别用于供正常的所述聚乙烯颗粒和异常的聚乙烯颗粒落入。

进一步的，所述筛选单元还包括空气压缩机，所述空气压缩机的输出端与各所述空气喷嘴的输入端连接。