[发明专利]一种基于微控制器的智能检测视觉系统

说明书

本发明涉及智能检测系统领域，具体地说是一种基于微控制器的智能检测视觉系统。一种基于微控制器的智能检测视觉系统，包括所述机器人系统、相机系统、PLC系统，所述机器人系统用于检测样本的输送操作，并依据PLC系统的回复结果进行相应的操作；所述相机系统用于对检测样本进行图像采集，并将采集到的图像数据传给PLC系统；所述PLC系统通过检测处理系统处理相机系统采集到的数据，并将处理结果反馈给机器人系统，同时保存数据。本发明同现有技术相比，针对待检测目标特性并结合使用计算单元特点，优化深度学习算法，使其检测速度快；可同时对多数量多种类目标进行同时检测，并输出结果。将检测结果输入数据库，并进行统计和监视，反映当前系统的状态。

技术领域

本发明涉及智能检测系统领域，具体地说是一种基于微控制器的智能检测视觉系统。

背景技术

随着智能制造技术的发展，产线向无人化、智能化方向推进的需求日益加速。视觉检测技术的引入将人工从大量重复性的劳动中释放出来，提升产线的自动化水平和生产效率。

目前不断增长的不同场景视觉检测需求和视觉检测产品的单一功能之间矛盾日益突出，当前的视觉检测设备还无法满足针对各种检测场景的定制化需求。。

发明内容

为了解决上述技术问题，本发明实施例提供了一种基于微控制器的智能检测视觉系统，包括所述机器人系统、相机系统、PLC系统，

所述机器人系统用于检测样本的输送操作，并依据PLC系统的回复结果进行相应的操作；

所述相机系统包含图像采集单元和计算单元，图像采集单元用于对检测样本进行图像采集，计算单元用于对图像采集单元得到的图像进行处理和分析，并将实时检测结果发送给PLC系统，同时将检测结果输入数据库，进行统计分析和存储；

所述PLC系统接收相机系统的检测结果，根据不同检测结果制定相应的处理结果，并将处理结果反馈给机器人系统；

所述相机系统的计算单元包括图像处理模块、数据补偿模块、学习模块、检测模块；

所述图像处理模块采用改进的YOLOv5算法对相机系统采集到的数据进行处理；

所述数据补偿模块采用非极大值抑制算法对数据进行优化，剔除重复冗余数据；

所述学习模块采用深度学习算法对训练数据进行分类学习计算，设定置信度阈值，生成检测模板；

所述检测模块采用深度学习算法对检测数据进行计算，与检测模板做匹配，得到评分值，并保存数据和反馈结果。

进一步地，所述改进的YOLOv5算法的检测层的输出尺度为152*152和76*76。

进一步地，所述数据补偿模块利用非极大值抑制算法对检测时出现同一检测目标在相邻像素的范围内出现重复多个检测结果的数据进行处理。

进一步地，所述学习模块采用深度学习算法对样本数据添加分类标签，并生成训练集、验证集和测试集进行训练学习，对标注的不同目标包含的特征信息进行提取计算，生成各自的包含其统计学信息的检测模板。

进一步地，所述学习模块采用追加学习计算检测环境变化后采集得到的追加样本数据，所述追加样本数据扩展到原有训练集、验证集和测试集中追加训练，所述追加样本数据通过深度学习算法调整各层权值向量的值，并根据计算得出的各类别权重结果，设定置信度阈值，生成新的检测模板。

本发明同现有技术相比，针对待检测目标特性并结合使用计算单元特点，优化深度学习算法，使其检测速度快；检测程序无需切换，可同时对多数量多种类的目标进行同时检测，并输出结果；环境适应性强，对于环境光源变化引起拍摄照片变化，造成检测结果不稳定的风险，可通过追加学习的方式解决；有效抑制目标重复检出，采用非极大值抑制的算法，避免同一检测目标的重复检出；工作距离与视野灵活，使用高分辨率相机，变焦镜头，可适用于不同工作距离和视野范围的场景；设备状态可视化。将检测结果输入数据库，并进行统计和监视，反映当前系统的状态。

附图说明