[发明专利]一种基于深度学习的链条形变测量方法

说明书

本发明公开了一种基于深度学习的链条形变检测方法，本发明首先利用安装在平台上的高清摄像头组，采集足够数量的链条图像训练集，训练一个基于深度卷积神经网络的语义分割模型。其次，当需要检测链条形变时，将实时拍摄的链条影像输入到训练好的语义分割模型中，分割出链条部分。最后，利用中心扩张算法来测量链条的尺寸信息。本发明可以有效检测出发生形变的某一节链条，对其进行定位，并记录其形变的大小。本发明具有准确度高，响应速度快的特点。

技术领域

本发明属数字图像处理和语义分割领域，特别涉及一种基于深度学习的链条形变测量方法。

背景技术

近年来，我国制造行业飞速发展，大型机器设备的使用极大地提高了生产效率，但也带来了不少的安全隐患。在工业生产中，会大量使用链条来起吊货物，链条在使用过程中会不可避免的发生形变，而自动化链条形变检测一直是一个难以解决的问题。近年来针对该问题，研究者提出了一些基于计算机视觉的检测方法，例如，利用图像球面算法来检测形变，使用线性拟合分析的方法来检测形变等。

已有的研究基础包括：赵冉,王久旺,张弦,等.图像球面化算法在微通道板变形检测中的应用[J].光子学报,2018,47(11):137-145；朱帅飞,杨芳,马伟.基于机器视觉的单阳极导杆爪头形变在线检测[J].机床与液压,2019,47(22):111-114；张相胜,焦鹏,潘丰.基于机器视觉的汽车线束压接缺陷检测系统[J].仪表技术与传感器,2020(03):73-77；李振宇,李林,朱晓峰,刘光东,张超,罗文婷.基于双目视觉的形变护栏检测及里程定位[J].交通科技与经济,2022,24(02):24-33；Sun J,Wauthier C,Stephens K,et al.Automaticdetection of volcanic surface deformation using deep learning[J].Journal ofGeophysical Research:Solid Earth,2020,125(9):e2020JB019840；Na K M,Lee K,ShinS K,et al.Detecting Deformation on Pantograph Contact Strip of RailwayVehicle on Image Processing and Deep Learning[J].Applied Sciences,2020,10(23):8509；Anantrasirichai N,Biggs J,Kelevitz K,et al.Deep learning frameworkfor detecting ground deformation in the built environment using satelliteINSAR data[J].arXiv preprint arXiv:2005.03221,2020；

申请、公开与授权的相关专利：高会军,梅江元,靳万鑫,等.一种基于机器视觉的工业磁芯元件的形变检测方法.中国专利公开号:CN106247969B,2018.11.02；康波,李云霞,李夏霖,等.一种基于机器视觉和红线激光器的截面轮廓形变检测方法.中国专利公开号:CN107462182B,2019.05.28；黄书舟,张曼芝,彭蓉,肖斌.一种基于单目视觉检测的塔吊起重臂形变检测系统.中国专利公开号:CN112551400A,2021.03.26；王筱圃,刘伟,姚鹏,钟智敏.一种基于机器视觉的货架形变检测系统及检测方法.中国专利公开号:CN112950549B,2021.12.24；袁田,王孝余,龙学军,等.一种基于三目视觉的绝缘子的非接触形变检测方法及系统.中国专利公开号:CN113884017A,2022.01.04；

卷积神经网络算法：