[发明专利]一种基于深度学习的工业零件关键点检测方法

权利要求书

1.一种基于深度学习的工业零件关键点检测方法，其特征在于，包括以下步骤：

S1：先在放置工件的平台上建立网格状坐标，并同时建立工件的外轮廓模型；

S2：工件放置到检测平台，摄像头对工件进行摄像并将工件的位置和摆放姿态进行确定，启动固定装置对工件进行固定，并找到工件的关键点；

S3：确定好工件的放置姿态后，开始对工件的关键点进行受力检测，并且对工件的固定位置和关键点测量位置进行记录；

S4：设备上的检测工件对工件的关键位置进行检测，并将检测结果反馈到电脑上，与电脑数据进行比对，判断工件关键点受力是否合格。

2.根据权利要求1所述的一种基于深度学习的工业零件关键点检测方法，其特征在于：摄像头设置与平台的上方，通过扫描工件顶部的图像对比之前在电脑上建立的外轮廓模型就可以准确判断工件的摆放姿态。

3.根据权利要求1所述的一种基于深度学习的工业零件关键点检测方法，其特征在于：S3步骤中工件每次摆放的姿态和测力点的位置都会被电脑记录，在下次同样的姿态情况下，不需要电脑计算就可以直接进行固定并检测。

4.根据权利要求1所述的一种基于深度学习的工业零件关键点检测方法，其特征在于：S3中在确定工件摆放姿态之后，确定关键点位置，采用液压杆固定的方式对工件进行固定然后进行受力测试，在这个过程中，系统会对液压杆位置进行调整使其与被测工件的关键点避开。

5.根据权利要求1所述的一种基于深度学习的工业零件关键点检测方法，其特征在于：步骤S2中，工件放置到到平台上后，摄像头上传的照片计算机计算出工件摆放的姿态，同时根据工件在平台上的位置精准定位工件的具体位置。