[发明专利]一种基于深度学习的工业零件关键点检测方法

说明书

本发明公开了一种基于深度学习的工业零件关键点检测方法，涉及人工智能技术领域。通过建立工件模型以及网格平台确定工件的位置，确定工件位置后，固定装置对工件位置和摆放姿态进行固定，然后调整测量装置对关键点位置进行受力检测。整个过程不需要人工参与，省时省力。检测精度高，同时，针对不同型号的工件，只需要输入建立的工件模型就能进行操作，适用范围广。

技术领域

本发明涉及人工智能技术领域，具体为一种基于深度学习的工业零件关键点检测方法。

背景技术

工业零件在生产出来之后需要对其进行检测，检测的范围包括工业零件的强度、模型大小是否合规、产品外观有无磨损。有的工业零件还需要对上面的关键点进行检测，检测关键点的受力情况，判断刚性是否足够。目前一般的检测方式都是固定工件，然后采用人工检测的方式对工件的关键点进行受力检测，这样能够保证工件无论以什么样的姿态进行测试，都能第一时间准确的找到关键点的位置，进行检测，但是这种方式的缺点是必须要有人工检测，费时费力。

发明内容

针对现有技术的不足，本发明提供了一种基于深度学习的工业零件关键点检测方法，使用后，可以解决现有技术中，对工业零件关键点检测。

为实现以上目的，本发明通过以下技术方案予以实现：一种基于深度学习的工业零件关键点检测方法，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上固定，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。

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。

优选的，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。

优选的，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检测。

优选的，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。

优选的，所述步骤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。

本发明提供了一种基于深度学习的工业零件关键点检测方法。具备以下有益效果：

(1)、该基于深度学习的工业零件关键点检测方法，通过建立工件模型以及网格平台确定工件的位置，确定工件位置后，固定装置对工件位置和摆放姿态进行固定，然后调整测量装置对关键点位置进行受力检测。整个过程不需要人工参与，省时省力。

具体实施方式

下面将对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。

本发明提供一种技术方案：一种基于深度学习的工业零件关键点检测方法，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。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。