CN118674685B 一种活销塞孔缺陷检测系统及方法 （扬州光辉汽车零部件有限公司）_第1页
CN118674685B 一种活销塞孔缺陷检测系统及方法 （扬州光辉汽车零部件有限公司）_第2页
CN118674685B 一种活销塞孔缺陷检测系统及方法 （扬州光辉汽车零部件有限公司）_第3页
CN118674685B 一种活销塞孔缺陷检测系统及方法 （扬州光辉汽车零部件有限公司）_第4页
CN118674685B 一种活销塞孔缺陷检测系统及方法 （扬州光辉汽车零部件有限公司）_第5页
已阅读5页，还剩20页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

本发明公开了一种活销塞孔缺陷检测系统2其中，所述多光谱成像设备通过一种改进的自适应多光谱图自适应光谱选择控制器，根据被检测的缺陷类型和环境光条件自动选择最优光谱设所述图像分析模块进一步包括一种自适应图像预处理和优化边缘;y是像素的坐标；max(I)和min(I)分别为图像I中的最大值和最小Inon(x,y)为归一化的像素值；;μ是像素的NXN邻域的平均亮度；;;3;所述评估模块使用基于图像特征的机器学习模型来评估;;式中为控制误差项和模型复杂度之间的权衡，c;采用具有多个卷积层和池化层的网络架构，每层设计1×11×1到5×所述卷积层中的滤波器设计用于捕获细微的缺陷，同时结合余弦退火所述数据输出模块包括一个交互式用户界面，用于高清晰度地展示42.根据权利要求1所述的一种活销塞孔缺陷检测系统的活销塞孔缺陷检测方法，其特自动选择最优光谱设置，通过自适应光谱选择控制器根据缺陷类型和环境光条件调对多光谱图像进行自适应预处理和优化边缘增强滤波，调整滤波参数应用基于卷积神经网络的深度学习模型对识别出的缺陷进行分类4.根据权利要求2所述的活销塞孔缺陷检测方法，其特征在于，所述方法进一步还包通过交互式用户界面显示详细的缺陷图像和相应的评56[0019]式中，x和y是像素的坐标；max(I)和min(I)分别为图像I中的最大值和最小值；7[0058]应用基于卷积神经网络的深度学习模型对识别出的缺陷8理和优化边缘增强滤波算法自动调整滤波参数，根据实时图像数据优化缺陷的边缘识别。[0079]式中，x和y是像素的坐标；max(I)和min(I)分别为图像I中的最大值和最小值；9[0105]在具体的一个实施例中，机器学习模型为一个高级的基于卷积神经网络CNN的深[0117]如图2所示，为本发明的另一实施例，该实施例提供了一种活销塞孔缺陷检测方[0125]应用基于卷积神经网络的深度学习模型对识别出的缺陷12[0163]用户满意度评分：通常从1到10评分，基于用户对界面便捷性和功能性的满意程[0164]由表4可得，新用户和经验用户的操作错误率和学习时间差异表明界面具有良好条件检测参数改进前错误率改进后错误率改进前检测时间改进后检测时间环境光强度高默认设置0.150.05200ms环境光强度低默认设置0.20.06220ms环境光强度高调整后设置0.10.03210ms环境光强度低调整后设置0.180.04230ms领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特一个或多个用于实现特定逻辑功能或过程的步骤的可执行指令

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论