一种基于深度卷积的金属链板裂纹检测装置制造方法及图纸

一种基于深度卷积的金属链板裂纹检测装置，包括控制器，以及与控制器信号连接的摄像头、显示屏、图像处理模块和报警设备；控制器内搭载嵌入式操作系统，通过任务机制控制摄像头和图像处理模块并发工作；摄像头将采集到的链板图像通过控制器传输至图像处理模块，图像处理模块采用具有并行运算能力和承载linux系统的处理芯片，使其运行基于深度卷积的金属裂纹检测算法模型，判断当前链板图片是否存在金属裂纹，控制器根据图像处理模块回传的结果判断是否需要驱动报警设备进行报警，同时将检测到的裂纹图像结果传输到显示屏进行显示。本发明专利技术通过智能设备解决制碱车间金属链板裂纹检测，节省人工检测链板裂纹的成本，同时实现了在恶劣环境下的准确识别。劣环境下的准确识别。劣环境下的准确识别。

【技术实现步骤摘要】
一种基于深度卷积的金属链板裂纹检测装置


[0001]本专利技术专利涉及金属材裂纹检测设备
，尤其涉及一种基于深度卷积的金属链板裂纹检测装置。

技术介绍

[0002]在制碱车间中刮板运输机的使用解决了生成过程中的关键运输部分，但是刮板运输机由于使用年限的增加，往往使用期在两年之内会产生较大的金属裂纹，若是忽略金属裂纹的产生，单个运输链板的断裂会导致整个刮板运输装置的整体停摆，所以需要实时地对运输链板进行裂纹检测，避免对工业生产造成停摆的影响。
[0003]目前，工业车间对于运输链板的裂纹检测大多数仍然采用人工目视监督的方式，但是在恶劣的生产车间中，温度、粉尘都会影响工人的工作效率，同时，人工对裂纹的判别具有很强的主观性，存在漏判误判的可能性。
[0004]如今，深度学习作为强大的人工智能算法在机器视觉检测任务的求解中逐渐凸显其优势。其中，基于深度学习的裂纹检测技术的广泛应用，不仅能够解决物理检测过程中对环境和设备的依赖，同时提升了图像处理技术和机器学习检测的特征复杂度，对于裂纹的检测更大的提升了识别精度。但是，制碱车间内的环境复杂，采用常规的深度学习技术对裂纹进行检测，同样存在漏检和误判的可能性。

技术实现思路

[0005]本专利技术专利提出了一种基于深度卷积的金属链板裂纹检测装置，通过通过智能设备搭载深度神经网络的方式解决制碱车间金属链板裂纹检测，实现制碱车间下运输链板裂纹的准确检测，本专利技术专利通过以下技术方案实现：
[0006]一种基于深度卷积的金属链板裂纹检测装置，包括控制器，以及与控制器信号连接的摄像头、显示屏、图像处理模块和报警设备；控制器内搭载嵌入式操作系统，通过任务机制控制摄像头和图像处理模块并发工作；摄像头将采集到的链板图像通过控制器传输至图像处理模块，图像处理模块采用具有并行运算能力和承载linux系统的处理芯片，使其运行基于深度卷积的金属裂纹检测算法模型，判断当前链板图片是否存在金属裂纹，控制器根据图像处理模块回传的结果判断是否需要驱动报警设备进行报警，同时将检测到的裂纹图像结果传输到显示屏进行显示。
[0007]进一步的，所述的图像处理模块使用支持GPU并行运算能力的处理芯片，能够运行基于深度卷积的金属链板裂纹检测算法模型，该模型算法运行步骤包括：
[0008]步骤一：对输入图像进行预处理操作，去除制碱车间的环境干扰同时放大链板上的裂纹特征；
[0009]步骤二：将预处理后的链板特征图像进行分类操作，无裂纹的链板特征图像按照8：2划分训练数据集和测试数据集，有裂纹的链板特征数据集作为生成对抗网络的真实数据集；
[0010]步骤三：构建生成对抗网络模型，其中生成器使用多层感知机组成，使用无裂纹链板图像训练数据集输入生成器以生成裂纹特征图像，判别器由卷积神经网络组成，用于区分真假数据；
[0011]步骤四：构建基于改进卷积神经网络的裂纹检测模型，使用步骤三生成的有裂纹特征图像作为训练数据集输入检测模型进行模型训练。
[0012]进一步的，步骤一所述的对输入图像进行预处理的操作包括：使用灰度变换和二值化处理去除裂纹图像的白色环境干扰，使用滤波算法对裂纹图像进行平滑处理，使用直方图均衡化对裂纹图像进行对比度提升，得到裂纹特征数据集。
[0013]进一步的，步骤三所述的生成器使用3层全连接层与RELU激活函数组成多层感知机，其中全连接层传递输入图像的特征，RELU激活函数将特征拓展到非线性领域，最后一层全连接层进行Dropout操作防止过拟合。
[0014]进一步的，步骤三所述的判别器由卷积神经网络组成，卷积神经网络由卷积层和池化层交替组成，其中卷积层通过共享权值实现裂纹特征的提取，其数学表达式为：
[0015][0016]其中，h表示激活函数，b为偏置参数，L表示局部卷积的长度，m表示局部卷积的宽，w
i,j
表示权重参数，α
i+1,j+m
表示卷积层的输入数据。池化层使用最大池化层以获得图像的突出特征。
[0017]进一步的，步骤三所述的生成对抗网络训练过程中，重复进行K次判别真假数据，1次生成拟合真实数据，判别器D的目标是最大概率地区分输入训练数据，生成器G的目标是最大化D的损失，使得D无法区分真实数据和生成数据，直到生成器和判别器达到纳什均衡即生成对抗网络得到最优解，即生成器和判别器对应的目标函数数学表达式为：
[0018][0019]其中和表示真实数据和输入假数据的概率，D(x)表示判别器对真实数据的输出概率，G(z)表示生成器对输入假数据的输出概率。
[0020]进一步的，所述的控制器采用能运行嵌入式操作系统的控制板，其通过MIPI接口、串行接口和LVDS接口的外设接口与摄像头、显示屏和报警设备进行通信；控制器搭载嵌入式操作系统，通过任务机制控制装置的各个部分并发工作，不同任务对象的优先级切换可以实现CPU资源的合理分配从而提高系统的实时响应能力。
[0021]进一步的，所述的摄像头使用MIPI接口与控制器进行连接，所述的显示屏通过SPI接口与控制器进行连接，图像处理模块通过串口与控制器信号连接。
[0022]进一步的，所述的摄像头采用CCD相机驱动系统，通过脉冲发生、分频电路以及控制与分频电路得到CCD图像传感器所需要的特定脉冲，以驱动CCD相机正常工作。
[0023]进一步的，所述图像处理模块使用预训练好的裂纹检测模型参数。
[0024]进一步的，所述的显示屏采用电容触摸屏幕，使用触控芯片驱动电容屏幕，同时触摸屏幕搭载GUI界面，以实现与用户的功能交互。
[0025]进一步的，所述的报警设备采用蜂鸣器，通过报警设备驱动电路与控制器连接，控制器得到图像处理模块的反馈后，判断是否驱动蜂鸣器进行报警。
[0026](三)有益效果
[0027]本专利技术专利提出的一种基于深度卷积的金属链板裂纹检测装置，与现有技术相比较，其具有以下有益效果：
[0028](1)本技术方案通过控制器，以及与控制器信号连接的摄像头、显示屏、图像处理模块和报警设备的相互配合，且控制器内搭载嵌入式操作系统，将摄像头上传的图片集采用具有并行运算能力和承载linux系统的处理芯片进行处理，判断当前链板图片是否存在金属裂纹，控制器根据图像处理模块回传的结果判断是否需要驱动报警设备进行报警，同时将检测到的裂纹图像结果传输到显示屏进行显示。通过智能设备搭载深度神经网络的方式解决制碱车间金属链板裂纹检测，一定程度上节省了人工检测链板裂纹的成本，同时实现了在恶劣环境下的准确识别。
[0029](2)本技术方案使用基于深度卷积的金属裂纹检测模型算法，通过多层感知机组成的生成器生成链板假数据，同时通过卷积神经网络组成的判别器识别真假链板数据，生成器和判别器达到纳什均衡，以解决制碱环境下采集链板图片时出现的数据缺乏问题和采集到的有裂纹图像和无裂纹图像数量不平衡问题，同时通过生成对抗网络输出的裂纹特征图片直接输入目标检测模型，提升了模型的准确率。本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度卷积的金属链板裂纹检测装置，包括控制器，以及与控制器信号连接的摄像头、显示屏、图像处理模块和报警设备；控制器内搭载嵌入式操作系统，通过任务机制控制摄像头和图像处理模块并发工作；摄像头将采集到的链板图像通过控制器传输至图像处理模块，图像处理模块采用具有并行运算能力和承载linux系统的处理芯片，使其运行基于深度卷积的金属裂纹检测算法模型，判断当前链板图片是否存在金属裂纹，控制器根据图像处理模块回传的结果判断是否需要驱动报警设备进行报警，同时将检测到的裂纹图像结果传输到显示屏进行显示。2.根据权利要求1所述的一种基于深度卷积的金属链板裂纹检测装置，其特征在于：所述的图像处理模块使用支持GPU并行运算能力的处理芯片，能够运行基于深度卷积的金属链板裂纹检测算法模型，该模型算法运行步骤包括：步骤一：对输入图像进行预处理操作，去除制碱车间的环境干扰同时放大链板上的裂纹特征；步骤二：将预处理后的链板特征图像进行分类操作，无裂纹的链板特征图像按照8：2划分训练数据集和测试数据集，有裂纹的链板特征数据集作为生成对抗网络的真实数据集；步骤三：构建生成对抗网络模型，其中生成器使用多层感知机组成，使用无裂纹链板图像训练数据集输入生成器以生成裂纹特征图像，判别器由卷积神经网络组成，用于区分真假数据；步骤四：构建基于改进卷积神经网络的裂纹检测模型，使用步骤三生成的有裂纹特征图像作为训练数据集输入检测模型进行模型训练。3.根据权利要求2所述的一种基于深度卷积的金属链板裂纹检测装置，其特征在于：步骤一所述的对输入图像进行预处理的操作包括：使用灰度变换和二值化处理去除裂纹图像的白色环境干扰，使用滤波算法对裂纹图像进行平滑处理，使用直方图均衡化对裂纹图像进行对比度提升，得到裂纹特征数据集。4.根据权利要求2所述的一种基于深度卷积的金属链板裂纹检测装置，其特征在于：步骤三所述的生成器使用3层全连接层与RELU激活函数组成多层感知机，其中全连接层传递输入图像的特征，RELU激活函数将特征拓展到非线性领域，最后一层全连接层进行Dropout操作防止过拟合。5.根据权利要求2所述的一种基于深度卷积的金属链板裂纹检测装置，其特征在于：步骤三所述的判别器由卷积...

【专利技术属性】
技术研发人员：丁耀祥，曹苏群，曹雪桦，王兴亚，万夕里，
申请(专利权)人：南京工业大学，
类型：发明
国别省市：