公开(公告)号：CN111462068B

公开(公告)日：2023-03-21

申请号：CN202010237885.2

申请日：2020-03-30

Applicant: 华南理工大学

Inventor： 李顺 ,  刘伟东 ,  肖恭兵

IPC: G06T7/00

Abstract: 本发明公开的一种基于迁移学习的螺钉螺母检测方法，包括以下步骤：获取螺钉螺母图像，建立数据集，对数据集进行数据增强；构建基于迁移学习第一网络模型并进行对比，选择最优网络模型；修改最优网络模型的全连接层，重新添加用于识别螺钉螺母的全连接层，构建迁移学习第二网络模型；通过数据集对迁移学习第二网络模型进行训练，得到螺钉螺母识别模型；利用迁移学习第二网络模型，对检测结果进行判断，得到检测结果；本发明采用迁移学习，并利用适当的因子卷积和正则化方法对网络进行放大，提高了网络的附加计算效率，通过固定部分的训练权值和调整部分层的结构，提高了模型的精确率，减少了训练时间，解决了数据集不足的问题。

公开(公告)号：CN111462068A

公开(公告)日：2020-07-28

申请号：CN202010237885.2

申请日：2020-03-30

Applicant: 华南理工大学

Inventor： 李顺 ,  刘伟东 ,  肖恭兵

IPC: G06T7/00

Abstract: 本发明公开的一种基于迁移学习的螺钉螺母检测方法，包括以下步骤：获取螺钉螺母图像，建立数据集，对数据集进行数据增强；构建基于迁移学习第一网络模型并进行对比，选择最优网络模型；修改最优网络模型的全连接层，重新添加用于识别螺钉螺母的全连接层，构建迁移学习第二网络模型；通过数据集对迁移学习第二网络模型进行训练，得到螺钉螺母识别模型；利用迁移学习第二网络模型，对检测结果进行判断，得到检测结果；本发明采用迁移学习，并利用适当的因子卷积和正则化方法对网络进行放大，提高了网络的附加计算效率，通过固定部分的训练权值和调整部分层的结构，提高了模型的精确率，减少了训练时间，解决了数据集不足的问题。

公开(公告)号：CN111353993A

公开(公告)日：2020-06-30

申请号：CN202010236890.1

申请日：2020-03-30

Applicant: 华南理工大学

Inventor： 李顺 ,  刘伟东 ,  肖恭兵

IPC: G06T7/00 ,  G06T7/13 ,  G06T7/136 ,  G06T7/194 ,  G06T7/60 ,  G06T5/00 ,  G06T5/20 ,  G06K9/38

Abstract: 本发明公开了一种基于机器视觉的螺纹角度测量方法，包括以下步骤，获取螺纹图像，并调整螺纹轴线和坐标轴水平线使其平行；对螺纹图像进行二值化处理，得到二值化图像；对该图像进行边缘检测，获取二值化图像边缘；对二值化图像进行像素互补，得到像素互补图像并扫描，得到像素互补图像的像素行坐标和像素列坐标；根据像素行坐标和像素列坐标，得到螺峰和螺谷，进而得到螺距值；根据螺距值判断相连的波峰，获取相连波峰的两个波峰像素点和波谷像素点，通过三个像素点计算得到牙型角；本发明利用螺距对螺纹图像进行分析，判断图像波峰像素点和波谷像素点出现的先后关系，进行参数求解，简化螺纹参数计算过程，提高了图像法螺纹测量的适应性。