一种基于深度学习的安全帽检测系统.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN114527135A(43)申请公布日2022.05.24(21)申请号202210182118.5G06N3/04(2006.01)(22)申请日2022.02.25G06T17/00(2006.01)(71)申请人鹤壁职业技术学院地址458030河南省鹤壁市淇滨区朝歌路5号(72)发明人董震江(74)专利代理机构陕西铭一知识产权代理有限公司61287专利代理师马歆甜(51)Int.Cl.G01N21/88(2006.01)G01N29/04(2006.01)G01N29/06(2006.01)G01N29/44(2006.01)G01N3/12(2006.01)权利要求书1页说明书4页附图1页(54)发明名称一种基于深度学习的安全帽检测系统(57)摘要本发明属于深度学习技术领域，具体为一种基于深度学习的安全帽检测系统，其包括：超声波探测模块、抗压检测模块、图像采集模块、数据传输模块、数据传输模块、中央处理器、3D建模模块、图像对比模块和显示模块，超声波探测模块用于执行通过超声波对安全帽的裂缝进行探测；抗压检测模块用于执行对安全帽的抗压性能进行检测；图像采集模块用于执行通过相机对安全帽进行图像的拍摄采集；用于观察安全帽是否有裂缝，抗压检测模块对安全帽的抗压性能进行检测，图像采集模块采集安全帽的外形信息，与数据库中信息作对比，用于检测安全帽是否存在瑕疵，最终通过显示模块将数据显示出来供工作人员查看比对，提高检测的全面性和准确性。CN114527135ACN114527135A权利要求书1/1页1.一种基于深度学习的安全帽检测系统，其特征在于，包括：超声波探测模块，用于执行通过超声波对安全帽的裂缝进行探测；抗压检测模块，用于执行对安全帽的抗压性能进行检测；图像采集模块，用于执行通过相机对安全帽进行图像的拍摄采集；数据传输模块，与所述超声波探测模块、抗压检测模块和图像采集模块连接，用于执行对超声波探测模块、抗压检测模块和图像采集模块所采集的数据进行传输；中央处理器，与所述数据传输模块连接，用于执行对超声波探测模块、抗压检测模块和图像采集模块所采集的数据进行汇总分析处理；3D建模模块，与所述中央处理器连接，用于执行通过超声波探测的数据构建安全帽的3D模型；图像对比模块，与所述中央处理器连接，用于执行将图像采集模块采集到的安全帽图像信息与数据库中的图像信息进行对比分析；显示模块，与所述3D建模模块和图像对比模块连接，用于显示安全帽的3D模型和图像信息。2.根据权利要求1所述的一种基于深度学习的安全帽检测系统，其特征在于，所述中央处理器连接有云端数据库和数据存储模块，所述云端数据库用于执行对数据进行云端存储，所述数据存储模块用于执行对数据进行本地存储。3.根据权利要求1所述的一种基于深度学习的安全帽检测系统，其特征在于，所述抗压检测模块采用液压杆对安全帽进行施压，在液压杆的推杆上设置有压力计。4.根据权利要求1所述的一种基于深度学习的安全帽检测系统，其特征在于，所述中央处理器通过无线网络连接有IP终端。5.根据权利要求1所述的一种基于深度学习的安全帽检测系统，其特征在于，所述超声波探测模块包括超声成像模块和超声探缝模块，所述超声成像模块用于执行通过超声波对安全帽进行探测成像，所述超声探缝模块用于执行通过超声波对安全帽的缝隙进行检测。6.根据权利要求1所述的一种基于深度学习的安全帽检测系统，其特征在于，所述3D建模模块配合超声波探测模块将超声波探测出的安全帽轮廓构建成3D模型。7.根据权利要求1所述的一种基于深度学习的安全帽检测系统，其特征在于，所述显示模块包括显示屏和3D投影模块，所述显示屏用于显示安全帽的3D模型和图像信息，所述3D投影模块用于投影显示安全帽的3D模型。8.根据权利要求1所述的一种基于深度学习的安全帽检测系统，其特征在于，所述数据传输模块在近点采用有线传输，远点采用5G通讯网络进行传输。2CN114527135A说明书1/4页一种基于深度学习的安全帽检测系统技术领域[0001]本发明涉及深度学习技术领域，具体为一种基于深度学习的安全帽检测系统。背景技术[0002]深度学习是机器学习研究中的一个新的领域，其动机在于建立、模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数据，例如图像，声音和文本，针对安全帽进行检测时，主要通过图像采集对比对安全帽进行检测。[0003]目前，采用深度学习的方式对安全帽进行检测时，只能通过拍摄安全帽的图像与数据库中的对比进行外观对比检测，检测效果较差，准确度较低。发明内容[0004]本部分的目的在于概述本发明的实施方式的一些方面以及简要介绍一些较佳实施方式。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免