预览加载中,请您耐心等待几秒...
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10

亲,该文档总共17页,到这已经超出免费预览范围,如果喜欢就直接下载吧~

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115236083A(43)申请公布日2022.10.25(21)申请号202210701103.5G06V10/82(2022.01)(22)申请日2022.06.20(71)申请人苏州拓达昆吾机器人科技有限公司地址215000江苏省苏州市吴中区东吴北路28号国裕创新大厦9楼(72)发明人任世杰徐东(74)专利代理机构南京常青藤知识产权代理有限公司32286专利代理师屈金波(51)Int.Cl.G01N21/88(2006.01)G06T7/00(2017.01)G06V10/141(2022.01)G06V10/40(2022.01)G06V10/764(2022.01)权利要求书3页说明书10页附图3页(54)发明名称一种筒体内表面图像采集装置及缺陷检测方法(57)摘要本发明提供一种筒体内表面图像采集装置,检测台前端安装有对齐组件,所述对齐组件包括齿条,检测台上横向布设有滑轨;电机安装座一侧安装有传动齿轮,传动齿轮与齿条啮合;驱动装置安装在滑轨上,驱动装置上安装有悬臂杆,所述悬臂杆上安装有计数组件,所述计数组件上安装有用于采集筒体内表面图像的相机单元,计数组件包括计数器,通过计数器计算相机单元旋转圈数;托盘组件位于悬臂杆一侧,托盘组件上承载有待测筒体,待测筒体一侧安装在固定卡盘上,固定卡盘与安装在检测台上的主轴箱连接,且主轴箱位于滑轨一侧。CN115236083ACN115236083A权利要求书1/3页1.一种筒体内表面图像采集装置,其特征在于,包括:检测台,其前端安装有对齐组件,所述对齐组件包括齿条,检测台上横向布设有滑轨;底座,其安装在滑轨上,所述底座一端连接有电机安装座,电机安装座一侧安装有传动齿轮,电机安装座一侧设有驱动传动齿轮旋转的电机,传动齿轮与齿条啮合;驱动装置,其安装在滑轨上,驱动装置上安装有悬臂杆,所述悬臂杆上安装有计数组件,所述计数组件上安装有用于采集筒体内表面图像的相机单元,计数组件包括计数器,通过计数器计算相机单元旋转圈数;所述相机单元包括LED线性光源与线阵相机,所述LED线性光源发射的光倾斜朝向采集表面,其出射光投射至采集表面后反射进所述线阵相机;计数组件包括计数辊轴和计数器,计数辊轴一端与悬臂杆固定连接,另一端设有凹槽,相机单元安装在凹槽内,凹槽内设有液压杆,液压杆与相机单元连接;托盘组件,其位于悬臂杆一侧,托盘组件上承载有待测筒体,待测筒体一侧安装在固定卡盘上,固定卡盘与安装在检测台上的主轴箱连接,且主轴箱位于滑轨一侧。2.根据权利要求1所述的筒体内表面图像采集装置,其特征在于,所述滑轨上滑动连接有多个底座,驱动装置安装在底座上,所述驱动装置包括驱动座,所述驱动座上设有垂直槽道和电机滑轨,电机滑轨位于垂直槽道两侧,所述电机滑轨上连接有连接板,连接板一侧安装有悬臂电机,悬臂杆一端穿过连接板与悬臂电机连接。3.根据权利要求2所述的筒体内表面图像采集装置,其特征在于,所述驱动装置一侧设有用于支撑悬臂杆的支撑结构,所述支撑结构包括举升气缸和支撑块,所述举升气缸安装在底座上,支撑块安装在举升气缸上,且支撑块上设有用于支撑悬臂杆的弧形缺口。4.根据权利要求1所述的筒体内表面图像采集装置,其特征在于,所述托盘组件包括限位托杆,与托盘组件连接的底座上纵向布设有轨道,限位托杆与轨道滑动连接,所述轨道上安装有双轴电机,所述双轴电机上安装有螺杆,所述螺杆一端与检测台活动连接。5.一种使用如权利要求1‑4中任意一项所述筒体内表面图像采集装置的缺陷检测方法,包括以下步骤:S1、通过图像采集装置对采样筒体内表面进行全区域覆盖的光学图像采集,获取样本图片;S2、对所述样本图片进行预处理,获得二值化图像;S3、对预处理后的二值化图像进行多向旋转,包括对所述图像进行上、下、左、右、左上、左下、右上、右下八个方向的旋转,以扩充样本集,在扩充的样本集中选取等量的缺陷图像与非缺陷图像作为训练集样本;S4、利用所述训练集离线训练卷积神经网络,获取划痕的深层特征参数;构建基于VGG‑16的多层深度卷积神经网络,所述多层深度卷积神经网络包括13层卷积层、3层全连接层、5层最大池化层、2层Dropout层、1层输入层和1层输出层,其中,初始卷积层的卷积核个数为64,最后六层的卷积层包括三层卷积核大小为5*5的卷积层、以及设置于上述三层卷积层之后的三层卷积核大小为7*7的卷积层,在最后六层卷积层中每隔三层插入一个所述Dropout层;S5、将步骤S2预处理后的二值化图像输入到步骤S4构建的多层深度卷积神经网络中进行识别,筛选出分类标记为缺陷的图像块,并记录其图像块中缺陷区域的位置坐标,然后在2CN115236083A权利要求书2/3页待检图像中用检测框标出,从而完成最终对缺