基于多模型级联的双目视觉铸件缺陷检测方法
为了解决铸件表面缺陷检测以及缺陷位置的三维定位问题,采用双目视觉系统获得图像,依靠三角测量法获得点云数据,基于正态分布变换配准方法实现工件的三维定位.通过多模型级联解决少样本和样本比例失衡情况下的表面缺陷检测,结合无监督模型的编码解码方式,依靠正样本训练获得对缺陷图像进行修复的网络模型,将修复后的图像与原始图像进行差异分析获得缺陷位置;使用MASK-RCNN模型进行监督模型训练,获得一体化检测分割模型,直接定位缺陷位置及类别.此外还将运动机构的物理坐标系、双目成像的工件坐标系以及平面图像的坐标进行换算,得到多个坐标系的转换关系,实现了平面缺陷的位置信息映射到三维工件的空间中.实验表明提出的双目视觉系统在工件成像以及检测方面具有良好的效果.
双目视觉、深度学习、缺陷检测、多模型级联
58
TP751(遥感技术)
国家自然科学基金;河北省自然科学基金;河北省研究生创新资助项目
2022-05-12(万方平台首次上网日期,不代表论文的发表时间)
共10页
34-43