基于深度學(xué)習(xí)的氣泡水平尺自動矯正系統(tǒng)設(shè)計.pdf

1、隨著數(shù)字圖像技術(shù)的發(fā)展，機器視覺在工業(yè)中的應(yīng)用越來越廣泛。近年來深度學(xué)習(xí)成為新的研究熱點，使智能目標檢測成為可能。論文研究氣泡水平尺自動矯正系統(tǒng)，對出廠前氣泡水平尺的氣泡工件水平精度進行精細化矯正。
　　本文首先介紹了課題研究背景、數(shù)字圖像邊緣檢測算法與深度學(xué)習(xí)目標檢測技術(shù)的研究現(xiàn)狀及發(fā)展趨勢，闡述了卷積神經(jīng)網(wǎng)絡(luò)基本計算方法和深度學(xué)習(xí)目標檢測模型的核心思想與原理。針對氣泡水平尺大角度偏斜工件的自動矯正問題，采集并標注氣泡工件圖像構(gòu)

2、建數(shù)據(jù)集，采用K-means聚類方法，分析了不同anchor數(shù)量對YOLO檢測性能的影響，并對Faster R-CNN、YOLO和SSD三種目標檢測模型在檢測工件左右參考線區(qū)域性能上進行對比。然后對數(shù)學(xué)形態(tài)學(xué)邊緣檢測算子進行了分析，結(jié)合Zhang并行細化算法提取單像素邊緣，并結(jié)合改進的概率霍夫變換和最小二乘法設(shè)計了兩種氣泡工件傾斜角度估算方法，與Canny邊緣檢測算子進行了實驗對比。最后對系統(tǒng)結(jié)構(gòu)進行了介紹，針對本文應(yīng)用場景，采用了Cl