申请/专利权人：深圳市威远精密技术有限公司

申请日：2024-04-25

公开（公告）日：2024-06-25

公开（公告）号：CN118072148B

主分类号：G06V10/82

分类号：G06V10/82;G06N3/0455;G06N3/0464;G06N3/082;G06V10/25;G06V10/34;G01M13/025

优先权：

专利状态码：有效-授权

法律状态：2024.06.25#授权;2024.06.11#实质审查的生效;2024.05.24#公开

摘要：本发明涉及滚珠丝杠副检测技术领域，提供一种精密滚珠丝杠副检测系统及其方法，包括精密滚珠丝杠副检测中台、双目摄像模块、图像矫正模块、区域确定模块、图像融合模块和异常检测模块；异常检测模块为目标YOLOv8模型；目标YOLOv8模型包括SwinTransformer模块和渐近特征金字塔网络，且基于螺母异常数据集和滚珠丝杠异常数据集进行训练优化得到。本发明结合SwinTransformer模块和渐近特征金字塔网络的目标YOLOv8模型对畸变矫正后图像进行异常检测，有效提升了全局信息提取能力，并避免了特征信息在传输和交互过程中的丢失或退化，进而提升了待检测精密滚珠丝杠副异常诊断的准确性和稳健性。

主权项：1.一种精密滚珠丝杠副检测方法，其特征在于，包括：基于双目摄像设备采集待检测精密滚珠丝杠副的左侧原始图像和右侧原始图像；对所述左侧原始图像和所述右侧原始图像分别进行横向畸变矫正，得到左侧目标图像和右侧目标图像；在所述待检测精密滚珠丝杠副位于所述双目摄像设备的预设位置的情况下，基于所述双目摄像设备采集所述待检测精密滚珠丝杠副的左侧半边图像和右侧半边图像；基于所述左侧半边图像、所述右侧半边图像、所述左侧原始图像和所述右侧原始图像，确定所述双目摄像设备的重叠视野区域；基于所述左侧目标图像、所述右侧目标图像和所述重叠视野区域进行融合，得到畸变矫正后图像；将所述畸变矫正后图像输入至目标YOLOv8模型，获得所述目标YOLOv8模型输出的异常检测结果；所述目标YOLOv8模型包括SwinTransformer模块和渐近特征金字塔网络，且基于螺母异常数据集和滚珠丝杠异常数据集进行训练优化得到；其中，所述目标YOLOv8模型是基于所述SwinTransformer模块和所述渐近特征金字塔网络对原始YOLOv8模型得到；所述原始YOLOv8模型包括骨干网络、Neck网络以及预测网络，所述骨干网络包括卷积模块、C2f模块和空间金字塔池化模块；相应地，基于所述SwinTransformer模块和所述渐近特征金字塔网络对原始YOLOv8模型改进得到所述目标YOLOv8模型为：使用所述SwinTransformer模块替换所述骨干网络中的C2f模块；以及，使用所述渐近特征金字塔网络替换所述Neck网络；其中，所述将所述畸变矫正后图像输入至预先训练的目标YOLOv8模型，获得所述目标YOLOv8模型输出的异常检测结果，包括：基于改进后的骨干网络，提取所述畸变矫正后图像中的浅层特征向量和深层特征向量；基于所述渐近特征金字塔网络，对所述浅层特征向量执行下采样操作得到浅层特征，以及，对所述深层特征向量执行上采样操作得到深层特征；采用自适应空间特征融合方式逐层融合所述深层特征和所述浅层特征，得到多尺度特征；基于所述预测网络对所述多尺度特征进行预测，得到所述畸变矫正后图像对应的异常检测结果；其中，所述异常检测结果包括异常位置与异常类别；采用迁移学习的方式训练所述目标YOLOv8模型，具体包括：构建所述螺母异常数据集和所述滚珠丝杠异常数据集；利用所述螺母异常数据集预训练所述目标YOLOv8模型，得到最优配置参数的预训练YOLOv8模型；基于所述预训练YOLOv8模型，利用所述滚珠丝杠异常数据集微调所述预训练YOLOv8模型的模型参数，得到预先训练的目标YOLOv8模型；其中，所述构建螺母异常数据集的步骤包括：采集预设数量的螺母异常图像；对所述螺母异常图像按异常类别进行标签标注，并对所述螺母异常图像执行增强操作，得到所述螺母异常数据集；所述增强操作包括去噪、缺失值填充、翻转、缩放、色域变换以及随机裁剪中的一项或多项组合。

全文数据：

权利要求：

百度查询： 深圳市威远精密技术有限公司 一种精密滚珠丝杠副检测系统及其方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD