[发明专利]法兰外观质量检测系统

权利要求书

1.法兰外观质量检测系统，包括图像采集单元、图像分析模块和质量数据服务器，其特征在于：所述图像采集单元和图像分析模块、所述图像分析模块和质量数据服务器之间通过数据传输模块实现数据交互，所述图像分析模块包括图像处理模块和法兰类别确定模块，所述图像处理模块用于对图像采集单元采集的图像数据进行处理，所述法兰类别确定模块用于确定法兰的类别，所述法兰类别确定模块包括手动选择模块和自动识别模块。

2.根据权利要求1所述的法兰外观质量检测系统，其特征在于：所述手动选择模块包括选择法兰类别模块、参数上传模块和参数下载模块，所述选择法兰类别模块用于选择需要检测的法兰类别，所述参数上传模块用于将选择的法兰类别参数上传至质量数据服务器，所述参数下载模块用于从质量数据服务器中获取选择的法兰类别参数对应的各项外观参数的具体尺寸数据要求及其公差要求。

3.根据权利要求2所述的法兰外观质量检测系统，其特征在于：所述选择法兰类别模块包括标准号选择模块、型号选择模块、公称尺寸选择模块和公称压力选择模块，所述标准号选择模块用于选择法兰的标准号，所述型号选择模块用于选择法兰的型号，所述公称尺寸选择模块用于选择法兰的公称尺寸，所述公称压力选择模块用于选择法兰的公称压力。

4.根据权利要求1所述的法兰外观质量检测系统，其特征在于：所述自动识别模块包括法兰类型识别模块、参数导入模块和判断参数模块，所述法兰类型识别模块用于识别法兰类型，所述参数导入模块用于将识别的法兰参数导入质量数据服务器内，所述判断参数模块用于从质量数据服务器中判断并获取选择的法兰类别参数对应的各项外观参数的具体尺寸数据要求及其公差要求；

图像训练模块包括卷积神经网络和残差单元；

其中，卷积神经网络包括以下姿态：

姿态一：输入层：输入层没有输入值，只有一个输出向量，这个向量的大小就是图片的大小，即一个28*28矩阵；

姿态二：卷积层：卷积层的输入要么来源于输入层，要么来源于采样层，卷积层的每一个特征map是不同的卷积核在前一层所有map上作卷积并将对应元素累加后加一个偏置，再求sigmod得到的；

姿态三：采样层：采样层是对上一层map的一个采样处理，这里的采样方式是对上一层map的相邻小区域进行聚合统计，区域大小为scale*scale，有些实现是取小区域的最大值，而toolbox里面的实现是采用2*2小区域的均值；

残差单元组合是输出值与类标值得误差值，而中间各层的残差来源于下一层的残差的加权和，输出层的残差计算如下：

5.根据权利要求4所述的法兰外观质量检测系统，其特征在于：所述法兰类型识别模块包括采集检测图像模块、图像训练模块、优化模型模块和确定网络参数模块，所述采集检测图像模块用于采集拟检测的各类别法兰的图像若干幅，所述图像训练模块用于提取最优训练模型下的网络参数，所述优化模型模块用于保存最优模型下的网络参数，所述确定网络参数模块用于对采集的图像进行测试并优化确定网络参数。