[发明专利]一种基于大数据自主学习检测刀具寿命的系统及方法

权利要求书

1.一种基于大数据自主学习检测刀具寿命的系统及方法，其特征在于，包括图像采集模块、刀库、云服务器、图像处理模型；

所述图像采集模块的输出端与所述图像处理模块的输入端相连，所述图像采集模块与所述刀库之间间隔一段距离，所述图像处理模块与所述云服务器之间通过以太网进行通讯；

所述图像采集模块用于拍摄刀库中的待加工的刀具得到刀尖位置的标定信息，以及拍摄加工完成后的刀具得到背景模糊并且刀具对象凸显的刀具图像，并传输到图像处理模块中；

所述刀库用于存放待加工的刀具以及加工完成后的待检测刀具；所述云服务器用于基于刀具交点特征训练得到刀具寿命检测模型；

所述图像处理模块用于对刀具图像进行预处理，加载云服务器中训练得到的刀具寿命检测模型，然后基于该刀具寿命检测模型计算刀具检测结果。

2.根据权利要求1所述的刀具寿命检测系统，其特征在于，所述图像采集模块包括内窥镜，采用内窥镜拍摄刀库中的刀具，刀具未进行加工时，拍摄刀具图像，并标定刀具刀尖所在的位置信息，刀具加工完成后将刀具重新换回到刀库，采用内窥镜拍摄加工完成后的待检测刀具，得到背景模糊的刀具图像，以凸显刀具对象。

3.根据权利要求1所述的刀具寿命检测系统，其特征在于，所述图像处理模块为装有AI芯片的IPC。

4.一种基于大数据自主学习检测刀具寿命的系统及方法，其特征在于，包括以下步骤：S1、图像处理模块连接云服务器，从云服务器中下载刀具寿命检测模型；S2、对刀库中的所有待加工刀具进行拍照并标定其刀尖位置；S3、待加工刀具在加工完成后换回到刀库的对应位置，并对其进行拍照，得到待检测刀具图像；

S4、基于所标定的刀尖位置信息对所述待检测刀具图像进行预处理，得到带有辅助标记的刀具图像；

S5、提取所述待检测刀具图像的刀具刀尖与辅助线之间的交点特征；S6、将所述交点特征输入到预先训练的刀具寿命检测模型中，得到刀具寿命检测结果；S7、将检测错误的刀具图像样本传送到云服务器上，得到错误样本集。

5.根据权利要求4所述的刀具寿命检测方法，其特征在于，对刀具图像进行预处理的方法包括以下步骤：

S41、以所标定的刀尖位置信息为基准，对刀具图像进行剪裁，得到固定大小的刀具图像；

S42、对裁剪后的图像进行灰度处理，得到灰度图像；S43、在所述灰度图像中的固定位置处绘制辅助线，得到带有辅助标记的刀具图像。

6.根据权利要求4或5所述的刀具寿命检测方法，其特征在于，所述辅助线的条数大于等于1，并且存在一定的倾斜角度且互相平行。

7.根据权利要求4所述的刀具寿命检测方法，其特征在于，得到所述预先训练的刀具寿命检测模型的方法包括以下步骤：

S61、判断云服务器端是否存在已训练好的刀具寿命检测模型，若不存在，采集断裂刀具和正常刀具的图像数据集作为训练集，转至步骤S62；若存在，则转至步骤S63；S62、基于所述训练集在云服务器上训练刀具寿命检测模型，转至S63；S63、当云服务器上的错误样本集中的样本个数大于可训练阈值C时，在当前刀具寿命检测

模型的基础上基于错误样本集进行增量训练，更新刀具寿命检测模型。

8.根据权利要求7所述的刀具寿命检测方法，其特征在于，训练所述刀具寿命检测模型的方法包括以下步骤：

S621、对训练集中的刀具图像进行预处理，构建带有辅助标记的训练集；S622、提取带有辅助标记的训练集中每幅刀具图像的刀具刀尖与辅助线之间的交点特征；

S623、以训练集中正常刀具的交点特征为正样本，以训练集中断裂刀具的交点特征为负样本，对分类器进行训练，得到刀具寿命检测模型。