[发明专利]基于深度学习的螺栓松动小角度检测方法

说明书

本发明公开了一种基于深度学习的螺栓松动小角度检测方法，包括以下步骤：(1)、采集不同螺栓旋转角度图片，将不同螺栓旋转角度图片作为训练集数据；(2)、采用训练集数据对Single Shot MultiBox Detector(SSD)深度学习网络进行训练，得到SSD训练模型；(3)、通过SSD训练模型对待测螺栓的图片进行检测，识别出螺栓的松动角度。本发明能够有效地解决螺栓连接结构的松动角度识别检测问题。松动角度检测准确，研究表明，本发明方法在实施成本和识别角度精度上都有比较良好的表现。

技术领域

本发明涉及机械紧固件失效检测技术领域，具体涉及一种基于深度学习的螺栓松动小角度检测方法。

背景技术

螺栓连接具有连接可靠、装拆方便等优点，在木结构中得到了广泛的应用。木结构包装箱在运输过程中会受到持续振动载荷，由此引起的螺栓连接松动可能直接导致结构失效，因此，木结构螺栓连接松动的检测方法研究具有重要意义。

发明内容

本发明所要解决的技术问题是针对上述现有技术的不足提供一种基于深度学习的螺栓松动小角度检测方法，本基于深度学习的螺栓松动小角度检测方法能够有效地解决螺栓连接结构的松动角度识别检测问题。

为实现上述技术目的，本发明采取的技术方案为：

一种基于深度学习的螺栓松动小角度检测方法，包括以下步骤：

(1)、采集不同螺栓旋转角度图片，将不同螺栓旋转角度图片作为训练集数据；

(2)、采用训练集数据对SSD深度学习网络进行训练，得到SSD训练模型；

(3)、通过SSD训练模型对待测螺栓的图片进行检测，识别出螺栓的松动角度。

作为本发明进一步改进的技术方案，所述的步骤(1)包括：

拍摄不同螺栓旋转角度图片，所述螺栓及与其匹配连接的螺母上均设有圆形标记；

利用labelImg工具对图片中的目标物进行分类和命名，所述的目标物分别是螺栓底面和螺母上的圆形标记；

将分类和命名后的图片作为训练集数据。

作为本发明进一步改进的技术方案，所述的步骤(3)具体为：

通过SSD训练模型对待测螺栓的图片进行检测，识别出图片中所有目标物，同时，识别出目标物的中心坐标；经过SSD训练模型识别出的图片的默认坐标以左上角为原点，螺母上的圆形标记的中心坐标分别为(x1，y1)，螺栓底面的中心坐标为(x2，y2)；

将默认坐标的原点移动至螺栓底面中心，则螺母上的圆形标记的中心坐标为：(x3，y3)＝(x1-x2，y1-y2)，原点至坐标(x3，y3)的连线与Y轴负方向的夹角α为识别计算角度，0°≤α＜360°，计算过程如公式(1)所示：

在螺栓初次安装时，采集螺栓图片，并识别计算出夹角α，将此时的夹角α记为初始角度α₀；

当需检测螺栓松动角度时，采集螺栓图片，并识别计算出夹角α，将此时的夹角α记为角度α_i；

螺栓的松动角度为θ＝α_i-α₀。

本发明的有益效果为：本发明能够有效地解决螺栓连接结构的松动角度识别检测问题。松动角度检测准确，研究表明，本发明方法在实施成本和识别角度精度上都有比较良好的表现。

附图说明

图1为利用labelImg工具对图片中的目标物进行分类和命名的示意图。