[发明专利]一种用于螺栓检测的动态图像识别方法及系统

权利要求书

1.一种用于螺栓检测的动态图像识别方法，其特征是包括如下步骤：

步骤1、构建表面缺陷分析模型，并对其进行训练；

步骤2、利用位于夹持部内侧的周边视觉相机采集螺栓边缘的图像数据，利用上部视觉相机采集螺栓顶部的图像数据，将两组图像数据分送至中控机；

步骤3、中控机根据接收得到的图像数据反哺至表面缺陷分析模型中进行结果分析，对螺栓缺陷进行标记。

2.根据权利要求1所述的一种用于螺栓检测的动态图像识别方法，其特征在于，构建表面缺陷分析模型的过程进一步为：

由线性滤波器进行线性卷积操作以提取特征，通过非线性激活函数生成特征图：

x_i，j，k＝max(w_kx_i，j+b_k，0)

式中，x_i，j表示卷积区域的图像块，x_i，j，k表示经过卷积之后的特征图像块，max表示Relu激活函数，w_k表示第k个特征图的权重，b_k表示第k个特征图的偏置；

构建代价函数：

式中，1{*}表示示例函数，大括号内的表达式值为真时输出1，否则为0，y⁽ⁱ⁾表示第i个样本实际的标签值，表示第i个样本分类为j的概率，m表示标签个数，k表示类别个数，C表示权重衰减项；

其中，

式中，λ表示正则化系数，w_ij表示特征图的权重，其余各符号含义同上。

3.根据权利要求1所述的一种用于螺栓检测的动态图像识别方法，其特征在于，对缺陷分析模型进行训练的过程进一步为：

使用梯度下降法对代价函数进行优化，找到最优参数：

式中，w_j表示第j个特征图的权重，为最优参数，其余各符号含义同上；

采用反向传播到方式进行权重和偏置的更新，并采用交叉熵损失函数进行优化；所述交叉熵损失函数如下表达式所示：

式中，m表示样本的数量；y_i表示样本i的标签，是期望的输出值，正类则为1，负类则为0；p_i表示样本i预测为正的概率，是神经元的实际输出值。

4.根据权利要求1所述的一种用于螺栓检测的动态图像识别方法，其特征在于，中控机根据接收得到的图像数据反哺至表面缺陷分析模型中进行结果分析，对螺栓缺陷进行标记的过程进一步为：

利用待求像素四个邻像素A(x₁，y₁)、B(x₁，y₂)、C(x₂，y₁)、D(x₂，y₂)的灰度在X方向上作线性内插，得到：

式中，A像素点和C像素点共处X方向，B像素点和C像素点共处X方向；(x，y₁)表示A像素点和C像素点之间的插值像素坐标，(x，y₂)表示B像素点和D像素点之间的插值像素坐标；

在Y方向作线性内插，最终得到：

式中，(x，y)表示进一步计算出的(x，y₁)和(x，y₂)在Y方向上的插值像素点；

利用线性滤波算法对图像进行处理，对于图像f(x，y)，f在坐标系(x，y)中的梯度是一个列向量：

其中，该向量表示图像中的像素在点(x，y)中灰度值的最大变化率的方向；的幅值是图像f(x，y)的梯度图，记为M(x，y)；

其中，

g_x为图像在x方向上的梯度；g_y为图像在y方向上的梯度。