国产人成,1769视频在线观看_亚洲 欧洲 日产 经典_午夜福利中文字幕国产精选_未满十八18禁止免费无码网站_永久91亚洲中文天堂在线观看

你的位置:首頁 >> 產(chǎn)品展示 >> 薄膜壓力傳感器系統(tǒng) >> 運(yùn)動(dòng)測(cè)量系統(tǒng)  運(yùn)動(dòng)測(cè)量系統(tǒng)
用于織物接縫自動(dòng)質(zhì)量控制的人工神經(jīng)網(wǎng)絡(luò)
來源:薄膜壓力傳感器壓力分布 | 發(fā)布時(shí)間:2020/2/21 12:43:55 | 瀏覽次數(shù):
基于視覺和觸覺輸入的模擬CNN紡織品質(zhì)量控制算法 阿提拉·基斯*、費(fèi)倫茨·科瓦奇*、彼得·索爾蓋* 彼得天主教大學(xué), 信息技術(shù)部, 匈牙利布達(dá)佩斯H-1052 Piarista meat 1 *模擬和神經(jīng)計(jì)算系統(tǒng)實(shí)驗(yàn)室, 計(jì)算機(jī)與自動(dòng)化研究所, 匈牙利科學(xué)院, P、 匈牙利布達(dá)佩斯H-1502,O.B 63 電子郵件:[akis,szolgay]@sztaki.hu,kovacs@itk.ppke.hu 摘要 為了實(shí)時(shí)檢測(cè)紡織品上的斑點(diǎn)、顛簸和破損等故障,開發(fā)并測(cè)試了一種模擬CNN算法,該算法使用了一個(gè)帶有壓力傳感器陣列觸覺傳感器的實(shí)驗(yàn)系統(tǒng)、CCD攝像機(jī)和細(xì)胞視覺微處理器開發(fā)系統(tǒng)Aladdin Pro。觸覺感知系統(tǒng)是通過視覺輸入對(duì)可疑區(qū)域進(jìn)行集中感知的系統(tǒng)。上述觸覺系統(tǒng)將使用類似的算法仔細(xì)檢查相關(guān)位置。纖維斷裂和結(jié)是要檢測(cè)的典型錯(cuò)誤。 介紹 在紡織廠的機(jī)器檢測(cè)過程中,缺陷的表征和高數(shù)據(jù)率構(gòu)成了兩大障礙。傳統(tǒng)上,紡織品的故障是通過視覺單元檢測(cè)來檢測(cè)的[1,2]。這些系統(tǒng)是可靠的,但其精度不高[3]。對(duì)于缺陷觸覺檢測(cè)的特征,有關(guān)紡織品物理方面的信息收集是充分的。因此,工業(yè)視覺單元與觸覺單元的融合是紡織工業(yè)的戰(zhàn)略重點(diǎn),因?yàn)樗鼈優(yōu)樵诩徔棛z測(cè)中實(shí)現(xiàn)高精度的系統(tǒng)提供了基礎(chǔ)。 本文介紹了一個(gè)基于簡單的光學(xué)和觸覺圖像處理操作相結(jié)合的工廠檢測(cè)系統(tǒng)的軟件核心,以及該軟件核心在檢測(cè)紡織品常見缺陷方面的效率。然后分析討論了整個(gè)系統(tǒng)的先決條件,以及問題的性質(zhì)所帶來的限制和限制。文中還詳細(xì)介紹了軟件算法,并對(duì)初步結(jié)果進(jìn)行了評(píng)價(jià)。 該系統(tǒng)主要由視覺和觸覺檢測(cè)兩部分組成。在這一貢獻(xiàn)中,我們關(guān)注的是觸覺故障檢測(cè)和識(shí)別系統(tǒng),因?yàn)橐曈X單元在之前的論文[4]中有詳細(xì)介紹。我們將呈現(xiàn)在觸覺動(dòng)作的壓力場(chǎng)上的快照,通過CNN-UM對(duì)織物表面進(jìn)行調(diào)查和預(yù)處理[5-6]。 第二節(jié)介紹了實(shí)驗(yàn)系統(tǒng)。第三節(jié)對(duì)觸覺故障檢測(cè)過程進(jìn)行了分析,并在實(shí)驗(yàn)的基礎(chǔ)上,在第四節(jié)給出了一些結(jié)論性意見。 2。紡織品故障檢測(cè)實(shí)驗(yàn)系統(tǒng) 紡織物以已知和可調(diào)的速度滾動(dòng),通常約為每秒600毫米。視覺單元搜索補(bǔ)丁或花,并提供缺陷的坐標(biāo)。觸覺單元只探索視覺單元指示的區(qū)域,節(jié)省了大量時(shí)間。系統(tǒng)的主要部分如圖1所示。 圖1:系統(tǒng)的主要部分:(a)AceBox 4K,(b)觸控筆,(c)CCD攝像機(jī) 圖1:系統(tǒng)的主要部分:(a)AceBox 4K,(b)觸控筆,(c)CCD攝像機(jī) 信號(hào)由AceBox[7]處理。這個(gè)單元處理觸覺圖像。由于系統(tǒng)是為實(shí)時(shí)操作而設(shè)計(jì)的,因此需要處理單元的快速響應(yīng),這是CNN-UM很好地實(shí)現(xiàn)的。當(dāng)需要處理大量圖像(幀/秒)時(shí),模擬算法可能特別有用。在我們的例子中,壓力場(chǎng)是用灰度圖像編碼的。 對(duì)于感官陣列,使用觸覺系統(tǒng)[8],商用。 PC機(jī)僅用于顯示事件,并在傳感器部分和Aladdin Pro之間建立連接。 2.1條。壓力感應(yīng)槽觸覺器 觸覺傳感器是一種電子觸覺力和壓力指示傳感器,通過USB端口連接到PC機(jī)。我們使用電容式傳感器的原因是,與其他兩種最常見的方法(電阻式和壓電式壓力傳感器)相比,電容式傳感器更堅(jiān)固,更能抵抗工作溫度的變化。傳感器具有線性響應(yīng)和低滯后特性。隨著時(shí)間的推移,性能降低的可能性較小。 觸覺傳感器可以在事件發(fā)生時(shí)實(shí)時(shí)監(jiān)控力在任何兩個(gè)接觸面或配合面之間的分散情況。該系統(tǒng)包括一個(gè)50毫米x 50毫米的手掌傳感器,其空間分辨率為2.5毫米(21 x 21像素)和五個(gè)手指?jìng)鞲衅,每個(gè)傳感器為13毫米x 13毫米,空間分辨率為1.5毫米(9 x 9像素)。一個(gè)tuxel等于傳感器陣列中的一個(gè)傳感器點(diǎn)。該系統(tǒng)的查詢速度可達(dá)60000個(gè)傳感器點(diǎn)/秒。傳感器襯墊的最佳壓力范圍為0-1 atm,精度為10%。 2.2條。感官部分與64*64的阿拉丁Pro的接口 報(bào)錯(cuò)2.2條。64*64 CNN-UM與阿拉丁Pro的感官界面 Aladdin-Pro系統(tǒng)為開發(fā)類似的CNN算法提供了一個(gè)通用框架。這些算法可以在軟件模擬器或64*64 CNN-UM模擬VLSI芯片上運(yùn)行[9]。ACE4k是一個(gè)包含CNN-UM芯片的平臺(tái),該芯片內(nèi)置于PC104板中。該平臺(tái)通過PCI總線接口與上位機(jī)相連,為64*64 CNN-UM提供了上下加載數(shù)據(jù)的快速能力。 三。核心算法流程圖 該算法檢測(cè)織物上的三種主要故障:突起、孔洞和裂開或斷裂。算法流程圖如圖2所示。 圖2:算法流程圖 圖2:算法流程圖 作為低敏感度、高閾值模板的第一步,我們可以提取出壓力高于通常速率的區(qū)域。在通常情況下,可能會(huì)有高速壓力,僅出現(xiàn)在一個(gè)小的、隨機(jī)出現(xiàn)的區(qū)域,這是由于紡織品中的噪音和不規(guī)則。高壓區(qū)超過通常的手段,即表面有一個(gè)凸起。 為了探測(cè)孔洞(圖3.a)和裂縫,我們需要一個(gè)敏感的低閾值,因?yàn)樵谶@些區(qū)域的壓力低于平均值。(圖3.b.) 圖3:(a)原始孔,(b)閾值,(c)輪廓,(d)孔 圖3:(a)原始孔,(b)閾值,(c)輪廓,(d)孔 通過將該圖像用作全黑圖像上的固定狀態(tài),通過傳播的侵蝕模板,得到無孔受壓區(qū)域的形狀(圖3.c)。在原始的閾值圖像和被擦除的黑斑之間進(jìn)行異或邏輯運(yùn)算,我們將得到洞的面積(圖3.d)。我們需要這種算法,而不是簡單地反轉(zhuǎn)輸入圖像,原因是由于不規(guī)則性,我們不能對(duì)整個(gè)感官陣列施加均勻的壓力,特別是在邊緣。通過計(jì)算輸出圖像上的黑色像素,我們可以判斷出洞的大小。 圖4:(a)原始觸覺圖像,(b)閾值,(c)侵蝕和凹面位置濾波器,(d)水平CCD,(e)垂直CCD 圖4:(a)原始觸覺圖像,(b)閾值,(c)侵蝕和凹面位置濾波器,(d)水平CCD,(e)垂直CCD 如果織物上出現(xiàn)中斷(圖4.a),在應(yīng)用低閾值后,我們將得到兩個(gè)分離的區(qū)域(圖4.b)。通過施加侵蝕和填充凹面位置,上述區(qū)域?qū)⒁虼俗兊猛姑妫▓D4.c)。這一點(diǎn)很重要,因?yàn)檫@樣,使用水平CCD(圖4.d)和垂直CCD(圖4.e)模板,根據(jù)區(qū)域的個(gè)數(shù),輸出圖像上將只有兩個(gè)像素。 四。限制和結(jié)論 提出了一種檢測(cè)織物疵點(diǎn)的方法。它是紡織工業(yè)質(zhì)量控制檢驗(yàn)體系的一部分。實(shí)踐證明,該方法具有很強(qiáng)的魯棒性,適用于不同圖案、復(fù)雜度和顏色的紡織品。該任務(wù)的實(shí)時(shí)性要求已得到充分滿足。這里執(zhí)行的操作非?欤蠹s每秒處理10到20幀。 致謝 作者感謝匈牙利研究和開發(fā)計(jì)劃署(TeleSense project Grant,NKFP)第035/02/2001號(hào)提供的支持。 參考文獻(xiàn) 一。A、 Bodnarova:“使用最優(yōu)Gabor濾波器的紡織品缺陷檢測(cè)”。模式識(shí)別國際會(huì)議記錄(ICPR'00)-第4卷,第4799頁,2000年9月3日至8日 2。C、 Bahlmann,G.Heidemann,H.Ritter:“用于織物接縫自動(dòng)質(zhì)量控制的人工神經(jīng)網(wǎng)絡(luò)”。模式識(shí)別,第32卷,第6期,第1049-1060頁,1999年6月 三。R、 弗蘭基:“散亂數(shù)據(jù)插值:某些方法的檢驗(yàn)”,《計(jì)算數(shù)學(xué)》,第38卷,第157期,第181-2001982頁 四。五十、 蔡美兒,羅斯卡,科澤克和Á。扎蘭迪,“CNN范式——細(xì)胞神經(jīng)網(wǎng)絡(luò)的一個(gè)簡短教程”(編輯T.羅斯卡和J.范德維爾),約翰威利父子公司,紐約,1993年 5個(gè)。五十、 O.Chua,L.Yang:“細(xì)胞神經(jīng)網(wǎng)絡(luò):理論”,《電路與系統(tǒng)的IEEE交易》,第35卷,第1257-1272頁,1988年 6。T、 羅斯卡,L.O.Chua:“CNN通用機(jī)器——模擬陣列計(jì)算機(jī)”。IEEE傳輸。電路與系統(tǒng)II:模擬與數(shù)字信號(hào)處理第40卷,第3期,第163-1731993頁 7號(hào)。阿拉丁Pro系統(tǒng),模擬計(jì)算機(jī),2002,www.Analogic-Computers.com 8個(gè)。傳感器產(chǎn)品,觸覺實(shí)時(shí)觸覺壓力測(cè)量,麥迪遜新澤西州,www.sensorprod.com 9號(hào)。S、 Espejo,R.Dominguez Castro,G.Linan,A.Rodriguez-Vázquez:“帶模擬和數(shù)字I/O的64x64 CNN通用芯片”,《第五屆IEEE電子、電路和系統(tǒng)國際會(huì)議論文集》(ICEC'98),第203-206頁,里斯本,1998 10個(gè)。A、 Kis,N.Bottka,F(xiàn).Kovács和P.Szolgay:“初級(jí)CNN Alg
 
TAG:
打印本頁 || 關(guān)閉窗口
 上一篇:家庭護(hù)理服務(wù)進(jìn)入了傳感分布記憶與認(rèn)知
 下一篇:多模態(tài)輸入