基于3D卷积神经网络的金属滚轮叶片转动计数算法设计与实现

摘要

近年来,基于计算机视觉的金属滚轮叶片缺陷检测算法应用越来越广泛,由于周期性检测的原因,需要有一种与之配套的滚轮叶片计数算法,由于检测过程中孔探仪的辅助光源对叶片表面镜面反射的原因,传统的基于边缘的检测算法难以实现有效的计数,因此需要设计一种与光照无关的算法。基于此,本文设计了一种基于3D卷积神经网络的金属滚轮叶片转动计数算法。本算法首先将单个金属叶片转动过程标注上相位标签,将单个金属叶片的转动过程映射为相位的周期变换过程,为了满足利普希茨条件,将相位标签转换为该相位对应的三角函数值标签。其次利用LK光流法将标注好的数据进行预处理,将叶片的转动方向归一化到水平方向。最后再将预处理好的数据送入3D卷积神经网络中回归出相位信息,通过相位信息完成对叶片的转动计数。本文算法使用滚轮叶片在实际场景种采集到的数据进行验证,验证结果表明,该算法在真实现场数据上的计数准确率满足要求。