(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210680335.7 (22)申请日 2022.06.16 (71)申请人 河南大学 地址 475001 河南省开封市明伦街85号 (72)发明人 韩现伟　高伟　张一民　张世超　 赵春喜　孙宇　 (74)专利代理 机构 郑州联科专利事务所(普通 合伙) 41104 专利代理师 刘建芳 (51)Int.Cl. G06T 7/00(2017.01) G06T 7/73(2017.01) G06V 10/764(2022.01) G06V 10/82(2022.01) H04N 5/232(2006.01) (54)发明名称 一种高精度筛网缺陷智能检测系统及方法 (57)摘要 本发明公开了一种高精度筛网缺陷智能检 测系统及方法， 包括上位机、 下位机、 线阵工业相 机、 高分辨率定焦镜头、 面光源、 放卷轴和筛网回 收装置， 所述的高分辨率定焦镜头固定设置在线 阵工业相机镜头上， 所述的高分辨率定焦镜头垂 直设置在面光源的上方， 所述的放卷轴和筛网回 收装置分别设置在面光源的两侧。 本发明通过采 用图像采集部分、 驱动控制部分和筛网传送部分 实时采集筛网图像， 并将采集的图像传送到上位 机。 使用改进后的卷积神经网络对图像进行缺陷 检测， 实现筛网的快速检测和缺陷的准确定位。 本发明中图像采集部分、 驱动控制部分和筛网传 送部分等都采用模块化， 根据检测要求这些机构 可以方便的安装和卸载， 从而扩 大了本检测系统 的应用范围。 权利要求书2页 说明书6页 附图3页 CN 115018802 A 2022.09.06 CN 115018802 A 1.一种高精度筛网缺陷智能检测系统， 其特征在于： 包括上位机、 下位机、 线阵工业相 机、 高分辨率定焦镜头、 面光源、 放卷轴和筛网回收装置， 所述的高分辨率定焦镜头固定设 置在线阵工业相 机镜头上， 所述的高分辨率定焦镜头垂直设置在面光源的上方， 所述的放 卷轴和筛网回收装置分别设置在面光源的两侧， 分别用来固定筛网卷和对筛网卷上检测完 毕的筛网进 行卷装回收； 所述的下位机控制连接线阵工业相机、 面光源和筛网回收装置， 所 述的线阵工业相机的输出端通过 下位机连接上位机的输入端。 2.根据权利要求1所述的一种高精度筛网缺陷智能检测系统， 其特征在于： 所述的筛网 回收装置包括有第二伺服电机、 第二传动滚筒和回卷轴， 第二伺服电机的控制 输入端连接 PLC的控制输出端。 3.根据权利要求1所述的高精度筛网缺陷智能检测系统， 其特征在于： 还包括由丝杠模 组和第一伺服电机， 所述的丝杠模组用于滑动设置线阵工业相 机， 所述的丝杠模组的行程 方向与筛网的展开方向垂直， 所述的伺服电机通过拖链带动丝杠模组往复行进， 所述第一 伺服电机的输入端连接下位机的控制输出端。 4.根据权利要求1所述的高精度筛网缺陷智能检测系统， 其特征在于： 还包括有第 一传 动滚筒和压紧滚筒， 所述的传动滚筒和压紧滚筒平行配合设置在放卷轴和面光源之间， 用 于保证筛网的平整。 5.根据权利要求1 ‑4任一权利要求所述的高精度筛网缺陷智能检测系统， 其特征在于： 所述的线阵工业相机采用View orks的VL ‑16K3.5C‑M40F‑1相机。 6.根据权利要求5所述的高精度筛网缺陷智能检测系统， 其特征在于： 镜头采用ML ‑ FC90‑045大靶面高分辨 率定焦镜 头。 7.一种基于根据权利要求6所述的高精度筛网缺陷智能检测系统的检测方法， 其特征 在于： 包括如下步骤： A： 启动智能检测系统， 把待测筛网固定在放卷轴上， 然后拉取筛网的端部依次通过第 一传动滚筒、 压紧滚筒、 面 光源和筛网回收装置上； B: 通过下位机控制设备启动， 首先控制线阵工业相机进行拍照， 对拍照的图像保存并 发送到上位机， C： 上位机对接收到的图像进行预处理， 然后使用改进后的卷积神经网络对图像进行缺 陷检测； D， 当检测完一定宽度的筛网时， 下位机控制第 一伺服电机进行位置移动以及筛网回收 装置的动作， 使线阵工业相机采集下一个宽度的筛网图像， 然后重复步骤B ‑C， 直至对整个 待侧筛网检测完毕。 8.根据权利要求7所述的高精度筛网缺陷智能检测方法， 其特征在于： 所述的步骤C具 体包括如下步骤： (1)、 对相机采集的图像进行分块处 理,以满足网络模型对输入图像大小的要求； (2)、 运用高斯模糊算法对图像进行 滤波； (3)、 使用伽马变换对滤波后的图像进行增强； (4)、 将分块后， 经 过图像预处 理的图像使用Label img进行缺陷种类、 位置信息的标记； (5)、 根据筛网的图像特 征和检测需求改进YOLOv4网络； (6)、 将标记好的图像传入改进YOLOv4网络进行网络训练；权　利　要　求　书 1/2 页 2 CN 115018802 A 2(7)、 对训练好的缺 陷检测网络进行测试， 若达不到预期要求则重复步骤(5)、 (6)， 直到 改进网络 达到预期要求； (8)、 将训练好的改进网络应用于缺陷检测算法； (9)、 将步骤(3)完成图像预处理的筛网图像进行缺陷检测， 读取检测结果， 如果有检测 到破洞、 锈蚀、 杂物织入等 缺陷， 将缺陷位置在原图进行框 选定位。 9.根据权利要求8所述的高精度筛网缺陷智能检测方法， 其特征在于： 所述步骤(1)图 像分块的个数为32， 大小为 480*512。 10.根据权利要求8所述的高精度筛网缺陷智能检测方法， 其特征在于： 所述步骤(5) 中， 对YOLOv4改进， 具体为对主干特征提取网络和SPP网络进行改进： 首先， 将原YOLOv4主干 特征提取网络CSPDar kNet53替换为改进的VGG ‑16主干特征提取网络以减少网络的深度， 以 提高网络检测实效性， 以适应工业现场对实时性的要求； 由于VGG ‑16网络去掉全连接层后， 由3*3卷积和最大池化层组成， 为了提高其特征提取性能， 引入LessM模块和LessN模块； 其 次， 添加不同池化核大小的S PP网络， 以更好的提取不同大小的目标 特征。权　利　要　求　书 2/2 页 3 CN 115018802 A 3