基于注意力机制和隐马尔科夫的高精密螺纹全自动精确测量

作     者：张堃 李子杰 瞿宏俊 吴建国 华亮 ZHANG Kun;LI Zijie;QU Hongjun;WU Jianguo;HUA Liang

作者机构：南通大学电气工程学院江苏南通226019 中科海拓(无锡)科技有限公司江苏无锡214122 江南大学物联网工程学院江苏无锡214122 南通理工学院电气与能源工程学院江苏南通226002 南通市智能控制与智能计算重点实验室江苏南通226002 

出 版 物：《南通大学学报（自然科学版）》 (Journal of Nantong University(Natural Science Edition)　)

年 卷 期：2021年第20卷第3期

页      面：57-66页

学科分类：1305[艺术学-设计学（可授艺术学、工学学位）] 13[艺术学] 08[工学] 081104[工学-模式识别与智能系统] 080202[工学-机械电子工程] 0804[工学-仪器科学与技术] 0802[工学-机械工程] 081101[工学-控制理论与控制工程] 0811[工学-控制科学与工程] 

基　　金：江苏省高校自然科学基金项目(18KJB510038) 江苏省“333工程”项目(BRA2018218) 国家级大学生创新创业训练计划项目(202010304065Z) 

主　　题：Unet模型 注意力机制 隐马尔可夫 螺纹测量 

摘      要：基于机器视觉的螺纹测量易受到工业环境(例如灰尘、铁屑、油渍等)的干扰,且需要人工半自动干预,导致测量结果不稳定。通过加入Attention机制对R2Unet模型进行改进,提出一种基于AA R2Unet深度学习模型和隐马尔科夫模型的高精密螺纹全自动精确测量方法。首先,为了克服工业环境中灰尘、铁屑等因素的干扰,设计了AA R2Unet模型对外螺纹进行有效边缘识别与提取;然后,通过计算螺纹边缘点梯度方向特征信息,使用隐马尔可夫模型对螺纹边缘点进行分类,达到螺纹零件在测量过程中可以任意角度放置的目的。通过实际采集工件图像制作数据集进行实验验证,结果表明,基于AA R2Unet的螺纹边缘提取方法分割精度达到95.92%,基于隐马尔可夫模型的螺纹边缘点分类准确率达到86%以上,外径测量误差在0.01 mm以内。