基于深度学习的热态环件轧制过程几何状态视觉测量方法

作     者：汪小凯 董杰 华林 韩星会 武国庆 WANG Xiao-kai;DONG Jie;HUA Lin;HAN Xing-hui;WU Guo-qing

作者机构：武汉理工大学现代汽车零部件技术湖北省重点实验室湖北武汉430070 武汉理工大学汽车零部件技术湖北省协同创新中心湖北武汉430070 武汉理工大学材料绿色精密成形技术与装备湖北省工程中心湖北武汉430070 

出 版 物：《塑性工程学报》 (Journal of Plasticity Engineering)

年 卷 期：2022年第29卷第11期

页      面：8-14页

核心收录：

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家重点研发计划(2019YFB1704502) 国家自然科学基金资助项目(U2037204,52175362) 

主　　题：热态环件 YOLOv5算法 Linemod-2D算法 卡尺工具算法 最小二乘法 深度学习 

摘      要：为解决高温、强光、汽雾以及氧化皮飞溅等恶劣工况下热态环件轧制过程几何状态的在线测量难题,提出了一种基于深度学习的热态环件轧制几何状态视觉测量方法。以深度学习为基础,结合热态环件轧制过程高温发亮的特点,利用YOLOv5算法的卷积神经网络进行训练,智能捕捉相机视野有效区域,大幅提高了图像处理算法的运算速度。为解决环件部分边缘被遮挡的问题,采用Linemod-2D算法,根据环件边缘梯度特征匹配外圆轮廓及位置状态,并基于卡尺工具边缘检测原理获取有效边缘特征点,利用迭代重加权最小二乘法进行拟合,得到了环件几何状态。实验结果表明,本方法鲁棒性较好,测量误差小于0.5 mm,算法平均耗时60 ms。