基于深度学习的气泡水平尺自动 矫正系统研究*

作者：刘尧，朱善安* 日期：2018-07-06/span> 浏览：2709 查看PDF文档

                                                                  基于深度学习的气泡水平尺自动矫正系统研究*
                                                                                         刘尧，朱善安*
                                                                     （浙江大学 电气工程学院，浙江 杭州 310027）

摘要：针对气泡水平尺大角度偏斜工件的自动矫正问题，对深度学习目标检测领域的模型进行了研究，设计了一种基于深度学习的自动矫正方案。在不同光照条件的气泡工件图片样本集上，采用kmeans聚类方法，分析了不同anchor box数量对YOLO检测性能的影响，对比了YOLO与SSD两种模型的检测准确率和平均IOU；同时结合概率霍夫变换与最小二乘法，设计了两种气泡工件参考线边缘拟合方法，并对比了两种拟合方法计算工件偏斜角度的准确度；针对应用场景，采用Client/Server网络结构，服务端接收客户端采集的图像并将计算结果返回，客户端控制电机对偏斜工件进行了自动矫正。研究结果表明：该方案能对气泡大角度偏斜的工件进行检测，相比现有方案矫正的效率更高。

关键词：气泡水平尺；YOLO；SSD；概率霍夫变换；最小二乘法

中图分类号：TH73；TP274                    文献标志码：A                    文章编号：1001-4551(2018)06-0555-06

本文引用格式：
刘尧，朱善安.基于深度学习的气泡水平尺自动矫正系统研究［J］.机电工程，2018，35(6)：555-559,602.
LIU Yao, ZHU Shan an. Automatic bubble level correct system based on deep learning［J］.Journal of Mechanical & Electrical Engineering, 2018,35(6):555-559,602.
《机电工程》杂志：http://www.meem.com.cn