针对扣件的断裂、缺失和螺母松动等3种主要缺陷引起的扣件转动,对基于Mask R-CNN网络扣件缺陷检测系统开展研究。首先将扣件图片输入到主干特征提取网络Resnet101对图片进行卷积、池化操作,随后构造FPN(Feature Pyram id Ne tw orks),经过FPN进行多尺度特征融合后的结果输入到RPN(Re gion Propos al Ne tw orks),再由RPN筛选出一部分RoI(Region of Interest),然后对RoI进行RoI Align操作,最后对RoI进行分类、bounding_box回归和扣件掩膜(mask)生成,最后得到的实例分割检测结果。该结果不仅可以通过预测框显示正常扣件和缺陷扣件类别,还可以通过语义分割得到的扣件形状判断扣件类别。因此,在一定程度上缩小了实际操作中因网络本身引起的误差。

为解决实际运用中人工检测盘纸直径和宽度精度不准、耗费人力资源的问题,提出一种基于视觉盘纸直径和宽度尺寸检测的方法,以提高检测的效率和精度。该模型以霍夫圆检测与Canny边缘检测算法为基础,提取盘纸轮廓实现对圆心坐标、直径和宽度尺寸的检测。运用图形细化提取轮廓骨架,确定边缘像素特征点坐标,运用最小二乘法对特征点坐标曲线拟合,标定极限偏差,判定产品的合格性。实验结果显示,该检测模型的直径检测精度在2 mm,宽度检测误差在0.8 mm范围之内的收银纸检测准确率稳定,符合实际运用要求,对节约人力、提高经济效益、解决人工检测等方面的问题均具有重要意义。