钢卷眼姿势检测基于双眼视觉和面具R-CNN
Xuwu Su1, Jie Wang1, Yifan Wang1
1School of Mechanical Engineering, Hubei University of Technology, Wuhan 430000, China.
Sensors (Basel, Switzerland)
|April 28, 2025
概括
这项研究介绍了一种基于深度学习的双眼视觉方法,用于精确检测钢线圈滚动眼睛位置. 该自动化系统提高了钢卷包装生产线的安装精度和效率.
科学领域:
- 机器人和自动化机器人与自动化
- 计算机视觉 计算机视觉
- 工业工程 工业工程 工业工程
背景情况:
- 钢卷包装需要精确的内角防护装置.
- 手动安装是劳动密集型的,容易出现错误.
- 需要自动化来提高效率和降低成本.
研究的目的:
- 开发一种自动双眼视觉方法,用于检测钢线圈滚动眼睛位置.
- 为了实现自动对接和安装内角护.
- 提高钢卷包装工艺的精度和效率.
主要方法:
- 利用深度学习框架与Mask R-CNN算法用于目标区域识别和面具图像生成.
- 采用RGB矢量空间图像分割和Sobel边缘检测用于特征提取.
- 应用最小平方法来适应参数,并确定偏斜角度和中心点坐标.
主要成果:
- 实现了0.49和0.47像素的中心点坐标在u和v方向的最大偏差.
- 在圆参数提取中,证明了最大偏斜角度误差为0.45°.
- 在眼睛位置检测中,显示的最大偏差为2.17° (pitch),2.24° (deflection) 和3.53-4.67mm (centroid),满足安装要求.
结论:
- 拟议的双眼视觉方法为钢卷卷眼部位置检测提供了高精度和可操作性.
- 这种方法显著提高了工作效率,并降低了钢卷包装的劳动力成本.
- 该方法确保了足够的检测精度,满足实际安装需求.


