一种基于深度学习的钢丝校直方法

本发明属于深度学习技术领域，尤其涉及一种基于深度学习的钢丝校直方法。该方法先通过高帧率工业相机从侧表面和顶部采集钢丝图像，经图像扩充、增强处理后，将增强的侧表面图像输入改进的YOLOV8架构获取弯曲特征数据，同时计算顶部表面图像的面积偏差。利用弯曲特征参数构建MIMO神经网络校直控制模型，输出校直设备的压力、行程和方向控制指令，并在校直过程中通过粗判、精判结合面积偏差判断直线度是否达标。与传统校直方法相比，本发明能全面获取钢丝弯曲特征，精准控制校直过程，有效提高校直精度和效率。