摘要
本发明公开了一种针对小尺寸螺纹参数的高精度测量方法,属于螺纹测量技术领域,包括以下步骤:S1、获取小尺寸螺纹的多维度信息;S2、对采集的螺纹边缘图像进行预处理以提高图像质量;S3、对S2中提取的螺纹边缘图像进行标注,划分为训练集和验证集放入卷积神经网络CNN模型中训练;S4、通过CNN模型提取关键特征点,并处理螺纹边缘图像,计算得到小尺寸螺纹的关键参数;S5、基于S4中得到的小尺寸螺纹的关键参数,利用BP神经网络构建误差补偿模型,实现对小尺寸螺纹关键参数的高精度测量。本发明采用上述的一种针对小尺寸螺纹参数的高精度测量方法,测量速度快、精度高、适应性强,实现螺纹关键参数的一体化测量。
技术关键词
高精度测量方法
螺纹参数
小尺寸
误差补偿模型
BP神经网络构建
关键特征点
图像
Adam算法
关键点
Canny算子
滤波
输入输出关系
训练神经网络
双三次插值
像素点
偏振光源
标注软件
远心镜头
系统为您推荐了相关专利信息
短期负荷预测模型
短期负荷预测方法
历史负荷数据
权重模型
LSTM神经网络
卫星定位系统
传感装置
设备位姿
误差补偿模型
轮式编码器
机器人单元
折边机
视觉检测系统
工作站
输送单元