基于机器视觉的螺纹识别系统

许多传统螺纹的检测技术工序复杂、效率低、成本高,已不能满足现代工业高效发展的需求,因此要建立一套以机器视觉识别技术为核心的视觉传感和图像处理系统,利用CCD获取螺纹基本图像,并通过数字图像处理技术和模糊模式识别方法对螺纹几何参数进行自动识读并加以识别。

NAFENet:基于全局注意力特征融合的螺纹扭矩曲线分类网络

为了提高螺纹油套管气密封检测的工作效率,本文提出了一种基于全局注意力特征融合的螺纹扭矩曲线自动分类网络,即NAFENet.具体来说,NAFENet为了增强模型的表达力,将EfficientNet-B0的卷积结构扩展至11层得到EfficientNet-B11.同时,在其每个MBConv卷积层中构建了基于non-local全局注意力和AFF特征融合模块,以帮助模型获取曲线图像中较为全局的信息,提高特征提取能力.实验结果表明,NAFENet在参数量相较于EfficientNet-B0只有小幅度的增加情况下,曲线识别精度有了较大提升,在自制UBT_Curve数据集上,模型准确率达到92.87%.