iso file download
(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111209170.7 (22)申请日 2021.10.18 (71)申请人 郑州大学 地址 450001 河南省郑州市高新 技术开发 区科学大道100号 (72)发明人 陈丽 高新涛 邱本花 姚青华  (74)专利代理 机构 西安汇恩知识产权代理事务 所(普通合伙) 6124 4 代理人 曹昆 (51)Int.Cl. G01N 21/88(2006.01) G01N 21/01(2006.01) G06N 20/00(2019.01) (54)发明名称 一种基于机器学习的气缸套表面缺陷智能 标注装置 (57)摘要 本发明公开了一种基于机器学习的气缸套 表面缺陷智能标注装置, 包括底座、 转运机构、 承 载架和支板, 所述第二支架的顶部固定有热风 机, 所述转运机构、 承载架和支板均固定在底座 上端面的中间处, 所述支板的一端面滑动连接有 第二滑轨, 所述第二滑轨内滑动连接有第二滑 块, 所述底 座上端面的另一侧设置有第二传送带 装置。 该基于机器学习的气缸套表 面缺陷智能标 注装置, 检测探头随着第二滑轨一起向下移动并 到达气缸套的后方之后, 气缸套随着转台一起旋 转, 方便对气缸套进行全面检测处理, 若检测到 气缸套表 面存在缺陷, 则需利用标注喷枪喷射气 缸套, 同时可控制好标注喷枪的运动轨迹以及气 缸套的方向, 方便精准标注出缺陷位置 。 权利要求书1页 说明书6页 附图4页 CN 113945572 A 2022.01.18 CN 113945572 A 1.一种基于机器学习的气缸套表面缺陷智能标注装置, 包括底座(1)、 转运机构(16)、 承载架(17)和支板(20), 其特 征在于: 所述底座(1)上端面的一侧设置有第一传送带装置(2), 且第一传送带装置(2)的外侧 设置有第一支架(3), 同时第一支架(3)内顶部的下侧通过第一电动伸缩柱(4)与环形喷水 管道(5)相连接, 所述底座(1)上端面的一侧固定有储水箱(6), 且储水箱(6)的一侧固定有 电动阀门(7), 所述储水箱(6)的内底部固定有水泵(8), 且水泵(8)的上侧通过第一连接管 道(9)与环形喷水管道(5)相连接, 所述第一传送带装置(2)的外侧设置有第二支架(11), 且 第二支架(11)和第一支架(3)均固定在底 座(1)上, 同时第二支架(11)内顶部的下侧通过第 二电动伸缩柱(12)连接有环形吹风管道(13), 所述第二支架(11)的顶部固定有热风机 (14), 且热风机(14)的一侧通过第二连接管道(15)与环形吹风管道(13)相连接; 所述转运机构(16)、 承载架(17)和支板(20)均固定在底座(1)上端面的中间处, 且转运 机构(16)与支板(20)分别位于承 载架(17)的两侧, 同时承载架(17)的顶部转动连接有转台 (19), 所述支板(20)的一端面滑动 连接有第二滑轨(23), 且第二滑轨(23)的顶部固定有检 测探头(24), 所述第二滑轨(23)内滑动连接有第二滑块(27), 且第二滑块(27)的一侧固定 有标注喷枪(28), 所述底座(1)上端面的另一侧设置有第二传送带装置(2 9)。 2.根据权利要求1所述的一种基于机器学习的气缸套表面缺陷智能标注装置, 其特征 在于: 所述环形吹风管道(13)通过第二电动伸缩柱(12)与第二支 架(11)构成伸缩结构。 3.根据权利要求1所述的一种基于机器学习的气缸套表面缺陷智能标注装置, 其特征 在于: 所述转运机构(16)包括电动伸缩杆(1601)、 第三电动伸缩柱(1602)、 第一滑轨 (1603)、 第 一马达(1604)、 第一丝杠(1605)、 第一滑块(1606)和电动夹具(1607), 且电动伸 缩杆(1601)固定在底座(1)上, 同时电动伸缩杆(1601)的一端与第三电动伸缩柱(1602)相 连接, 所述第三电动伸缩柱(1602)的顶部与第一滑轨(1603)相连接, 且第一滑轨(1603)的 一侧固定有第一马达(1604), 同时第一马达(1604)的输出端与第一丝杠(1605)相连接, 所 述第一丝杠(1605)螺纹连接在第一滑 块(1606)上, 且第一滑块(1606)滑动连接在第一滑轨 (1603)内, 同时第一滑块(16 06)的两侧对称固定有电动夹具(16 07)。 4.根据权利要求1所述的一种基于机器学习的气缸套表面缺陷智能标注装置, 其特征 在于: 所述承载架(17)内 固定有第二马达(18), 且第二马达(18)的顶部与转台(19)相连接 。 5.根据权利要求1所述的一种基于机器学习的气缸套表面缺陷智能标注装置, 其特征 在于: 所述支板(20)内固定有第三马达(21), 且第三马达(21)的顶部与第二丝杠(22)相连 接, 同时第二丝杠(2 2)螺纹连接在第二滑轨(23)上。 6.根据权利要求1所述的一种基于机器学习的气缸套表面缺陷智能标注装置, 其特征 在于: 所述第二滑轨(23)的一侧固定有第四马达(25), 且第四马达(25)的输出端与第三丝 杆(26)相连接, 同时第三丝杆(26)螺纹连接在第二滑块(27)上。 7.根据权利要求1所述的一种基于机器学习的气缸套表面缺陷智能标注装置, 其特征 在于: 所述环形喷水 管道(5)通过第一电动伸缩柱(4)与第一支 架(3)构成伸缩结构。 8.根据权利要求1所述的一种基于机器学习的气缸套表面缺陷智能标注装置, 其特征 在于: 所述第一连接管道(9)贯 穿滤网(10), 且滤网(10)固定在储水箱(6)的内侧。 9.根据权利要求1所述的一种基于机器学习的气缸套表面缺陷智能标注装置, 其特征 在于: 所述第一连接管道(9)卡 合连接在第一支 架(3)顶部的一侧。权 利 要 求 书 1/1 页 2 CN 113945572 A 2一种基于机 器学习的气缸套表面缺陷智能标注装 置 技术领域 [0001]本发明涉及机器学习相关技术领域, 具体为一种基于机器学习的气缸套表面缺陷 智能标注装置 。 背景技术 [0002]机器学习是指人工智能的一个方面, 专注于算法, 为了对气缸套表面缺陷进行标 注处理, 则可利用标注装置并运用机器学习来对气缸套表面的缺陷部位进行 标注。 [0003]申请号为202010804831.X基于半监督学习自动标注工业产品外观缺陷图像的方 法, 主要解决法对已有标签的数据构建深度特征与分类模型, 然后通过实施多阶段半监督 学习的方法逐步将未知标签数据与已有标签进行混合训练, 最终实现工业产品产品缺陷图 像的自动标注模型, 该 方法可以是机器人能够自主学习; [0004]申请号为202011236406.1一种缺陷标注 方法和装置, 该方法获取待检测产品的目 标检测图像集, 在所述 目标检测图像集中框选出目标检测区域; 采用不同标注方式对所述 目标检测图像集中所述待检测产品不同的缺陷类型进 行标注, 并计算各标注缺陷的最小外 接矩形; 获取所述最小外接矩形 的四个端点的坐标, 根据所述最小外接矩形 的四个端点的 坐标判断相应的标注 缺陷是否位于所述目标检测区域内, 根据所述标注缺陷的标注信息生 成所述待检测产品的缺陷在所述目标检测区域的热力分析图。 [0005]现有的标注装置在检测材料缺陷之前不便对材料表面进行清洁处理, 同时整个操 作不够连续高效, 造成工作效率低的现象。 发明内容 [0006]本发明的目的在于提供一种基于机器学习的气缸套表面缺陷智能标注装置, 以解 决上述背景技术中提出的现有的标注装置在检测材料缺陷之前不便对材料表面进行清洁 处理, 同时整个操作不够连续高效的问题, , 造成工作效率低的现象。 [0007]为实现上述目的, 本发明提供如下技术方案: 一种基于机器学习的气缸套表面缺 陷智能标注装置, 包括底座、 转 运机构、 承载架和支板, [0008]所述底座上端面的一侧设置有第一传送带装置, 且第一传送带装置的外侧设置有 第一支架, 同时第一支架内顶部的下侧 通过第一电动伸缩柱与环形喷水管道相连接, 所述 底座上端面的一侧固定有储水箱, 且储水箱的一侧固定有电动阀门, 所述储水箱的内底部 固定有水泵, 且水泵的上侧 通过第一连接管道与环形喷水管道相连接, 所述第一传送带装 置的外侧设置有第二支架, 且第二支架和第一支架均固定在底座上, 同时第二支架内顶部 的下侧通过第二电动伸缩柱连接有环形吹风管道, 所述第二支架的顶部固定有热风机, 且 热风机的一侧通过第二连接管道与环形吹风管道相连接; [0009]所述转运机构、 承载架和支板均固定在底座上端面的中间处, 且转运机构与支板 分别位于承载架的两侧, 同时承载架的顶部转动连接有转台, 所述支板的一端面滑动连接 有第二滑轨, 且第二滑轨的顶部固定有检测探头, 所述第二滑轨内滑动连接有第二滑块, 且说 明 书 1/6 页 3 CN 113945572 A 3

.PDF文档 专利 一种基于机器学习的气缸套表面缺陷智能标注装置

文档预览
中文文档 12 页 50 下载 1000 浏览 0 评论 309 收藏 3.0分
温馨提示:本文档共12页,可预览 3 页,如浏览全部内容或当前文档出现乱码,可开通会员下载原始文档
专利 一种基于机器学习的气缸套表面缺陷智能标注装置 第 1 页 专利 一种基于机器学习的气缸套表面缺陷智能标注装置 第 2 页 专利 一种基于机器学习的气缸套表面缺陷智能标注装置 第 3 页
下载文档到电脑,方便使用
本文档由 人生无常 于 2024-03-19 01:59:35上传分享
站内资源均来自网友分享或网络收集整理,若无意中侵犯到您的权利,敬请联系我们微信(点击查看客服),我们将及时删除相关资源。