[0001] 本实用新型涉及机器视觉技术领域，尤其涉及一种基于人工智能的机器视觉检测教学装置。

[0002] 视觉检测是通过拍摄目标物体的方式对物体的特征进行图像摄取，并进行图像特征分析的技术。通常视觉检测不需要直接接触物体即可检测，这种检测方式受到场景和目标的限制较小。

[0003] 现在，随着视觉检测技术的发展，视觉检测技术也逐渐成为各大院校的教学内容。然而，现有的视觉检测教学中，通常仅仅设置视觉相机摄取物料平台上的物料图像，然后通过简单比较物料的特征从而判断物料的种类。这种视觉检测教学装置的检测技术检测误差较大，给实验教学带来了很大不便。
实用新型内容

[0004] 本实用新型提供了一种基于人工智能的机器视觉检测教学装置，旨在解决现有技术中视觉检测教学装置，检测误差较大，给实验教学带来很大不便的问题。

[0005] 本实用新型提供了一种基于人工智能的机器视觉检测教学装置，包括：

[0006] 物料平台；

[0007] 固定于物料平台一端、且垂直于物料平台设置的摄像伸缩杆结构；

[0008] 连接于摄像伸缩杆结构末端的深度视觉相机，以及位置与深度视觉相机匹配的补光源；

[0009] 以及，与深度视觉相机相连、且基于深度学习设计的图像处理器。

[0010] 优选地，所述物料平台包括：

[0011] 平台本体，其中，平台本体固定有连接滑轨；

[0012] 通过连接滑轨与平台本体滑动相连的物料存放格，其中，物料存放格包括多个物料存放单元；

[0013] 固定于物料存放格内的物料传送带；

[0014] 以及，与物料传送带转动相连的传送带电机。

[0015] 优选地，所述摄像伸缩杆结构包括：

[0016] 连接于物料平台的伸缩杆底座；

[0017] 转动连接于伸缩杆底座的伸缩杆；

[0018] 以及，连接于伸缩杆末端的相机固定座。

[0019] 优选地，所述相机固定座包括：

[0020] 环形的固定座本体；

[0021] 与固定座本体螺纹连接的相机卡座；

[0022] 套设于相机卡座内的第一万向球结构和第二万向球结构；

[0023] 连接于第一万向球结构的相机螺纹轴，以及连接于第二万向球结构的补光源螺纹轴。

[0024] 优选地，所述深度视觉相机包括：

[0025] 固定连接于相机螺纹轴的相机螺纹套；

[0026] 连接于相机螺纹杆的相机本体；

[0027] 与相机本体相连、且可伸缩的摄像头；

[0028] 其中，相机本体内置有USB接口，通过USB数据线与图像处理器电连接。

[0029] 优选地，所述机器视觉检测教学装置，还包括：

[0030] 与深度视觉相机的摄像头形状匹配的显微模块；

[0031] 以及，固定于物料平台的载玻片。

[0032] 优选地，所述补光源包括：

[0033] 连接于补光源螺纹轴的两根条形照射光源；

[0034] 以及，连接于物料平台的背光板。

[0035] 优选地，所述图像处理器，包括：

[0036] 与深度视觉相机电连接的图像采集卡；

[0037] 与图像采集卡电连接的内置有深度卷积神经网络算法的GPU；

[0038] 以及，与GPU相连的图像展示模组。

[0039] 优选地，所述图像展示模组包括：

[0040] 与GPU相连的图像显示器、指示灯和/或示波器。

[0041] 通过上述方式可知，本申请技术方案提供的基于人工智能的机器视觉检测教学装置，通过设置物料平台，并在物料平台的一端垂直物料平台设置摄像伸缩杆结构，通过摄像伸缩案结构末端的深度视觉相机摄取物料平台上物料的深度图像，然后将物料的深度图像交由图像处理器进行处理，因为图像处理器是基于深度学习技术设计的，因此能够通过神经网络检测物料的深度图像，自动提取图像中的相关特征，提取特征多，检测误差小，实现物料的智能检测。

[0042] 综上，本申请技术方案提供的基于人工智能的机器视觉检测教学装置，通过基于深度学习技术设计的图像处理器检测深度图像中的物料特征，能够解决现有的视觉检测教学装置检测误差大，给教学实验带来很多不便的问题。

[0051] 应当理解，此处所描述的具体实施例仅仅用以解释本实用新型，并不用于限定本实用新型。

[0052] 下面将结合本实用新型实施例中的附图，对本实用新型实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本实用新型的一部分实施例，而不是全部的实施例。基于本实用新型中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本实用新型保护的范围。

[0053] 需要说明，本实用新型实施例中所有方向性指示(诸如上、下、左、右、前、后……)仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等，如果该特定姿态发生改变时，则该方向性指示也相应地随之改变。

[0054] 另外，在本实用新型中如涉及“第一”、“第二”等的描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本实用新型的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。

[0055] 在本实用新型中，除非另有明确的规定和限定，术语“连接”、“固定”等应做广义理解，例如，“固定”可以是固定连接，也可以是可拆卸连接，或成一体；“连接”可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系，除非另有明确的限定。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本实用新型中的具体含义。

[0056] 另外，本实用新型各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本实用新型要求的保护范围之内。

[0057] 本实用新型实施例的主要技术问题如下：

[0058] 现有的视觉检测教学中，通常仅仅设置视觉相机摄取物料平台上的物料图像，然后通过简单比较物料的特征从而判断物料的种类。这种视觉检测教学装置的检测技术检测误差较大，给实验教学带来了很大不便。

[0059] 为了解决上述问题，本申请下述实施例提供了基于人工智能的机器视觉检测教学装置，通过基于深度学习技术设计的图像处理器检测深度视觉相机中深度图像中的物料特征，从而能够解决现有技术中视觉检测教学装置检测误差大，容易给教学实验带来不便的问题。

[0060] 参见图1，图1为本实用新型实施例提供的一种基于人工智能的机器视觉检测教学装置的结构示意图。如图1所示，该基于人工智能的机器视觉检测教学装置包括：

[0061] 物料平台1；物料平台1用于承载待拍摄的物料。

[0062] 固定于物料平台1一端、且垂直于物料平台1设置的摄像伸缩杆202结构2；摄像伸缩杆202结构2固定于物料平台1一端，用于设置相机，从而能够使用相机摄取物料平台1上的物料，另外本申请实施例中摄像伸缩杆202结构2能够伸缩，因此能够调整相机的摄像范围，获取不同视野范围的物料图像。

[0063] 连接于摄像伸缩杆202结构2末端的深度视觉相机3，以及位置与深度视觉相机3匹配的补光源4；深度视觉相机3连接于摄像伸缩杆202结构2末端，能够拍摄物料平台1上的物料，并且深度视觉相机3能够随着摄像伸缩杆202结构2的伸缩而调节拍摄范围的大小；另外补光源4与深度视觉相机3匹配，这样在深度视觉相机3拍摄时，补光源4能够对物料平台1上的物料补光处理，以便于深度视觉相机3获取到清晰的物料图像。

[0064] 以及，与深度视觉相机3相连、且基于深度学习设计的图像处理器5。图像处理器5与深度视觉相机3相连，能够接收深度视觉相机3获取到的物料图像，并对该物料图像提取相关特征，进而实现识别和检测物料的目的。其中，图像处理器5包括图形处理器GPU502，图形处理器具有多种功能，能够在3D图形处理时使用几何转换和光照处理、立方环境材质贴图和顶点混合、纹理压缩和凹凸映射贴图、双重纹理四像素256位渲染引擎等技术处理图像，并且GPU502能够搭载深度学习设计的深度神经网络，从而实现物料图像的识别。

[0065] 通过上述方式可知，本申请技术方案提供的基于人工智能的机器视觉检测教学装置，通过设置物料平台1，并在物料平台1的一端垂直物料平台1设置摄像伸缩杆202结构2，通过摄像伸缩案结构末端的深度视觉相机3摄取物料平台1上物料的深度图像，然后将物料的深度图像交由图像处理器5进行处理，因为图像处理器5是基于深度学习技术设计的，因此能够通过神经网络检测物料的深度图像，自动提取图像中的相关特征，提取特征多，检测误差小，实现物料的智能检测。

[0066] 综上，本申请技术方案提供的基于人工智能的机器视觉检测教学装置，通过基于深度学习技术设计的图像处理器5检测深度图像中的物料特征，能够解决现有的视觉检测教学装置检测误差大，给教学实验带来很多不便的问题。

[0067] 作为一种优选的实施例，如图2所示，本申请实施例中的物料平台1包括：

[0068] 平台本体101，其中，平台本体101固定有连接滑轨102；

[0069] 通过连接滑轨102与平台本体101滑动相连的物料存放格103，其中，物料存放格103包括多个物料存放单元；

[0070] 固定于物料存放格103内的物料传送带104；

[0071] 以及，与物料传送带104转动相连的传送带电机105。

[0072] 本申请实施例提供的物料平台1，当存在大量物料时，在物料存放格103内的多个物料存放单元中分别放置不同种类的物料；当需要对物料进行机器视觉检测时，通过传送带电机105带动物料传送带104，从而传送物料至深度视觉相机3下方的物料平台1范围内。

[0073] 作为一种优选的实施例，如图1所示，本申请实施例提供的摄像伸缩杆202结构2包括：

[0074] 连接于物料平台1的伸缩杆202底座201；

[0075] 转动连接于伸缩杆202底座201的伸缩杆202；

[0076] 以及，连接于伸缩杆202末端的相机固定座203。

[0077] 本申请实施例提供的摄像伸缩杆202结构2中，伸缩杆202底座201连接于物料平台1下方，用于转动连接伸缩杆202，该伸缩杆202的末端连接相机固定座203，通过该相机固定座203固定深度视觉相机3和补光源4，因为伸缩杆202能够伸缩，因此连接于伸缩杆202末端的深度视觉相机3能够根据物料平台1上的物料大小调节深度视觉相机3的拍摄角度和视野范围。

[0078] 作为一种优选的实施例，如图3所示，本申请实施例提供的相机固定座203包括：

[0079] 环形的固定座本体2031；

[0080] 与固定座本体2031螺纹连接的相机卡座2032；

[0081] 套设于相机卡座2032内的第一万向球结构2033和第二万向球结构2034；

[0082] 连接于第一万向球结构2033的相机螺纹轴2035，以及连接于第二万向球结构2034的补光源螺纹轴2036。

[0083] 本申请实施例提供的技术方案中，固定座本体2031呈环形，该环形结构内置有螺纹，固定座本体2031通过螺纹连接相机卡座2032，并且相机卡座2032内设置第一万向球结构2033和第二万向球结构2034，第一万向球结构2033连接有相机螺纹轴2035，第二万向球结构2034连接有补光源螺纹轴2036，这样通过相机螺纹轴2035就能够将深度视觉相机3连接到第一万向球结构2033，并通过补光源螺纹轴2036将补光源4连接到第二万向球结构2034。这样通过控制第一万向球结构2033和第二万向球结构2034的转动就能够实现深度视觉相机3和补光源4的转动角度的调节，方便获取不同角度物料的清晰图像。

[0084] 作为一种优选的实施例，如图3所示，本申请实施例提供的深度视觉相机3包括：

[0085] 固定连接于相机螺纹轴2035的相机螺纹套301；

[0086] 连接于相机螺纹杆的相机本体302；

[0087] 与相机本体302相连、且可伸缩的摄像头303；

[0088] 其中，相机本体302内置有USB接口304，该USB接口304通过USB数据线305与图像处理器5电连接。

[0089] 本申请实施例提供的深度视觉相机3中，通过相机螺纹套301能够将深度视觉相机3的相机本体302固定连接于相机固定座203的相机螺纹轴2035上，并且相机本体302设置有可伸缩的摄像头303，通过该摄像头303能够摄取物料平台1上的物料，另外相机本体302内置有USB接口304，通过该USB接口304连接USB数据线305，能够将深度视觉相机3摄取到的物料图像传递至图像处理器5，从而方便图像处理器5根据深度神经网络识别与检测该物料图像中的物料特征。

[0090] 作为一种优选的实施例，如图1所示，本申请实施例提供的机器视觉检测教学装置还包括：

[0091] 与深度视觉相机3的摄像头303形状匹配的显微模块6；

[0092] 以及，固定于物料平台1的载玻片7。

[0093] 本申请实施例提供的技术方案中，通过设置与摄像头303形状匹配的显微模块6，能够在深度视觉相机3摄取物料图像时，放大物料图像的细节，从而获取更清晰细微的物料特征。另外，在本申请实施例中还在物料平台1上固定载玻片7，该载玻片7能够承载细小的物料切片，从而方便通过深度视觉相机3和显微模块6获取物料切片的图像特征。

[0094] 作为一种优选的实施例，如图2所示，本申请实施例提供的补光源4包括：

[0095] 连接于补光源螺纹轴2036的两根条形照射光源401；

[0096] 以及，连接于物料平台1的背光板402。

[0097] 本申请实施例提供的技术方案中，条形照射光源401连接于补光源螺纹轴2036两侧，这样通过两根条形照射光源401对物料平台1上物料的照射，能够对物料进行聚焦补光，并减少阴影；另外，本申请实施例中在物料平台1上设置背光板402，能够减少光线分散，提高光线聚焦效率。

[0098] 另外，作为一种优选的实施例，如图4所示，本申请实施例提供的图像处理器5包括：

[0099] 与深度视觉相机3电连接的图像采集卡501；

[0100] 与图像采集卡501电连接的内置有深度卷积神经网络算法的GPU502；

[0101] 以及，与GPU502相连的图像展示模组503。

[0102] 本申请实施例提供的技术方案中，图像采集卡501与深度视觉相机3相连，能够根据内置程序采集深度视觉相机3摄取到的物料图像，另外因为GPU502内置有深度卷积神经网络算法，因此GPU502在与图像采集卡501相连后，能够对图像采集卡501采集到的物料图像进行神经网络算法方面的处理，提取相关的物料特征，进行物料的识别与检测。该GPU502还与图像展示模组503相连，这样GPU502在获取到物料识别与检测结果后，能够通过图像展示模组503展示给用户。

[0103] 其中，作为一种优选的实施例，本申请实施例提供的图像展示模组503包括：与GPU502相连的图像显示器、指示灯和/或示波器。

[0104] 尽管已描述了本实用新型的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本实用新型范围的所有变更和修改。

[0105] 显然，本领域的技术人员可以对本实用新型进行各种改动和变型而不脱离本实用新型的精神和范围。这样，倘若本实用新型的这些修改和变型属于本实用新型权利要求及其等同技术的范围之内，则本实用新型也意图包含这些改动和变型在内。