成果名称：一种用于机器视觉的螺纹旋向识别方法与系统

成果简介：螺纹工件作为最常见的连接零件之一，有着广泛的应用。目前，国内外大部分的研究着重于螺纹的尺寸测量及缺陷检测，而对于螺纹旋向识别研究甚少。在自行车脚踏板生产流水线上，由于检测不及时可能导致同种螺纹旋向的脚踏板打包为一对，对后续安装造成影响。由于自行车脚踏板螺纹区域占比较小、左右旋向差别细微，采用人工旋向检测方法效率低下，且准确率无法保证。

本成果基于传统视觉算法，提出基于螺纹螺旋线与螺纹顶部基准线斜率差实现旋向识别的方法。提出了基于形态学算法的边缘检测方法，相较于Canny算子提取轮廓更为完整；提出了基于自适应阈值的概率霍夫直线拟合算法，有效减少了较长螺旋线的重复提取及较短螺旋线的漏检；通过基于连通区域的图像二次去噪及基于统计学的错值过滤，有效提升了直线拟合的准确率。结果满足了工业实际需求。

为进一步提高旋向识别的准确率及识别速度，基于深度学习算法，本专利提出了基于感受野融合的通道注意力和三重空间注意力的RTNet。RTNet更为充分地融合不同感受野的上下文信息，并通过跨维度方式有效提取空间注意力特征，有效提升了螺纹旋向特征的关注程度，实现了99.16%的识别准确率，单张测试时间仅需92ms。该成果以白剑宇教授为第一发明人在2022年获得授权发明专利