[發明專利]一種基于深度學習的汽車噴油嘴缺陷檢測設備及其檢測方法

在審

• 申請號: 202010695821.7
• 申請日: 2020-07-17
• 公開（公告）號: CN111830048A
• 公開（公告）日: 2020-10-27
• 發明（設計）人: 梅幼亞;溫向超
• 申請（專利權）人: 蘇州凌創電子系統有限公司
• 主分類號: G01N21/88
• 分類號: G01N21/88;G01N21/13;G06T7/00;G06T7/73
• 代理公司: 蘇州國卓知識產權代理有限公司 32331
• 代理人: 公茂海

1.一種基于深度學習的汽車噴油嘴缺陷檢測設備，其特征在于：包括固定支架一(10)和固定支架二(12)，所述固定支架一(10)的頂端設置有固定支架二(12)，所述固定支架一(10)和固定支架二(12)為主軸，所述主軸的外壁上裝配有XY微調平臺(11)，所述XY微調平臺(11)的側面裝配有相機固定支架(2)的一端，所述相機固定支架(2)的另一端裝配有工業相機(1)，在所述XY微調平臺(11)的驅動下所述工業相機(1)可以在主軸上移動進行焦距微調，所述主軸的外壁上裝配有光源固定支架一(4)，所述光源固定支架一(4)的上下兩側分別裝配有遠心鏡頭(3)和光源一(5)，所述主軸的外壁上裝配有光源固定支架二(6)，所述光源固定支架二(6)的外壁上裝配有光源二(7)，所述主軸的外壁底端裝配有壓塊固定支架(9)的一端，所述壓塊固定支架(9)的另一端裝配有料件固定壓塊(8)，所述料件固定壓塊(8)的側面設置有上料轉盤(13)，所述工業相機(1)、遠心鏡頭(3)、光源一(5)、光源二(7)料件固定壓塊(8)、XY微調平臺(11)和上料轉盤(13)均受控制模塊驅動。

2.根據權利要求1所述的一種基于深度學習的汽車噴油嘴缺陷檢測設備，其特征在于：所述工業相機(1)選取Basler4600-7gc，檢測精度可達0.002mm。

3.根據權利要求1所述的一種基于深度學習的汽車噴油嘴缺陷檢測設備，其特征在于：所述遠心鏡頭(3)的檢測視野為6mm，根據視野要求和景深需求，選取1.5倍放大倍率遠心鏡頭進行檢測。

4.根據權利要求1所述的一種基于深度學習的汽車噴油嘴缺陷檢測設備，其特征在于：所述光源一(5)和光源二(7)為環形光源進行檢測，保證產品整體光的均勻性。

5.根據權利要求1所述的一種基于深度學習的汽車噴油嘴缺陷檢測設備，其特征在于：所述控制模塊包括PLC伺服馬達上料平臺和工控機。

6.根據權利要求5所述的一種基于深度學習的汽車噴油嘴缺陷檢測設備，其特征在于：所述工控機選取研華610H，I7-8700CPU。

7.根據權利要求1-6任一項所述的一種基于深度學習的汽車噴油嘴缺陷檢測設備的檢測方法，其特征在于：包括以下步驟；

S1、PLC控制伺服馬達轉動固定角度，噴油嘴落到上料轉盤(13)的孔位中；

S2、PLC控制伺服馬達轉動固定角度，上料轉盤(13)帶料位轉至工業相機(1)正下方檢測位置；

S3、PLC控制料件固定壓塊(8)對噴油嘴進行固定；

S4、觸發拍照，獲取圖像；

S5、視覺軟件對獲取的圖像進行處理；

S6、根據圖像處理的結果，將噴油嘴良品與不良品進行分類。

8.根據權利要求7所述的一種基于深度學習的汽車噴油嘴缺陷檢測設備的檢測方法，其特征在于：S5中，所述視覺軟件對獲取的圖像進行處理的具體流程為：

A1、相機采集圖像；

A2、判斷軟件當前模式，分為運行模式和訓練模式，運行模式正常生產時使用，訓練模式用來對缺陷進行標注、訓練，生成運行時文件；

A3：當模式為訓練模式時，對圖片中的瑕疵部分使用標注工具進行標注，圈出瑕疵所在區域，注意只需要畫出瑕疵，不是瑕疵的部分不可選中；

A4：當模式為訓練模式時，調整缺陷參數，對標注過的缺陷進行訓練；

A5：當模式為訓練模式時，對訓練過的結果進行驗證，驗證訓練過的缺陷是否都能找出來，如能找出來即可使用。不能找到或者誤判比較多時，重新調整參數再次進行訓練；

A6：當模式為訓練模式時，生成運行時使用文件，即基于神經網絡的網絡結構結果，供正常生產模式時使用；

A7：當模式為運行模式時，根據產品上特征進行產品的定位；

A8：當模式為運行模式時，對產品上條狀的缺陷進行檢測；

A9：當模式為運行模式時，對產品上塊狀的缺陷進行檢測；

A10：當模式為運行模式時，對產品上與背景很接近的灰色缺陷進行檢測；

A11：當模式為運行模式時，根據以上檢測結果綜合判定產品的結果。