[發明專利]一種基于機器視覺的漆包線點焊質量檢測系統及檢測方法

在審

• 申請號: 202011048446.3
• 申請日: 2020-09-29
• 公開（公告）號: CN112285114A
• 公開（公告）日: 2021-01-29
• 發明（設計）人: 曹彪;劉明;黃增好
• 申請（專利權）人: 華南理工大學;廣州市精源電子設備有限公司
• 主分類號: G01N21/88
• 分類號: G01N21/88;G06T7/00;G06N3/04;G06N3/08
• 代理公司: 廣州粵高專利商標代理有限公司 44102
• 代理人: 何淑珍;江裕強

1.一種基于機器視覺的漆包線點焊質量檢測系統，其特征在于，包括：點焊焊接系統、視覺系統和上位機系統；

所述點焊焊接系統包括焊接電源和機頭，機頭與焊接電源的正負極通過焊接電纜連接，焊接電源通過其自帶的觸摸屏人機交互系統設置焊接參數，滿足不同焊接條件下的焊接需求；機頭調整焊接過程中電極頭與漆包線接觸時的壓力大??；

所述視覺系統包括相機、鏡頭、光源、光電傳感器和傳輸線纜；相機為滿足微型電聲器件與微細漆包線點焊圖像拍攝的工業相機，相機通過傳輸線纜傳輸圖像數據和接收上位機控制信號；鏡頭安裝在相機上，用來調整放大倍數、景深和視角；光源用來給待測產品打光，以獲得高質量的圖像；光電傳感器用來感知是否有待測產品進入圖像采集區域，當待測產品運動到光源下方，即被測物體運動到視野范圍內時，觸發光電傳感器產生觸發信號，并將觸發信號傳輸至上位機系統；

所述上位機系統包括上位機和顯示屏，用于接收光電傳感器的觸發信號，控制相機采集圖像；所述上位機中設有基于訓練好的微細漆包線點焊質量檢測的卷積神經網絡(CNN)模型，輸入上位機系統接收到的圖像經過CNN模型得到焊接質量檢測結果。

2.根據權利要求1所述的一種基于機器視覺的漆包線點焊質量檢測系統，其特征在于，在漆包線點焊的生產過程中，若得到CNN模型中不存在的新類別或新樣本，對卷積神經網絡模型進行增量學習，在原CNN模型的基礎上識別新的類別或新的樣本信息。

3.根據權利要求2所述的一種基于機器視覺的漆包線點焊質量檢測系統，其特征在于，所述卷積神經網絡模型的結構主要包括輸入層、若干卷積層、若干池化層、全連接層及輸出層，若干個卷積層和若干個池化層交替連接，負責提取輸入層圖像特征；輸出層使用一層或兩層全連接神經網絡，根據提取的特征向量進行質量分類；在網絡訓練過程中隨機讓某些隱含層的神經元不工作，保留其值并將其當前輸出設置為0；經過重復的訓練、測試及調節CNN模型的超參數，最終將性能較好的CNN模型載入分類識別程序。

4.根據權利要求3所述的一種基于機器視覺的漆包線點焊質量檢測系統，其特征在于，最后一個池化層與全連接層之間添加Dropout層，防止過擬合現象的出現。

5.根據權利要求4所述的一種基于機器視覺的漆包線點焊質量檢測系統，其特征在于，CNN模型的分類結果包括：良好、過熱、虛焊、斷線、過扁、爬錫不良和焊偏。

6.根據權利要求5所述的一種基于機器視覺的漆包線點焊質量檢測系統，其特征在于，采用視覺系統采集漆包線焊點的圖片標上對應的標簽，按照比例劃分訓練集、測試集和驗證集，以訓練集圖片為輸入數據訓練卷積神經網絡模型。

7.根據權利要求1～6任一項所述的一種基于機器視覺的漆包線點焊質量檢測系統，其特征在于，所述光源包括同軸光源、環形光源或者條形光源。

8.根據權利要求7所述的一種基于機器視覺的漆包線點焊質量檢測系統的檢測方法，其特征在于，包括以下步驟：

1)通過設置不同焊接參數，并給視覺系統采集的各種狀態的漆包線焊點的圖片標上對應的標簽，按照比例劃分訓練集、測試集和驗證集，搭建卷積神經網絡模型的網絡結構并以訓練集圖片為輸入數據訓練卷積神經網絡模型；

2)產品焊接完成后，經傳送帶運輸至檢測工位，當待測產品運動到光源下方，即被測物體運動到視野范圍內時，觸發光電傳感器產生觸發信號，同時將觸發信號傳送至上位機系統，上位機系統控制相機采集圖像，當工業相機接收到觸發信號時，立即觸發工業相機釆集被測物體的圖像，相機采集完待測產品圖像后，將待測產品圖像傳輸至上位機系統；

3)上位機系統接收到采集的待測產品圖像后，采用訓練好的卷積神經網絡模型對圖片進行識別，然后將識別到的質量信息傳輸給焊接電源的觸摸屏顯示。