一种生产线上的自动化检测方法及装置制造方法及图纸

本发明专利技术公开了一种生产线上的自动化检测方法和装置。当检测到生产线上的待测设备播放测试音频时，采集待测设备在预设频率下的音频数据以及音频数据对应的振动偏移量；获取由振动样本数据学习训练得到的神经网络模型；将音频数据和所述振动偏移量输入神经网络模型，并与神经网络模型中的样本特征空间进行比较，输出比较结果，由比较结果确定待测设备的检测结果。本发明专利技术实施例中，采用生产线上的自动化检测方法，避免了人工检测准确度低的情况，通过采集待测设备在预设频率下的音频数据以及音频数据对应的振动偏移量进行分析比较确定待测设备是否存在振音缺陷，大大提高了振音缺陷检测的精度。

Automatic detection method and device for production line

The invention discloses an automatic detection method and device for a production line. When the detected detected equipment audio playback test production line, vibration offset acquisition of the audio data in the preset frequency measuring equipment and audio data corresponding to the acquisition; learning neural network model trained by vibration sample data; the audio data and the vibration displacement in the input of neural network model, and compared with the sample feature space in a neural network model, compare the results and test results of the device under test is determined by comparison of results. In one embodiment of the invention, the automatic detection method of production line, avoid the manual detection accuracy is low, the vibration offset audio data acquisition devices to be tested in a predetermined frequency and the audio data corresponding to the analysis and comparison to determine whether there is the sound vibration measurement equipment defects, greatly improve the detection of vibrato defects precision.

【技术实现步骤摘要】
一种生产线上的自动化检测方法及装置
本专利技术涉及测试领域，尤其涉及一种生产线上的自动化检测方法及装置。
技术介绍
生产线上对生产的设备进行质量检测，如对设备的扬声器质量进行检测，包括有无声、有无大幅度衰减瑕疵，是否有振音瑕疵等，振音指发出轰轰巨响，产生机壳和扬声器共振的现象，该现象有多个因素共同促成，例如设备的机壳的材质、厚薄程度、设计的结构、安装位置等。可通过扬声器播放音频，用人耳鉴别，但是人工检测效率低。现有技术的自动化检测中用麦克风采集扬声器播放的音频，通过对采集到的音频进行频率分析等方法检测是否存在缺陷，但是生产线的现场存在噪声，易造成干扰，对用采集到的音频进行分析检测的难度增加，且振音缺陷检测的精准度大大降低。
技术实现思路
本专利技术的目的在于提供一种生产线上的自动化检测方法及装置，采用生产线上的自动化检测方法，避免了人工检测准确度低的情况，大大提高了振音缺陷检测的精度。本专利技术第一方面提供了一种生产线上的自动化检测方法，包括：当检测到生产线上的待测设备播放测试音频时，采集所述待测设备在预设频率下的音频数据以及所述音频数据对应的振动偏移量；获取由振动样本数据学习训练得到的神经网络模型；将所述音频数据和所述振动偏移量输入所述神经网络模型，并与所述神经网络模型中的样本特征空间进行比较，输出比较结果，由所述比较结果确定所述待测设备的检测结果。优选的，所述当检测到生产线上的待测设备播放测试音频时，采集所述待测设备在预设频率下的音频数据以及所述音频数据对应的振动偏移量之前，所述方法还包括：采集所述待测设备在所述预设频率下的所述样本音频数据；以及采集由所述振动传感器获取到的样本振动偏移量；所述样本振动偏移量与所述预设频率对应；由所述样本音频数据和所述样本振动偏移量构成所述样本特征空间，并对所述样本特征空间进行学习训练，训练得到所述神经网络模型。优选的，将所述音频数据和所述振动偏移量输入所述神经网络模型，并与所述神经网络模型中的样本特征空间进行比较，输出比较结果，由所述比较结果确定所述待测设备的检测结果，包括：若所述音频数据对应的所述振动偏移量满足所述神经网络模型中的预设阈值时，确定所述比较结果的类别，所述比较结果的类别包括：振音缺陷设备或完好设备。优选的，所述振动传感器包括：光学振动传感器，所述振动偏移量包括：所述光学振动传感器发射的光折射在所述待测设备后接收的光强度。优选的，所述由所述比较结果确定所述待测设备的检测结果之后，所述方法还包括：将所述待测设备的检测结果输入所述神经网络模型，并计算检测准确率；若所述计算得到的准确率低于参考门限值，由所述待测设备的检测结果更新所述神经网络模型。本专利技术第二方面提供了一种生产线上的自动化检测装置，包括：采集模块，用于当检测到生产线上的待测设备播放测试音频时，采集所述待测设备在预设频率下的音频数据以及所述音频数据对应的振动偏移量；获取模块，用于获取由振动样本数据学习训练得到的神经网络模型；检测模块，用于将所述音频数据和所述振动偏移量输入所述神经网络模型，并与所述神经网络模型中的样本特征空间进行比较，输出比较结果，由所述比较结果确定所述待测设备的检测结果。优选的，所述装置还包括：训练模块；所述采集模块，还用于采集所述待测设备在所述预设频率下的所述样本音频数据；以及采集由所述振动传感器获取到的样本振动偏移量；所述样本振动偏移量与所述预设频率对应；所述训练模块，用于由所述样本音频数据和所述样本振动偏移量构成所述样本特征空间，并对所述样本特征空间进行学习训练，训练得到所述神经网络模型。优选的，所述检测模块具体用于：若所述音频数据对应的所述振动偏移量满足所述神经网络模型中的预设阈值时，确定所述比较结果的类别，所述比较结果的类别包括：振音缺陷设备或完好设备。优选的，所述振动传感器包括：光学振动传感器，所述振动偏移量包括：所述光学振动传感器发射的光折射在所述待测设备后接收的光强度。优选的，所述装置还包括：计算模块，用于将所述待测设备的检测结果输入所述神经网络模型，并计算检测准确率；更新模块，用于在所述计算得到的准确率低于参考门限值时，由所述待测设备的检测结果更新所述神经网络模型。实施本专利技术具有以下有益效果：本专利技术实施例中，当检测到生产线上的待测设备播放测试音频时，采集待测设备在预设频率下的音频数据以及音频数据对应的振动偏移量；获取由振动样本数据学习训练得到的神经网络模型；将音频数据和所述振动偏移量输入神经网络模型，并与神经网络模型中的样本特征空间进行比较，输出比较结果，由比较结果确定待测设备的检测结果。通过本专利技术实施例，采用生产线上的自动化检测方法，避免了人工检测准确度低的情况，通过采集待测设备在预设频率下的音频数据以及音频数据对应的振动偏移量进行分析比较确定待测设备是否存在振音缺陷，结合了音频采集和振动测试，避免了生产线上的声音或光波对振音检测的干扰，大大提高了振音缺陷检测的精度。附图说明图1为本专利技术实施例提供的一种生产线上的自动化检测方法的流程图；图2是为本专利技术实施例提供的又一种生产线上的自动化检测方法的示意图；图3为本专利技术实施例提供的一种生产线上的自动化检测装置的结构示意图。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。本专利技术实施例提供一种生产线上的自动化检测方法及装置，其中，生产线上的自动化检测装置可以为生产线上的检测装备，用于采集数据和处理数据，如产线上用于检测电视机、显示器、音响、音箱等产品的机器视觉机器人等。本专利技术实施例提供的生产线上包括流水线，待测设备、自动化检测装置以及传感器，其中，待测设备设于流水线上，自动化检测装置与传感器连接，自动化检测装置可控制待测设备。通过本专利技术实施例，可实现产线上的自动化振音检测，提高待测设备的振音检测精度。下述通过具体实施例详述。参见图1，为本专利技术实施例提供的一种生产线上的自动化检测方法的示意图。如图所示，本专利技术实施例提供的生产线上的自动化检测方法可以包括步骤S101～S103。S101，当检测到生产线上的待测设备播放测试音频时，采集待测设备在预设频率下的音频数据以及音频数据对应的振动偏移量。具体实现中，生产线上的待测设备在播放测试音频，可通过麦克风采集待测设备播放的测试音频，得到音频数据，更进一步的，采集在预设频率下的音频数据。例如，用麦克风收集待测设备的实际播放的音频，分别记录下当待测设备调试到频率25、50、75、100时，麦克风实际测量得到的对应音量数据的数组Asound＝{a1,a2,a3,a4}。具体的，以待测设备的喇叭所处平面作为系统平面，在一头安装红外激光发射器，激光器发出激光照射到待测设备的喇叭平面处，在沿光发射路径处安装一个红外激光接收器，这两个红外发射接收器都固定安装。在红外接收器精度足够的情况下，根据光波反射定律，若待测设备的喇叭平面平稳没有移动，则红外激光发射出来的能量和接收器接收到的能量守恒。进一步的，当红外激光发射器和接收器正常工作时，将接收器连接到量化光亮度读出数据d1。在待测设备播放音频时，若存在振音缺陷，则表明待测设备的机壳会随喇叭进行不规则振本文档来自技高网...

【技术保护点】
一种生产线上的自动化检测方法，其特征在于，包括：当检测到生产线上的待测设备播放测试音频时，采集所述待测设备在预设频率下的音频数据以及所述音频数据对应的振动偏移量；获取由振动样本数据学习训练得到的神经网络模型；将所述音频数据和所述振动偏移量输入所述神经网络模型，并与所述神经网络模型中的样本特征空间进行比较，输出比较结果，由所述比较结果确定所述待测设备的检测结果。

【技术特征摘要】
1.一种生产线上的自动化检测方法，其特征在于，包括：当检测到生产线上的待测设备播放测试音频时，采集所述待测设备在预设频率下的音频数据以及所述音频数据对应的振动偏移量；获取由振动样本数据学习训练得到的神经网络模型；将所述音频数据和所述振动偏移量输入所述神经网络模型，并与所述神经网络模型中的样本特征空间进行比较，输出比较结果，由所述比较结果确定所述待测设备的检测结果。2.如权利要求1所述方法，其特征在于，所述当检测到生产线上的待测设备播放测试音频时，采集所述待测设备在预设频率下的音频数据以及所述音频数据对应的振动偏移量之前，所述方法还包括：采集所述待测设备在所述预设频率下的所述样本音频数据；以及采集由所述振动传感器获取到的样本振动偏移量；所述样本振动偏移量与所述预设频率对应；由所述样本音频数据和所述样本振动偏移量构成所述样本特征空间，并对所述样本特征空间进行学习训练，训练得到所述神经网络模型。3.如权利要求1所述方法，其特征在于，将所述音频数据和所述振动偏移量输入所述神经网络模型，并与所述神经网络模型中的样本特征空间进行比较，输出比较结果，由所述比较结果确定所述待测设备的检测结果，包括：若所述音频数据对应的所述振动偏移量满足所述神经网络模型中的预设阈值时，确定所述比较结果的类别，所述比较结果的类别包括：振音缺陷设备或完好设备。4.如权利要求2所述方法，其特征在于，所述振动传感器包括：光学振动传感器，所述振动偏移量包括：所述光学振动传感器发射的光折射在所述待测设备后接收的光强度。5.如权利要求1所述方法，其特征在于，所述由所述比较结果确定所述待测设备的检测结果之后，所述方法还包括：将所述待测设备的检测结果输入所述神经网络模型，并计算检...

【专利技术属性】
技术研发人员：杨麟，林淼，沈航，
申请(专利权)人：研祥智能科技股份有限公司，
类型：发明
国别省市：广东,44