一种基于AI自学习算法的零件缺陷检测系统技术方案

本发明专利技术涉及一种基于AI自学习算法的零件缺陷检测系统，包括检测箱、第一检测探头、第二检测探头、光源、检测托盘、电机、夹具、压力传感器、超声波探头和中控处理器。本发明专利技术通过在检测箱内设置光源，并将光源与中控处理器相连，能够使中控处理器完成对零件形状和材质的判断时，针对性的调节光源的亮度和色调，从而使所述系统在针对不同的零件进行检测时，均能够使用针对性的光照以使各所述探头能够清晰地采集到零件表面的缺陷，有效避免了光照不足或光照过量导致的图像采集不清晰的情况发生，提高了所述系统的检测效率。

【技术实现步骤摘要】
一种基于AI自学习算法的零件缺陷检测系统
本专利技术涉及零件检测
，尤其涉及一种基于AI自学习算法的零件缺陷检测系统。
技术介绍
随着零件加工产业不断发展，零件的需求量日益增高，对零件产品的质量要求却越来越严格。由于零件的生产制造工艺流程较为复杂，在生产过程中零件容易产生一些表面缺陷，如刮擦、划痕、压痕以及切削不均匀的刀痕等。因此零件缺陷的检测至关重要，关系到零件的耐久度，产品的安全，甚至人身的安全。传统的零件缺陷检测主要通过人工检测，而一些刀痕、压痕或表面不均匀的缺陷需要人眼和光源成某一角度才能够检测到，还有一些微小的裂痕和划痕非常容易漏检。随着零件产品的需求量日益增高，人工检测的方法已经无法满足高质量、高效率的零件检测需求。而现今，机器视觉的发展为零件检测的方法提供了新的方向。但是在零件检测的过程中，快速准确的检测出零件表面的刀痕以及零件表面不均匀的缺陷，以及微小零件的表面划痕和裂纹的缺陷依旧是极富有挑战的。检测刀痕和表面不均匀的缺陷，需要不断地调整光源、零件和相机不同的相对位置才能检测到该缺陷；而微小零件缺陷检测难度在于光照本文档来自技高网...

【技术保护点】
1.一种基于AI自学习算法的零件缺陷检测系统，其特征在于，包括：/n检测箱，用以装载检测部件；/n第一检测探头，其设置在所述检测箱内部并位于检测箱顶壁，用以检测零件上表面；/n第二检测探头，其设置在所述检测箱内部并位于检测箱侧壁，用以检测零件侧面；/n光源，其设置在所述检测箱内并分别设置在所述检测箱顶壁与各侧壁的连接处，用以对检测箱内部进行照明；/n检测托盘，其设置在所述检测箱内并位于检测箱地板正中，用以装载零件；在所述检测托盘下方设有电机，用以控制检测托盘以指定转速旋转；在所述检测托盘上表面设有夹具，用以固定所述零件，在夹具上设有压力传感器，用以检测夹具对零件的夹紧力；在检测托盘正中处设有超...

【技术特征摘要】
1.一种基于AI自学习算法的零件缺陷检测系统，其特征在于，包括：
检测箱，用以装载检测部件；
第一检测探头，其设置在所述检测箱内部并位于检测箱顶壁，用以检测零件上表面；
第二检测探头，其设置在所述检测箱内部并位于检测箱侧壁，用以检测零件侧面；
光源，其设置在所述检测箱内并分别设置在所述检测箱顶壁与各侧壁的连接处，用以对检测箱内部进行照明；
检测托盘，其设置在所述检测箱内并位于检测箱地板正中，用以装载零件；在所述检测托盘下方设有电机，用以控制检测托盘以指定转速旋转；在所述检测托盘上表面设有夹具，用以固定所述零件，在夹具上设有压力传感器，用以检测夹具对零件的夹紧力；在检测托盘正中处设有超声波探头，用以检测中空零件内部的缺陷；
中控处理器，其分别与所述第一检测探头、第二检测探头、光源、电机、夹具、压力传感器以及超声波探头相连，用以通过自学习后建立多个预设矩阵并在对零件进行检测时根据第一检测探头和第二检测探头检测到的图像值判定零件的形状、尺寸和种类，根据判定结果调节光源的色调和亮度、夹具的夹紧力以及电机的转动方式并选用对应的检测标准对零件的缺陷进行检测；
所述中控处理器中设有预设零件形状矩阵C0和预设样本数量矩阵M0；对于所述预设零件形状矩阵C0，C0（C1，C2，C3，C4，C5），其中，C1为实心圆柱的第一预设形状，C2为实心立方体的第二预设形状，C3为空心圆柱的第三预设形状，C4为空心立方体的第四预设形状，C5为不规则的第五预设形状；对于预设样本数量矩阵M0，M0（M1，M2，M3，M4，M5），其中，M1为第一预设样本数量，M2为第二预设样本数量，M3为第三预设样本数量，M4为第四预设样本数量，M5为第五预设样本数量；
在使用所述系统对零件进行检测前，对所述中控处理器进行模型训练，通过放置多个相同形状种类的零件以使所述中控处理器建立针对该形状种类零件的检测参数矩阵；在对所述中控处理器进行模型训练时，中控处理器会根据零件的形状检测对应数量的样本：
当所述中控处理器对第一预设形状C1进行模型训练时，中控处理器检测M1数量的样本以建立针对C1形状零件的检测参数矩阵；
当所述中控处理器对第二预设形状C2进行模型训练时，中控处理器检测M2数量的样本以建立针对C2形状零件的检测参数矩阵；
当所述中控处理器对第三预设形状C3进行模型训练时，中控处理器检测M3数量的样本以建立针对C3形状零件的检测参数矩阵；
当所述中控处理器对第四预设形状C4进行模型训练时，中控处理器检测M4数量的样本以建立针对C4形状零件的检测参数矩阵；
当所述中控处理器对第五预设形状C5进行模型训练时，中控处理器检测M5数量的样本以建立针对C5形状零件的检测参数矩阵；
当所述中控处理器针对单个形状的零件进行模型训练时，所述检测系统选用不同的光源亮度、光源色调、夹具夹紧力、电机转速、电机转动时间以及超声波频率依次检测不同尺寸和/或材质的零件；检测完成后中控处理器根据每一次检测结果中检测图像的清晰度、电机转动时零件的稳定性、夹具对零件的剐蹭程度以及对空心零件内的检测准确度，依次建立预设零件材质矩阵G0、预设夹具夹紧力矩阵F0、预设亮度矩阵L0、预设色调矩阵组S0、预设半径矩阵R0，预设底面积矩阵D0、连续旋转矩阵组Wa0、间断旋转矩阵组Wb0、预设中空体积比例矩阵V0、预设频率矩阵f0以及预设缺陷判定矩阵组Q0。


2.根据权利要求1所述的基于AI自学习算法的零件缺陷检测系统，其特征在于，对于所述预设零件材质矩阵G0，G0（G1，G2，G3，...Gn），其中，G1为第一预设材质，G2为第二预设材质，G3为第三预设材质，Gn为第n预设材质；对于所述预设夹具夹紧力矩阵F0，F0（F1，F2，F3，...Fn），其中，F1为第一预设夹紧力，F2为第二预设夹紧力，F3为第三预设夹紧力，Fn为第n预设夹紧力；
当所述检测系统对零件进行检测时，所述中控处理器会分别控制所述第一检测探头和第二检测探头采集零件的表面材质，第一检测探头和第二检测探头采集完成后将材质信息输送至中控处理器，中控处理器对零件的材质进行判定并根据判定结果调节夹具的预设夹紧力：
当中控处理器判定零件材质为G1时，中控处理器控制所述夹具夹紧零件并将夹具的夹紧力调节为F1；
当中控处理器判定零件材质为G2时，中控处理器控制所述夹具夹紧零件并将夹具的夹紧力调节为F2；
当中控处理器判定零件材质为G3时，中控处理器控制所述夹具夹紧零件并将夹具的夹紧力调节为F3；
当中控处理器判定零件材质为Gn时，中控处理器控制所述夹具夹紧零件并将夹具的夹紧力调节为Fn；
当所述夹具夹紧完成时，所述压力检测器会检测夹具对零件施加的压力F，中控处理器会持续调节夹具对零件的压力直至压力F与预设的夹紧力相同。


3.根据权利要求2所述的基于AI自学习算法的零件缺陷检测系统，其特征在于，对于所述预设亮度矩阵L0，L0（L1，L2，L3，L4，L5），其中，L1为第一预设亮度，L2为第二预设亮度，L3为第三预设亮度，L4为第四预设亮度，L5为第五预设亮度；
对于所述预设色调矩阵组S0，S0（S1，S2，S3，S4，S5），其中，S1为第一预设色调矩阵，S2为第二预设色调矩阵，S3为第三预设色调矩阵，S4为第四预设色调矩阵，S5为第五预设色调矩阵，
当所述检测系统对零件进行检测时，所述中控处理器会分别控制所述第一检测探头和第二检测探头采集零件的轮廓和表面材质，第一检测探头和第二检测探头采集完成后依次将轮廓信息和材质信息输送至中控处理器，中控处理器对零件的形状和材质进行判定并根据判定结果调节光源的亮度和色调：
当中控处理器判定所述零件形状为C1时，中控处理器将光源的亮度调节为L1并从S1矩阵中选取对应的参数调节光源的色调；
当中控处理器判定所述零件形状为C2时，中控处理器将光源的亮度调节为L2并从S2矩阵中选取对应的参数调节光源的色调；
当中控处理器判定所述零件形状为C3时，中控处理器将光源的亮度调节为L3并从S3矩阵中选取对应的参数调节光源的色调；
当中控处理器判定所述零件形状为C4时，中控处理器将光源的亮度调节为L4并从S4矩阵中选取对应的参数调节光源的色调；
当...

【专利技术属性】
技术研发人员：刘振亭，籍永强，
申请(专利权)人：山东海德智能科技有限公司，青岛盈科聚力智能科技有限公司，
类型：发明
国别省市：山东;37