紧固件尺寸的自动化检验方法、系统及介质技术方案

本发明专利技术提供一种紧固件尺寸的自动化检验方法、系统及介质，该方法先通过训练样本对预设深度学习模型进行训练，获得目标深度学习模型；然后获取待检验紧固件的待检验紧固件图像，并调用目标深度学习模型对待检验紧固件图像进行处理，得到特征识别信息和特征图像区；之后从预设紧固件知识库中查找与每一个特征识别信息对应的特征名称，进而得到该特征名称对应的参数表，然后根据参数表中的规则和数据，识别边缘修正后的特征图像区上的尺寸标注点，进而计算待检验紧固件的实际测量值，并判断其是否合规。本发明专利技术通过目标深度学习模型结合参数表进行尺寸测量计算和合规性检验，提高了紧固件检验效率和准确性，且尽可能避免了人为操作中的遗漏问题。

【技术实现步骤摘要】
紧固件尺寸的自动化检验方法、系统及介质
本专利技术涉及检验测量
，具体涉及一种紧固件尺寸的自动化检验方法、系统及介质。
技术介绍
在现代工业的生产过程中，螺栓、螺柱、螺钉等紧固件是不可或缺的部件，在各行各业都存在大量需求，是现代工业不可或缺的产品。并且，除了常规紧固件所形成的标准件之外，在一些特殊的高端领域中，对紧固件会有特殊的要求，这就催生了高端紧固件市场。高端紧固件主要面向高端大型复杂的装备产品：如航天、航空、高铁、核电和生命健康等领域。由于要面对不同领域产品，紧固件厂家生成的紧固件品类上万；而高端紧固件需求数量相对有限，单个订单数量较小，企业超过一半的高端订单在200件数量以下，甚至订货数量为个位数的订单占10％以上。但无论是高端紧固件还是常规紧固件，紧固件的尺寸合格与否对产品质量至关重要，因此，每一批紧固件订单都要进行尺寸检验。每种紧固件都涉及到多种尺寸，各个尺寸均需要进行检验，使得紧固件检验人力大幅增加。并且，人工检验效果也在很大程度上取决于检验人员的责任心，导致质量控制难度加大，因此，尺寸检验工作已成为工业企业在效率和精度上难以突破的瓶颈。随着技术的发展，出现了用光学测量的检验技术来代替传统人工检验的方式。先通过光学的方式采集紧固件的图像，再由人工在图像中逐一标注好所需要检验的尺寸部位和公差范围后，通过对尺寸部位的检验获得尺寸值与公差范围对比，实现光学测量检验，达到检验效率和检验精度的提升。虽然光学方式的测量检验提升了检验效率和检验精度，但由于多品种、小批量的生产特点，图纸多，技术状态多，不同图纸的参数和公差范围都不同。而现有的光学测量设备都需要在实物图像上对紧固件图纸进行重新绘制并手工输入公差范围。因高端紧固件所涉及到的大量尺寸要求，使得人工在图像中标注的尺寸部位和公差范围工作量巨大。尤其对于具有多品种、小批量产品特点的高端紧固件，每一张图纸尺寸都不一样，标注过程更为繁琐，容易遗漏出错且效率低下。因此，标注过程中存在的该类问题影响了紧固件光学检验的效率和准确性，阻碍了光学检验方法在紧固件检验过程中的应用。
技术实现思路
基于上述现状，本专利技术的主要目的在于提供一种紧固件自动化检验方法、系统及介质，通过目标深度学习模型识别紧固件类型和紧固件图像中的尺寸标注点，对紧固件尺寸进行合规性检验，以提高紧固件尺寸检验的效率。为实现上述目的，本专利技术采用的技术方案如下：本专利技术的第一方面提供了一种紧固件尺寸的自动化检验方法，所述紧固件为轴对称部件，且包含头部和从所述头部一端面延伸的杆部，所述头部的直径大于所述杆部的直径，所述紧固件尺寸合规性的检验方法包括步骤：S100，获取与各类型紧固件对应的训练样本，所述紧固件对应的训练样本包括若干张不同的紧固件类型的图片，将所述训练样本传输到预设深度学习模型，训练所述预设深度学习模型的特征识别功能和特征图像区分割功能，获得能够输出对应输入的紧固件图片的多个特征识别信息和与各所述特征识别信息对应的特征图像区的目标深度学习模型；其中，各所述特征图像区为输入的紧固件图片中的一部分，其包括所述紧固件的至少一个特征；S200，获取待检验紧固件的待检验紧固件图像；S300，调用所述目标深度学习模型对所述待检验紧固件图像进行特征识别和特征图像区分割，获得多个特征识别信息和与各特征信息对应的特征图像区；S400，基于各所述特征识别信息从预设的紧固件知识库中查找对应的特征名称，并获取各所述特征名称对应的参数表；其中，所述紧固件知识库包括特征名称、与所述特征名称对应的参数表，各所述参数表包括若干参数名称、与各所述参数名称对应的尺寸识别规则信息和尺寸公差范围，各所述尺寸识别规则信息包括尺寸标注点；S500，采用边缘探测和识别技术对各所述特征图像区进行边缘修正，得到修正后的特征图像区；S600，基于各所述尺寸识别规则信息识别修正后的特征图像区上对应的尺寸标注点，并根据各参数名称识别信息对应的所述尺寸标注点确定所述参数的实际测量值；S700，判断各所述参数的实际测量值是否满足所述参数表中的尺寸公差范围，并根据判断结果检验所述待检验紧固件的尺寸合规性。优选地，所述步骤S100中，将所述训练样本传输到预设深度学习模型后，还训练所述预设深度学习模型的类型识别功能，获得的所述目标深度学习模型还能够识别所述待检验紧固件的紧固件类型；所述步骤S300中，调用所述目标深度学习模型还对所述待检验紧固件图像进行类型识别，获得所述待检验紧固件的类型识别信息；所述步骤S400具体包括：基于所述类型识别信息从预设的紧固件知识库中查找对应的紧固件类型，并基于各所述特征识别信息从预设的紧固件知识库中查找对应所述紧固件类型的各对应的特征名称，并获取各所述特征名称对应的参数表；其中，所述紧固件知识库还包括紧固件类型，各紧固件类型对应有多个特征名称。优选地，所述步骤S200还包括：获取所述待检验紧固件的类型标识信息；所述步骤S300和所述步骤S400之间还包括：判断所述类型标识信息和所述类型识别信息是否匹配，若是则执行步骤S400；若否则输出所述待检验紧固件类型异常的提示信息。优选地，所述步骤S200包括：S210，获取紧固件原始图像，并识别所述紧固件原始图像中是否包含多个待检验紧固件，若是则执行步骤S220，若否则所述紧固件原始图像形成所述待检验紧固件图像，执行步骤S300；S220，对所述紧固件原始图像进行分割，获得多个分割图片，各所述分割图片对应一个所述待检验紧固件，形成一个所述待检验紧固件图像，之后对各所述待检验紧固件图像执行步骤S300。优选地，所述步骤S600包括：S610，基于各所述尺寸识别规则信息识别修正后的特征图像区上对应的尺寸标注点；S620，计算各所述尺寸标注点形成的尺寸值；S630，根据所述待检验紧固件图像的畸变信息、所述待检验紧固件图像中紧固件的水平度信息，对所述尺寸值进行修正，得到所述实际测量值。优选地，所述步骤S700包括：S710，判断各所述参数的实际测量值是否满足所述参数表中的尺寸公差范围，以及判断当前所述待检验紧固件以及与其相同类型的连续多个历史待检验紧固件中同一所述参数的实际测量值的变化趋势；S720，若各所述参数的实际测量值满足所述尺寸公差范围，且各参数的实际测量值的所述变化趋势不在统计过程控制中的判异规则范围内，则所述待检验紧固件的尺寸合规；否则，执行S730；S730，输出所述待检验紧固件尺寸不合规的提示信息，并停止检验与当前所述待检验紧固件类型相同的后续待检验紧固件。优选地，所述步骤S730还包括：输出对用于加工当前所述待检验紧固件的生产设备进行停机维护的提示信息。优选地，所述步骤S600之后还包括步骤：S800，将所述实际测量值标注于对应的所述特征图像区，并输出所述实际测量值。本专利技术的第二方面提供了一种紧固件尺寸的自动化检验系统，包括：图像本文档来自技高网...

【技术保护点】
1.一种紧固件尺寸的自动化检验方法，其特征在于，所述紧固件为轴对称部件，且包含头部和从所述头部一端面延伸的杆部，所述头部的直径大于所述杆部的直径，所述紧固件尺寸合规性的检验方法包括步骤：/nS100，获取与各类型紧固件对应的训练样本，所述紧固件对应的训练样本包括若干张不同的紧固件类型的图片，将所述训练样本传输到预设深度学习模型，训练所述预设深度学习模型的特征识别功能和特征图像区分割功能，获得能够输出对应输入的紧固件图片的多个特征识别信息和与各所述特征识别信息对应的特征图像区的目标深度学习模型；其中，各所述特征图像区为输入的紧固件图片中的一部分，其包括所述紧固件的至少一个特征；/nS200，获取待检验紧固件的待检验紧固件图像；/nS300，调用所述目标深度学习模型对所述待检验紧固件图像进行特征识别和特征图像区分割，获得多个特征识别信息和与各特征信息对应的特征图像区；/nS400，基于各所述特征识别信息从预设的紧固件知识库中查找对应的特征名称，并获取各所述特征名称对应的参数表；其中，所述紧固件知识库包括特征名称、与所述特征名称对应的参数表，各所述参数表包括若干参数名称、与各所述参数名称对应的尺寸识别规则信息和尺寸公差范围，各所述尺寸识别规则信息包括尺寸标注点；/nS500，采用边缘探测和识别技术对各所述特征图像区进行边缘修正，得到修正后的特征图像区；/nS600，基于各所述尺寸识别规则信息识别修正后的特征图像区上对应的尺寸标注点，并根据各参数名称识别信息对应的所述尺寸标注点确定所述参数的实际测量值；/nS700，判断各所述参数的实际测量值是否满足所述参数表中的尺寸公差范围，并根据判断结果检验所述待检验紧固件的尺寸合规性。/n...

【技术特征摘要】
1.一种紧固件尺寸的自动化检验方法，其特征在于，所述紧固件为轴对称部件，且包含头部和从所述头部一端面延伸的杆部，所述头部的直径大于所述杆部的直径，所述紧固件尺寸合规性的检验方法包括步骤：
S100，获取与各类型紧固件对应的训练样本，所述紧固件对应的训练样本包括若干张不同的紧固件类型的图片，将所述训练样本传输到预设深度学习模型，训练所述预设深度学习模型的特征识别功能和特征图像区分割功能，获得能够输出对应输入的紧固件图片的多个特征识别信息和与各所述特征识别信息对应的特征图像区的目标深度学习模型；其中，各所述特征图像区为输入的紧固件图片中的一部分，其包括所述紧固件的至少一个特征；
S200，获取待检验紧固件的待检验紧固件图像；
S300，调用所述目标深度学习模型对所述待检验紧固件图像进行特征识别和特征图像区分割，获得多个特征识别信息和与各特征信息对应的特征图像区；
S400，基于各所述特征识别信息从预设的紧固件知识库中查找对应的特征名称，并获取各所述特征名称对应的参数表；其中，所述紧固件知识库包括特征名称、与所述特征名称对应的参数表，各所述参数表包括若干参数名称、与各所述参数名称对应的尺寸识别规则信息和尺寸公差范围，各所述尺寸识别规则信息包括尺寸标注点；
S500，采用边缘探测和识别技术对各所述特征图像区进行边缘修正，得到修正后的特征图像区；
S600，基于各所述尺寸识别规则信息识别修正后的特征图像区上对应的尺寸标注点，并根据各参数名称识别信息对应的所述尺寸标注点确定所述参数的实际测量值；
S700，判断各所述参数的实际测量值是否满足所述参数表中的尺寸公差范围，并根据判断结果检验所述待检验紧固件的尺寸合规性。


2.根据权利要求1所述的自动化检验方法，其特征在于，所述步骤S100中，将所述训练样本传输到预设深度学习模型后，还训练所述预设深度学习模型的类型识别功能，获得的所述目标深度学习模型还能够识别所述待检验紧固件的紧固件类型；
所述步骤S300中，调用所述目标深度学习模型还对所述待检验紧固件图像进行类型识别，获得所述待检验紧固件的类型识别信息；
所述步骤S400具体包括：基于所述类型识别信息从预设的紧固件知识库中查找对应的紧固件类型，并基于各所述特征识别信息从预设的紧固件知识库中查找对应所述紧固件类型的各对应的特征名称，并获取各所述特征名称对应的参数表；其中，所述紧固件知识库还包括紧固件类型，各紧固件类型对应有多个特征名称。


3.根据权利要求2所述的自动化检验方法，其特征在于，所述步骤S200还包括：
获取所述待检验紧固件的类型标识信息；
所述步骤S300和所述步骤S400之间还包括：
判断所述类型标识信息和所述类型识别信息是否匹配，若是则执行步骤S400；若否则输出所述待检验紧固件类型异常的提示信息。


4.根据权利要求1所述的自动化检验方法，其特征在于，所述步骤S...

【专利技术属性】
技术研发人员：唐旸，
申请(专利权)人：唐旸，
类型：发明
国别省市：北京;11