一种面向微型直流电机制造过程的轴突视觉检测鉴别方法技术

本发明专利技术公开了一种面向微型直流电机制造过程的轴突视觉检测鉴别方法，包括相机固定对准生产线，配合生产节拍采集微电机图像；离线标注微电机转轴、机壳为轴突检测关键特征，训练掩膜区域推荐卷积神经网络Mask R

【技术实现步骤摘要】
一种面向微型直流电机制造过程的轴突视觉检测鉴别方法


[0001]本专利技术涉及微电机智能制造
，尤其涉及一种面向微型直流电机制造过程的轴突快速高精度视觉检测鉴别方法。

技术介绍

[0002]我国微型电机产量由2011年77亿台增加至2019年的136亿台，产量占全球73.9％。随着智能化、自动化、信息化的趋势在生产和生活的各个领域推进，微型电机产品已有数千品种，主要的下游应用包括信息处理、家用电器、汽车、计算机设备、办公设备、空气净化设备、医疗器械、视听设备、工业生产设备、机器人、电动工具等行业。电机制造工序多，涉及精密机械、精细化工、微细加工、磁材料处理、绕组制造、绝缘处理等工艺技术，简而言之，微型电机行业是劳动密集型和技术密集型的高新技术产业。
[0003]微电机转子与机壳装配后，微电机轴长是尺寸方面最关键性能指标，电机轴长(轴突)为安装面到轴末端的长度，由于电机轴截面面积小，微电机轴突检测、测量的自动化与智能化一直未能很好解决。
[0004]目前对于微电机轴突检测、测量方法主要采用千分表、激光位移传感器或机器视觉等方本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种面向微型直流电机制造过程的轴突视觉检测鉴别方法，其特征在于，所述方法包括：A配合生产节拍采集微电机图像，离线标注微电机转轴、机壳，作为轴突检测关键特征，训练掩膜区域推荐卷积神经网络Mask R
‑
CNN；B评估Mask R
‑
CNN是否满足轴突高精度视觉检测需求，在验证集上测试得到Mask R
‑
CNN模型的重叠度超过75％平均精度均值AP
0.75
，若AP
0.75
不低于90％，认为模型基本轴突满足检测需求；C查看Mask R
‑
CNN模型在验证集的检测结果，统计识别Mask R
‑
CNN模型的转轴识别准确率P
shaft
、机壳识别准确率P
casing
，若Mask R
‑
CNN模型的转轴识别准确率P
shaft
、机壳识别准确率P
casing
均不低于98％，则可部署Mask R
‑
CNN模型进行轴突检测鉴别；D配合生产节拍采集微电机图像，将采集的微电机图像输入到Mask R
‑
CNN模型，在线分割得机壳实际形状A
casing
、转轴实际形状A
shaft
；由转轴实际形状A
shaft
计算得转轴最高点P
shaft
，通过最小二乘法拟合机壳实际形状A
casing
得到机壳顶部拟合线l
casing
‑
top
，计算得到微电机轴突长度L
shaft
；E根据机壳识别得到微电机型号，判断微电机轴突长度是否符合该型号微电机设计要求，若符合则鉴别微电机轴突质量合格，若不符合则鉴别微电机轴突质量不良。2.如权利要求1所述的面向微型直流电机制造过程的轴突视觉检测鉴别方法，其特征在于，所述步骤A和步骤D中：配合生产节拍采集微电机图像，具体为：相机配合生产节拍，在光轴与微电机机壳中线、转轴中线重合时，采集得到机壳、转轴垂直向上，且转轴位于水平中心的微电机图像。3.如权利要求1所述的面向微型直流电机制造过程的轴突视觉检测鉴别方法，其特征在于，所述步骤A中：离线标注微电机转轴、机壳，指采用开源标注软件labelme、VGG图像标注器VIA的多边形标注工具，标注微电机转轴、机壳实际形状，并为其添加类型标签，训练Mask R
‑
CNN模型，系采用随机梯度下降SGD算法对Mask R
‑
CNN模型进行调优，使其拟合到训练数据集上；训练采用Mini
‑
batch策略，学习率为0.001，分批数N
batch
分别可设置为正整数1,2,3
…
；迭代训练次数N
batch
分别可选为1000、2000、3000
…
；训练过程中，模型每次训练在数据集中挑选N
batch
个图片进行，将训练N
batch
次，观测Mask R
‑
CNN模型分类损失loss_cls、定位损失loss_box_reg、分割损失loss_mask、总损失total_loss，若这4个损失均有缩小趋势，则Mask R
‑
CNN模型收敛。4.如权利要求1所述的面向微型直流电机制造过程的轴突视觉检测鉴别方法，其特征在于，所述步骤C具体包括：通过人工统计Mask R
‑
CNN模型识别转轴正确数N
shaft_TP
、转轴漏检数N
shaft_FN<...

【专利技术属性】
技术研发人员：谢佳娜，陈敏生，
申请(专利权)人：广东恒嘉电机有限公司，
类型：发明
国别省市：