一种基于机器学习的孔及铆接质量检测方法技术

本发明专利技术公开了一种基于机器学习的孔及铆接质量检测方法，该方法包括数据采集、信息处理、质量判断、质量追溯，具体步骤为：位置及参数调整，保证孔或铆接部位图像比例准确，探针移动无干涉；使用CCD相机采集孔或铆接部位图像，使用探针采集孔或铆接部位的物理信息；进行图像处理，提取图像的特征信息，对提取的表面信息进行建模；应用主成分分析法对图像特征信息进行降维，并应用改进的粒子群优化最小二乘支持向量机对特征进行分类，同时参考表面信息模型对孔或铆接质量进行判断；判断为不合格的孔或铆接的信息输入孔及铆接缺陷智能追溯系统，判断缺陷产生原因并制定修正方案。该方法统一了孔及铆接检测标准，提高了检测效率。提高了检测效率。提高了检测效率。

【技术实现步骤摘要】
一种基于机器学习的孔及铆接质量检测方法


[0001]本专利技术涉及机器学习检测领域，更具体的说是涉及一种基于机器学习的孔及铆接质量检测方法。

技术介绍

[0002]飞机装配过程中的孔及铆接质量检测是飞机装配过程中的关键环节，是影响飞机安全性和稳定性的重要因素，孔及铆接质量在很大程度上决定着飞机的最终质量。目前，国内飞机装配过程中孔及铆接质量检测方法大多为传统的人工检测，工人采用传统测量工具多次对孔及铆接质量特征要素进行测量，以判定孔或铆接质量是否合格。这种人工质量检测方法的质量特征要素难以量化提取，检测效率低、检测精度低、质量信息难以追溯，对飞机的装配效率和装配质量都有一定的影响，因此，提出一种高效的孔及铆接质量检测方法至关重要。
[0003]现阶段的专利公开以及文献资料显示：1)专利(CN111054875A)利用视觉检测方法，使用视觉检测组件从一侧捕捉铆钉孔位置进行检测。该方法难以对孔及铆接的垂直度、平面度、凹陷等特征要素进行有效检测，检测效果不准确，甚至导致不合格铆接的漏检，严重影响飞机装配的安全性；2)专利(CN20171012本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于机器学习的孔及铆接质量检测方法，其特征在于，包括数据采集部分、信息处理部分、质量判断部分和质量追溯部分，具体包含以下步骤：(1)在检测车间工人对灯光照明、相机焦距和探针位置进行调整；(2)采集孔或铆接部位图像和表面数据，采用高精度工业相机采集孔或铆接部位的图像，应用探针根据检测需要采集表面数据；(3)处理采集到的图像和物理信息，得到图像的特征信息和孔或铆接模型的特征信息；(4)利用主成分分析法对得到的特征信息进行降维、提取，对降维后的信息使用分类算法进行识别和分类，最终得到检测结果；(5)应用孔及铆接缺陷智能追溯系统对铆接分析缺陷原因，得到缺陷修正方案。2.根据权利要求1所述的一种基于机器学习的孔及铆接质量检测方法，其特征在于：步骤(1)中调整灯光照明、相机焦距，是为了保证采集到清晰、具有相同尺寸的图像，保证图像信息的准确性和有效性，调整探针位置是保证探针运动过程中无障碍，确保探针准确与被检查区域接触。3.根据权利要求1所述的一种基于机器学习的孔及铆接质量检测方法，其特征在于：步骤(2)中检测需要指的是需要检测的具体特征，包括孔的圆柱度、垂直度、铆接表面的平面度，圆柱度检测需使用探针采集六个点以上的位置信息，垂直度需要在此基础上对外表面进行三个点以上位置信息采集，检测平面度则需对铆接面采集至少四个点以上的表面信息。4.根据权利要求1所述的一种基于机器学习的孔及铆接质量检测方法，...

【专利技术属性】
技术研发人员：郝博，闫俊伟，王明阳，郭嵩，王鹏，王杰，王婵，
申请(专利权)人：东北大学，
类型：发明
国别省市：