【技术实现步骤摘要】
一种基于目标检测和聚类的齿轮型号判定方法及判定系统
[0001]本专利技术属于汽车齿轮检测
，具体涉及一种基于目标检测和聚类的齿轮型号判定方法及判定系统。
技术介绍
[0002]随着汽车产业的不断发展，汽车传动齿轮的种类和型号日益增多，每种齿轮具有其独特的大小和形状，齿轮生产时，如果不慎将一种齿轮型号的齿轮混入了另一种齿轮型号中，将会对后续生产带来严重的安全隐患。且错误混入的齿轮不易被发现，潜在危险很高。因此，我们在对齿轮进行缺陷项目标检测时，有必要在这一步将齿轮型号混入的风险彻底排除。
[0003]目前最为主流的防止齿轮型号混入的手段仍是以人工排查为主，有经验的工人虽然可以快速确定每个齿轮所属的齿轮型号，但是依靠人力的工作效率始终有限，且随数量增加和身体疲劳会不可避免地出现错判、漏检。随着生产制造业不断认识到使用深度学习技术进行缺陷检测的重要性，越来越多的企业开始选择使用人工智能的自动化设备代替人工进行缺陷检测，而齿轮型号混入的风险就可以作为缺陷检测的一项，在这一步进行根本性的排除。
技术实现思路
【技术保护点】
【技术特征摘要】
1.一种基于目标检测和聚类的齿轮型号判定方法，其特征在于，包括：S1、获取齿轮图像，对齿轮上的识别线进行人工标注，得到标注图像集；S2、利用目标检测网络训练标注图像集，得到目标检测模型；S3、采集每种型号齿轮的M张样本，M为大于0的自然数；测量样本中每列的识别线坐标，得到每种型号齿轮的识别线坐标模板；S4、首先利用目标检测模型，检测待测图像中的识别线，得到识别线集合，识别线集合中的元素为候选样本，然后使用dbscan算法对候选样本进行聚类，将识别线聚类为N个纵列；N为大于或等于0的整数；S5、将N个纵列识别线聚类的横坐标与所述识别线坐标模板的识别线坐标进行匹配，匹配成功则判定为待测图像中的齿轮与识别线坐标模板的齿轮型号一致；匹配不成功则判定为待测图像中的齿轮与识别线坐标模板的齿轮型号不一致；S6、将判别出的齿轮型号与真实生产中当前批次预设齿轮型号对比，即得到是否发生齿轮型号混入的结果。2.根据权利要求1所述的基于目标检测和聚类的齿轮型号判定方法，其特征在于，在S4中，利用dbscan算法聚类之前，在dbscan算法中指定下列条件：距离公式：两个样本的横坐标轴之差；邻域半径：同一纵列识别线中横坐标的允许误差范围；类内最小样本数。3.根据权利要求2所述的基于目标检测和聚类的齿轮型号判定方法，其特征在于，dbscan算法聚类的过程为：S401、以所述识别线集合为样本集合，初始化核心识别线集w, 初始化类别k=0；S402、遍历样本集合的元素，如果是核心识别线，则将其加入到核心识别线集；S403、若核心识别线集中所有元素都已被访问，则进入S406，否则进入S404；S404、在核心识别线集中，随机选择一个未访问的核心识别线，首先将该核心识别线标记为已访问，然后将标记类别为k，最后将该核心识别线的邻域中未访问的所有识别线放到种子集合中；S405、若种子集合为空，则表示该聚类簇生成完毕，核心对象自成一类，且k=k+1，并跳转到S403；否则，从该种子集合中挑选其他种子样本，将其标记为已访问，类别标记为k，然后判断该种子样本是否为核心对象，如果是，就将种子集合中所有未访问的种子样本加入到该种子集合，并继续跳转到S401；S406、将所有识别线数量小于类内最小样本数的聚类簇舍去，至此结束。4.根据权利要求1所述的基于目标检测和聚类的齿轮型号判定方法，其特征在于，S6的判别结果包括：当判定齿轮型号与真实齿轮型号相符，属于正常生产；当判定齿轮型号与真实齿轮型号不相符，且与另一预设齿轮型号相符，此时输出结果为该齿轮型号的名称，由此判定是齿轮型号错用；当判定齿轮型号不属于任何一种预设齿轮型号时，此时输出结果为不属于任何齿轮型号；当判定为不包含识别线，输出结果为无识别线。
5.一种基于目标检测和聚类的齿轮型号判定系统，其特征在于，包括：标注模块：获取齿轮图像，对齿轮上的识别线进行人工标注，得到标注图像集；模型构建模块：利用目标检...
【专利技术属性】
技术研发人员：朱光旭，方超群，田楷，穆铁英，刘杨，陈立名，张楠，胡江洪，曹彬，常小刚，
申请(专利权)人：菲特天津检测技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。