一种电机定子内轮廓表面缺陷快速在线检测方法及装置制造方法及图纸

本发明专利技术公开了一种电机定子内轮廓表面缺陷快速在线检测方法，属于缺陷检测技术领域，步骤如下：采用YOLO v6算法构建缺陷预测模型；采用内轮廓设置有标准棋盘格的标定模具对检测机构进行标定；将电机定子放置在放置平台上；调整检测机构在水平面内的位置；采集电机定子内轮廓的图像参数；将图像参数输入缺陷预测模型以判断缺陷，本发明专利技术还公开了对应方法的检测装置。本发明专利技术提供了一种电机定子内轮廓表面缺陷快速在线检测方法及装置，能够跟上电机生产流水线的生产节奏，快速实现对电机定子内轮廓表面缺陷的快速在线检测，同时，其不仅自动化程度高，而且能够确保检测结果的准确性，有效提高了电机定子生产效率、改善了产品质量、降低生产制备过程中的检测成本。降低生产制备过程中的检测成本。降低生产制备过程中的检测成本。

【技术实现步骤摘要】
一种电机定子内轮廓表面缺陷快速在线检测方法及装置


[0001]本专利技术属于缺陷检测
，具体涉及一种电机定子内轮廓表面缺陷快速在线检测方法及装置。

技术介绍

[0002]电机中的定子是电机的两个重要核心功能单元之一,其质量流控制是电机生产、安装过程中的一个极其重要环节，同时对电机的功能和使用寿命具有十分重要的影响。
[0003]电机的生产现在基本上都采用了自动化单机或自动化生产线，但是定子表面缺陷的检测科技水平明显落后于生产的科技水平，大多数企业仍在采用人工目测或者传统的图像加人工的方法，耗费时间较长，效率低下，检测质量受人为主观因素影响大，无法满足规模生产过程中的实时在线检测。电机定子的结构、规格、型号千差万别，轮廓表面缺陷类型有凹坑、安装间隙、安装孔污染、金属表面生锈、异物、划伤、剐蹭、异色、焊珠污染、毛刺等，表面的缺陷检测需求也有很大差异，因此使用同一装置不仅满足电机定子的千差万别的检测需求，而且尽可能多的兼容不同规格定子的检测是视觉检测设备在生产过程中进行自动化表面缺陷检测急需解决的难题。

技术实现思路

[0004]针对现有技术的以上缺陷或改进需求中的一种或者多种，本专利技术提供了一种电机定子内轮廓表面缺陷快速在线检测方法及装置，能够跟上电机生产流水线的生产节奏，快速实现对电机定子内轮廓表面缺陷的快速在线检测，同时，其不仅自动化程度高，而且能够确保检测结构准确性，有效提高了电机定子生产效率、改善了产品质量、降低生产制备过程中的成本、提高生产效率。
[0005]为实现上述目的，本专利技术提供一种电机定子内轮廓表面缺陷快速在线检测装置，包括如下步骤：
[0006]S1、采用YOLO v6算法构建缺陷预测模型；
[0007]S2、采用内轮廓设置有标准棋盘格的标定模具对检测机构进行标定；
[0008]S3、将电机定子放置在放置平台上；
[0009]S4、调整检测机构在水平面内的位置，完成检测机构和电机定子轴线的对正；
[0010]S5、驱动检测机构深入电机定子内部，采集电机定子内轮廓的图像参数；
[0011]S6、将所述图像参数输入所述缺陷预测模型，通过所述缺陷预测模型判断所述图像参数中是否存在缺陷以及存在缺陷时的缺陷位置和缺陷种类，若是则进入步骤S7，若否则进入步骤S8；
[0012]S7、发出报警信号，将缺陷位置和缺陷种类告知作业人员，之后进入步骤S8；
[0013]S8、将所述电机定子移除放置平台，并重复上述步骤S3～S6；
[0014]其中，所述S1包括如下步骤：
[0015]S11、构建图像识别训练模型；
[0016]S12、采集包含缺陷标注的定子内轮廓表面缺陷图像集包括训练集和测试集；
[0017]S13、将所述训练集投入所述图像识别训练模型中，得到缺陷预测模型；
[0018]S14、将所述测试集投入所述缺陷预测模型中，判断所述缺陷预测模型在过检率不超过阈值时，漏检率是否为0，若漏检率为0时则进入步骤S16，若漏检率不为0则进入步骤S15；
[0019]S15、调整所述训练集和所述测试集，并调整所述图像识别训练模型中的学习参数进行微调，并重复步骤S12～S14；
[0020]S16、完成缺陷预测模型的构建；
[0021]作为本专利技术的进一步优选，所述S13包括如下步骤：
[0022]S131、输入端接收所述训练集，并对训练集中的图片进行数据增强、滤波和归一化，以得到n*n通道数的预处理图像；
[0023]S132、将采用骨干网络接收所述预处理图像，并通过深度可分离卷积提取所述预处理图像中的特征图；
[0024]S133、采用颈部网络接收所述特征图out2，并将剐蹭检测层和微型凹陷检测层添加到所述颈部网络的末端，通过所述颈部网络对所述特征图out2中的特征进行混合与组合，得到特征图out3；
[0025]S134、输出层接收特征图out3，并采用目标框的判断以及多步筛选确定最优回归解和置信度。
[0026]作为本专利技术的进一步优选，所述深度可分离卷积包括如下步骤：
[0027]S1321、从所述预处理图像中获取确定待卷积通道，卷积对应不同通道设置一一对应的卷积核，采用独立的卷积核逐通道卷积不同通道，得到与所述卷积核数量相同的特征图out1；
[0028]S1322、根据逐通道卷积中通道的数量确定该通道所对应卷积核的大小，将所述特征图out1在通道方向上进行加权组合，得到包含电机定子内轮廓表面缺陷特征的特征图out2。
[0029]作为本专利技术的进一步优选，所述数据增强包括随机对训练集图像的翻转、旋转、剪裁、叠加和马赛克算法。
[0030]作为本专利技术的进一步优选，所述S2包括如下步骤：
[0031]S21、制备与待测电机定子内径相同的标定模具，并在所述标定模具内轮廓设置标准棋盘格；
[0032]S22、将标定模具放置在放置平台，将检测机构的轴心调整到与标定模具轴心相重合；
[0033]S23、通过检测机构采集标定模具内标准棋盘格的图像初步调整所述检测机构的姿态；
[0034]S24、采用初步调整后的检测机构重新采集标定模具内轮廓中标注棋盘格的标定图像信息；
[0035]S25、通过所述标定图像信息得到检测机构的修正矩阵，用于修正检测机构采集的图形参数。
[0036]作为本专利技术的进一步优选，所述S4包括如下步骤：
[0037]S41、采集电机定子内孔圆在轮廓信息；
[0038]S42、采用第一计算公式技术轮廓信息中的边缘像素位置；
[0039]S43、采用最小二乘法反复迭代，得到拟合的所述内孔圆准确圆心和半径；
[0040]S44、根据所述圆心和半径调整检测机构在水平面中的位置，完成所述检测机构和电机定子的对正。
[0041]作为本专利技术的进一步优选，所述第一计算公式为：
[0042]f＝∑((X
i
‑
X
C
)2+(Y
i
‑
Y
C
)2‑
R2)2[0043]其中，(X
i
,Y
i
)为参与拟合内孔圆边缘像素位置；(X
C
,Y
C
)为拟合内孔圆圆心位置；R为拟合内孔圆的半径；f为目标函数。
[0044]本专利技术还公开了一种电机定子内轮廓表面缺陷快速在线检测装置，采用如权利要求1～7中任一项所述的电机定子内轮廓表面缺陷快速在线检测方法完成电机定子的检测，其包括：
[0045]承载机构；其包括沿水平设置的放置平台，用于承载电机定子；
[0046]检测机构；其包括检测运动构件和图像采集构件，检测运动构件与图像采集构件固定连接，用于驱动所述图像采集构件在空间中往复运动；所述图像采集构件包括多个图像采集相机和至少一个对中相机，所述多个图像采集相机水平周向布置本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电机定子内轮廓表面缺陷快速在线检测方法，其特征在于，包括如下步骤：S1、采用YOLO v6算法构建缺陷预测模型；S2、采用内轮廓设置有标准棋盘格的标定模具对检测机构进行标定；S3、将电机定子放置在放置平台上；S4、调整检测机构在水平面内的位置，完成检测机构和电机定子轴线的对正；S5、驱动检测机构深入电机定子内部，采集电机定子内轮廓的图像参数；S6、将所述图像参数输入所述缺陷预测模型，通过所述缺陷预测模型判断所述图像参数中是否存在缺陷以及存在缺陷时的缺陷位置和缺陷种类，若是则进入步骤S7，若否则进入步骤S8；S7、发出报警信号，将缺陷位置和缺陷种类告知作业人员，之后进入步骤S8；S8、将所述电机定子移除放置平台，并重复上述步骤S3～S6；其中，所述S1包括如下步骤：S11、构建图像识别训练模型；S12、采集包含缺陷标注的定子内轮廓表面缺陷图像集包括训练集和测试集；S13、将所述训练集投入所述图像识别训练模型中，得到缺陷预测模型；S14、将所述测试集投入所述缺陷预测模型中，判断所述缺陷预测模型在过检率不超过阈值时，漏检率是否为0，若漏检率为0则进入步骤S16，若漏检率不为0则进入步骤S15；S15、调整所述训练集和所述测试集，并调整所述图像识别训练模型中的学习参数进行微调，并重复步骤S12～S14；S16、完成缺陷预测模型的构建。2.根据权利要求1所述的电机定子内轮廓表面缺陷快速在线检测方法，其中，所述S13包括如下步骤：S131、输入端接收所述训练集，并对训练集中的图片进行数据增强、滤波和归一化，以得到n*n通道数的预处理图像；S132、将采用骨干网络接收所述预处理图像，并通过深度可分离卷积提取所述预处理图像中的特征图；S133、采用颈部网络接收所述特征图out2，并将剐蹭检测层和微型凹陷检测层添加到所述颈部网络的末端，通过所述颈部网络对所述特征图out2中的特征进行混合与组合，得到特征图out3；S134、输出层接收特征图out3，并采用目标框的判断以及多步筛选确定最优回归解和置信度。3.根据权利要求2所述的电机定子内轮廓表面缺陷快速在线检测方法，其中，所述深度可分离卷积包括如下步骤：S1321、从所述预处理图像中获取确定待卷积通道，卷积对应不同通道设置一一对应的卷积核，采用独立的卷积核逐通道卷积不同通道，得到与所述卷积核数量相同的特征图out1；S1322、根据逐通道卷积中通道的数量确定该通道所对应卷积核的大小，将所述特征图out1在通道方向上进行加权组合，得到包含电机定子内轮廓表面缺陷特征的特征图out2。4.根据权利要求2所述的电机定子内轮廓表面缺陷快速在线检测方法，其中，所述数据
增强包括随机对训练集图像的翻转、旋转、剪裁、叠加和马赛克算法。5.根据权利要求1～4...

【专利技术属性】
技术研发人员：杨凯，梁鸿元，李黎，徐祯雨，代明成，郑韵馨，谢雨龙，罗超月岭，
申请(专利权)人：华中科技大学，
类型：发明
国别省市：