一种航空零部件表面紧固件快速识别与统计方法及系统技术方案

本申请属于航空零部件测量领域，为一种航空零部件表面紧固件快速识别与统计方法，先利用高清工业相机采集零部件表面图像，并对零部件表面图像标注后建立紧固件与孔位图像数据库，搭建面向紧固件与孔位识别的深度神经网络模型，再利用紧固件与孔位图像数据库对深度神经网络模型进行训练，得到紧固件与孔位识别模型；对紧固件与孔位识别模型进行轻量化以后，获得最终的紧固件与孔位识别模型；工作过程中通过实时采集零部件表面图像，利用紧固件与孔位识别模型即可完成对各类型紧固件与孔位的自动标记与计数；能够实现零部件表面图像的快速批量分析与处理，极大提高紧固件与孔位数量检测的效率和准确性。检测的效率和准确性。检测的效率和准确性。

【技术实现步骤摘要】
一种航空零部件表面紧固件快速识别与统计方法及系统


[0001]本申请属于航空零部件测量领域，特别涉及一种航空零部件表面紧固件快速识别与统计方法及系统。

技术介绍

[0002]随着航空制造业的快速发展，对飞机装配的效率与质量提出了更高的要求。飞机是通过铆钉、螺栓等紧固件将众多零部件连接而成的整体，紧固件连接是飞机制造装配过程中重要的工艺环节，直接影响飞机的安全性和可靠性。航空零部件上紧固件数量与种类繁多，紧固件安装数量与制孔数量的检查仍依靠人工目视计数方式，存在效率低、干扰多、误差大等问题。为实现对紧固件数量高效识别检测，亟需采用数字化、信息化的测量检查技术手段进行改进革新。
[0003]图像识别与深度学习技术为航空零部件紧固件与孔位数量的快速可靠检测提供了一种新的解决思路。随着深度学习技术的快速发展，以深度神经网络对紧固件与孔位等关键目标进行特征学习与提取，实现紧固件与孔位的快速识别与统计。通过采集高清工业相机对航空零部件表面进行图像采集，建立具有不同类型紧固件与孔位的航空零部件表面紧固件与孔位图像数据库；针对紧固件等小目标识别任务，设本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种航空零部件表面紧固件快速识别与统计方法，其特征在于，包括：利用高清工业相机采集一定量的零部件表面图像，直至采集范围覆盖整个航空零部件表面，对采集的零部件表面图像的各类型紧固件和孔位进行分类和定位标注，根据分类和定位标注信息建立紧固件与孔位图像数据库；根据紧固件与孔位图像数据库搭建面向紧固件与孔位识别的深度神经网络模型，深度神经网络模型能够对零部件表面图像中紧固件与孔位的分类与定位特征信息进行识别；利用紧固件与孔位图像数据库对深度神经网络模型进行训练，直至深度神经网络模型的训练损失值收敛并且测试精度稳定，得到紧固件与孔位识别模型；对紧固件与孔位识别模型进行神经网络模型轻量化，剔除紧固件与孔位识别模型中的冗余参数，获得最终的紧固件与孔位识别模型；实时采集零部件表面图像，利用紧固件与孔位识别模型，对零部件表面图像中的紧固件与孔位进行快速分类与定位识别，并在零部件表面图像上利用不同颜色方框标记各类型紧固件与孔位，获得标记后的零部件表面图像；统计各类型紧固件与孔位的数量，将统计结果与标记后的零部件表面图像反馈至数据管理系统进行存储、管理与显示。2.如权利要求1所述的航空零部件表面紧固件快速识别与统计方法，其特征在于，所述紧固件与孔位识别模型采用卷积神经网络架构YOLOv5，对所述紧固件与孔位识别模型进行轻量化的设计方法为：对于第n层的特征与权重，设置L1范数，分别筛选特征与权重L1范数较小的通道，计算第n层特征通道L1范数与权重通道L1范数为：为：式中，代表从模型的第n层中筛选的特征通道总数，代表模型的第n层的第个输出特征通道的L1范数,代表从模型的第n层中筛选的权重通道总数，代表模型的第n层的第个权重通道的L1范数；而后对输出特征通道和权重通道的L1范数大小进行从大至小排序，去除一定量的L1范数较小的输出特征通道和权重通道。3.如权利要求1所述的航空零部件表面紧固件快速识别与统计方法，其特征在于，所述紧固件与孔位识别模型采用卷积神经网络架构YOLOv5，所述紧固件与孔位识别模型内设置
有多尺度特征提取模块，所述多尺度特征提取模块的设计方法为：给定输入特征，式中，为属于符号，R为实数，C为特征深度...

【专利技术属性】
技术研发人员：张勇德，王玮，郭中华，冀阳春，王浩熠，
申请(专利权)人：中航西安飞机工业集团股份有限公司，
类型：发明
国别省市：