一种三段式微特振动电机电枢缺陷自动检测方法技术

本发明专利技术公开了一种三段式微特振动电机电枢缺陷自动检测方法，分为三个阶段：阶段一，基于采集的电枢图像，通过分类网络对电枢进行分类，类别包括变阻裂、缺线和正常；阶段二，基于采集的电枢图像以及阶段一中划分为正常的电枢图像，通过模板匹配得到目标检测区域；再通过目标检测网络对目标检测区域进行检测；检测结果包含铜线细、断线、锡段、虚焊和锡珠中的至少一种；阶段三，基于阶段一的分类结果和阶段二的目标检测结果，进行缺陷分类模式识别；缺陷分类模式包括正常、铜线故障、爬锡、虚焊和变阻裂。本发明专利技术检测的缺陷更全面，检测的精确度更高，并且可以由企业自主设定部分缺陷的检测标准，实现品质分级。实现品质分级。实现品质分级。

【技术实现步骤摘要】
一种三段式微特振动电机电枢缺陷自动检测方法


[0001]本专利技术属于微电子
，涉及微型振动电机缺陷检测，尤其涉及一种三段式微特振动电机电枢缺陷自动检测方法。

技术介绍

[0002]微特振动电机在产品中发挥着控制、驱动等作用，随着电子产品的日益流行，微特振动电机的市场潜力巨大。电枢作为微特振动电机的关键部件，其表面质量的好坏直接影响着电机的运行状态。由于电枢零件微小、结构复杂，在检测上存在着很大的难度。最常见的检测方法是工人手持转子放置在显微镜下进行观察，在大批量生产的情况下，这种检测方法在速度和成本上都不具有优势，同时由于人的主观性，难以实现统一的标准控制，容易造成漏检和错检的状况。因此，有必要开发一种高效且标准统一的检测方法来进行微特电机电枢表面质量检测。
[0003]申贵龙公开了一种基于机器视觉的永磁铁氧体转子表明缺陷检测方法研究，提出了基于多尺度边缘检测的算法，首先对图像进行正交小波变换，得到不同尺度的高频系数和低频系数；接着在每个尺度里根据高频系数的局部与全局特征信息来剔除背景与噪声点，同时保留高频区域点；对最低尺度的近似系数置0，然后重构图像；最后运用双阈值处理重构的图像，增强边缘的连接性(申贵龙，基于机器视觉的永磁铁氧体转子表明缺陷检测方法研究，硕士论文，2016)。这类方法虽然检测速度快，但所检测的缺陷种类有限，且都会造成一定程度上的信息损失；尤其是对于电枢这种复杂的零件，常电枢与有缺陷电枢之间类间距离过小，不易进行区分。
[0004]随着近年来深度学习的迅速发展，不少研究者将深度学习算法引入微特转子的表面检测。Feng T等公开了基于ResNet
‑
101和FPN的小体积振动电机电枢双支路表面检测系统，而图像分类算法多为端到端模型，难以对一些标准进行灵活控制，无法根据客户实际需求，做到品控分级；且受限于深度学习算法本身的特点，无法对某些标准作出反应(Feng T,Liu J,Fang X,Wang J,Zhou L.ADouble
‑
Branch Surface Detection System for Armatures in Vibration Motors with Miniature Volume Based on ResNet
‑
101and FPN.Sensors.2020；20(8):2360)。

技术实现思路

[0005]本专利技术目的旨在提供一种三段式微特振动电机电枢缺陷自动检测方法，有效地检测出电枢的缺陷，弥补传统图像检测准确率低，无法调整标准的缺点。
[0006]本专利技术提出的三段式微特振动电机电枢缺陷自动检测方法，为基于分类、分割和缺陷模式识别组成的三段式缺陷检测方法。第一阶段的分类步骤可以对缺线(即待检区域没有铜线)、变阻裂(即变阻区域有裂痕)进行准确判别，完成初步筛选；第二阶段的目标检测步骤，可以对断线(即锡焊位置的铜线断开)、铜线细(即铜线区域的直径低于正常直径的1/2)、锡段(即铜线上覆盖锡的部分)、虚焊(即锡焊位置有裸露的铜线)、锡珠(即铜线上存
在锡珠)等进行有效识别；在第三阶段，基于前两个阶段的识别结果进行类别模式识别，完成对虚焊、爬锡(即铜线上覆盖锡的部分超出设定长度)、铜线故障等的综合判定。
[0007]本专利技术提供的三段式微特振动电机电枢缺陷自动检测方法，其包括以下步骤：
[0008]阶段一：基于采集的电枢图像，通过分类网络对电枢进行分类，类别包括变阻裂、缺线和正常；
[0009]阶段二：基于采集的电枢图像以及阶段一中划分为正常的电枢图像，通过模板匹配得到目标检测区域；再通过目标检测网络对目标检测区域进行检测；所述检测结果包含铜线细、断线、锡段、虚焊和锡珠中的至少一种；
[0010]阶段三：基于阶段一的分类结果和阶段二的目标检测结果，进行缺陷分类模式识别；所述缺陷分类模式包括正常、铜线故障、爬锡、虚焊和变阻裂。
[0011]上述阶段一中，由于变阻裂、缺线问题主要集中在电枢图像下方1/3的部分，为了提高分类效率及精度，本专利技术首先对采集的原始电枢图像进行裁剪，截取原始电枢图像下方1/3的部分。然后将截取的电枢图像输入分类网络对电枢进行分类。分类网络采用的是MobileNetV2网络。
[0012]上述阶段二中，本专利技术中，首先基于电枢图像历史数据，以包含铜线和焊锡的标准图像作为模板；然后对采集的电枢图像以及阶段一中划分为正常的电枢图像通过模板匹配得到目标检测区域。这里采用的目标检测网络为YoloV4网络。
[0013]上述MobileNetV2和YoloV4网络都是轻量模型，可以实现较高的检测速度。
[0014]上述阶段三中，为了实现对微型特种电机的分级品质控制，满足不同客户的需求，降低制造成本，根据阶段一的分类结果和阶段二的目标检测结果，进一步确定电枢的缺陷类别，一个电枢可能同时包含多种缺陷模式。本专利技术中，经研究确认了五种缺陷模式：正常、铜线故障、爬锡、虚焊和变阻裂；由于缺线、断线、铜线细和锡珠都与铜线有关，因此，将四者归为铜线故障缺陷模式。根据阶段一的分类结果，可以确定电枢是否存在变阻裂缺陷或者存在缺线；阶段一识别的电枢正常，虽然不存在变阻裂或者缺线，但是可能还存在其他缺陷，此时需要根据阶段二进一步进行目标检测。根据阶段二的目标检测结果，可以实现对铜线细、断线、锡段、虚焊和锡珠的目标定位。
[0015]锡段长度，锡珠大小，虚焊位置会影响最终的判定结果，锡段长度的计算可通过识别到的锡段锚框进行计算，即：
[0016][0017]其中Length(XD)为锡段长度，x1,x2,y1,y2表示用于锚定锡段的锚框对角两个点的横坐标和纵坐标，当锡段长度大于设定值时，即可判定为爬锡。否则，表明锡段属于正常长度范围。
[0018]锡珠的大小可以通过框的面积进行近似判定，即：
[0019]Area(XZ)＝|x
′1‑
x
′2|*|y
′1‑
y
′2|*k
[0020]其中Area(XZ)为锡珠面积，x
′1,x
′2,y
′1,y
′2表示用于锚定锡珠的锚框对角两个点的横坐标和纵坐标，k为设定的比例系数，当锡珠面积大于设定值时，即可判定为存在锡珠。否则，表明不存在锡珠。
[0021]虚焊指的是锡包处铜线存在部分或完全裸露在外的情况。若锡包顶部存在虚焊会对性能产生影响，而锡包内侧存在虚焊则影响不大。由于顶部的铜线为水平分布，而侧边铜
线为竖直分布，为实现对位置的判定，通过计算用于锚定锡包处铜线的锚框的宽和高，若宽大于高，则存在虚焊缺陷，反之则判为正常，即计算：|x
″1‑
x
″2|
‑
|y
″1‑
y
″2|的值是否大于0，大于0则存在虚焊，反之则不存在虚焊；x
″1,x
″2,y
″1,y
″2表示用于锚定锡包本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种三段式微特振动电机电枢缺陷自动检测方法，其特征在于，包括以下步骤：阶段一：基于采集的电枢图像，通过分类网络对电枢进行分类，类别包括变阻裂、缺线和正常；阶段二：基于采集的电枢图像以及阶段一中划分为正常的电枢图像，通过模板匹配得到目标检测区域；再通过目标检测网络对目标检测区域进行检测；所述检测结果包含铜线细、断线、锡段、虚焊和锡珠中的至少一种；阶段三：基于阶段一的分类结果和阶段二的目标检测结果，进行缺陷分类模式识别；所述缺陷分类模式包括正常、铜线故障、爬锡、虚焊和变阻裂。2.根据权利要求1所述的三段式微特振动电机电枢缺陷自动检测方法，其特征在于，阶段一中，首先对采集的原始电枢图像进行裁剪，截取原始电枢图像下方1/3的部分；然后将截取的电枢图像输入分类网络对电枢进行分类。3.根据权利要求1或2所述的三段式微特振动电机电枢缺陷自动检测方法，其特征在于，分类网络采用的是MobileNetV2网络。4.根据权利要求3所述的三段式微特振动电机电枢缺陷自动检测方法，其特征在于，目标检测网络采用的是YoloV4网络。5.根据权利要求1所述的三段式微特振动电机电枢缺陷自动检测方法，其特征在于，锡段长度通过识别到的锡段锚框进行计算，即：其中Length(XD)为锡段长度，x1,x2,y1,y2表示用于锚定锡段的锚框对角两个点的横坐标和纵坐标，当锡段长度大于设定值时，即可判...

【专利技术属性】
技术研发人员：徐海涛，张旻昊，廖家威，方夏，
申请(专利权)人：四川大学，
类型：发明
国别省市：