一种新能源汽车精密零配件表面缺陷检测装置及检测方法制造方法及图纸

本申请涉及一种新能源汽车精密零配件表面缺陷检测装置及检测方法，其包括以下步骤：基于汽车精密零配件的样本数据以及历史检测数据，训练建立

【技术实现步骤摘要】
一种新能源汽车精密零配件表面缺陷检测装置及检测方法


[0001]本申请涉及汽车零件检测的领域，尤其是涉及一种新能源汽车精密零配件表面缺陷检测装置及检测方法
。

技术介绍

[0002]新能源汽车是指采用非常规的车用燃料作为动力来源
(
或使用常规的车用燃料
、
采用新型车载动力装置
)
，综合车辆的动力控制和驱动方面的先进技术，形成的技术原理先进
、
具有新技术
、
新结构的汽车
。
新能源汽车生产时由上万个零件组成，其中包含了白车身总成零件和塑料件，这两种在汽车中占比很大
。
其主机厂对其产品质量要求是很高的，对配送厂家的零件要求关键部分合格率达到
100
％，其他零件基本上也都要达到
99.99
％，对于一级供应商，其要求为
100ppm
以内，其他二级三级供应商为
200
～
400ppm。
因此零件的合格与否直接影响到主机厂产品的质量，尤其是本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种新能源汽车精密零配件表面缺陷检测方法，其特征在于，包括以下步骤：基于汽车精密零配件的样本数据以及历史检测数据，训练建立
AI
视觉检测模型；采集零配件图像信息，所述零配件图像信息包括
3D
图像信息和平面图像信息；
AI
视觉检测模型基于零配件图像信息确定零配件型号，决策生成检测方案，所述检测方案包括尺寸检测项
、
至少一项缺陷检测项和检测流程信息；
AI
视觉检测模型根据检测方案以及零配件图像信息对待检测零配件按照检测流程进行尺寸检测以及表面缺陷检测，并输出检测结果；所述基于汽车精密零配件的样本数据以及历史检测数据，训练建立
AI
视觉检测模型具体包括以下步骤：建立深度学习网络模型，获取各型号零配件的标准样本数据，深度学习网络模型对各型号零配件的标准样本数据进行深度学习迭代模型参数以及网络结构得到初步
AI
视觉检测模型；获取各型号零配件的分区样本数据，初步
AI
视觉检测模型根据各型号零配件的分区样本数据进行分区训练使其获得对零配件精确分区能力；获取各型号零配件的历史检测数据，完成分区训练的初步
AI
视觉检测模型根据各型号零配件的历史检测数据再次进行深度学习确定各型号零配件的各类表面缺陷的出现频率以及出现位置，得到
AI
视觉检测模型；所述
AI
视觉检测模型基于零配件图像信息确定零配件型号，决策生成检测方案具体包括以下步骤：
AI
视觉检测模型对零配件图像信息进行识别确定零配件的基本信息，所述零配件的基本信息包括规格信息
、
型号信息和检测需求信息；
AI
视觉检测模型基于零配件的规格信息确定零配件的尺寸检测项以及尺寸检测流程信息；
AI
视觉检测模型根据零配件的型号信息以及检测需求信息确定至少一个表面缺陷检测项以及检测标准信息，所述检测标准信息具体为表面缺陷尺寸最小值；
AI
视觉检测模型基于该零配件的历史检测数据对表面缺陷检测项进行排序生成缺陷检测序列；
AI
视觉检测模型将尺寸检测流程信息
、
缺陷检测序列以及对应表面缺陷检测项的检测标准信息打包生成检测流程信息；再将尺寸检测项
、
表面缺陷检测项以及检测流程信息打包生成检测方案；所述
AI
视觉检测模型基于该零配件的历史检测数据对表面缺陷检测项进行排序生成缺陷检测序列具体包括：所述
AI
视觉检测模型基于该零配件的历史检测数据通过预设置的检测优先度计算公式计算该零配件的各个表面缺陷检测项的优先度评分，并基于优先度评分的高低对表面缺陷检测项进行排序生成缺陷检测序列；所述检测优先度计算公式具体为：；
其中为第
i
个表面缺陷检测项历史
NG
数量，
B
为该零配件的
NG
总数，为第
i
个表面缺陷检测项的历史平均检测时长，
D
为该零配件各个表面缺陷检测项的平均检测时长，为该零配件的优先度干扰系数，且默认为
1。2.
根据权利要求1所述的一种新能源汽车精密零配件表面缺陷检测方法，其特征在于，所述
AI
视觉检测模型根据检测方案以及零配件图像信息对待检测零配件按照检测流程进行尺寸检测以及表面缺陷检测，并输出检测结...

【专利技术属性】
技术研发人员：刘强，余敬阳，刘小春，
申请(专利权)人：昆山精诚得精密五金模具有限公司，
类型：发明
国别省市：