System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及智能检测,尤其涉及一种数字仪表面板质量检测方法及系统。
技术介绍
1、数字仪表面板应用广泛,尤其是在当今的电动车制造领域上,成为不可或缺的一部分,它有助于提高安全性和更易获取驾驶车辆状态信息,使得驾驶人员身处安全的驾驶环境,且相比较传统的机械式仪表盘可以显示处更为丰富的信息和功能。
2、出厂检测是数字仪表盘在组装上市的重要步骤,也是必要步骤,目前的出厂的检测往往涉及人工检测各项出厂参数,由于人工干预和同一检测目标的多项检测繁杂,参数检测的最终结果可能存在误差,导致产品质量下降,且各个检测项目之间相互独立,检测完整的一台设备需要人为记录信息,识别是否合格,大大消耗人工成本。
3、公开于该
技术介绍
部分的信息仅仅旨在加深对本公开总体
技术介绍
的理解,而不应当被视为承认或以任何形式暗示该信息构成本领域技术人员所公知的现有技术。
技术实现思路
1、本专利技术提供了一种数字仪表面板质量检测方法及系统,可有效解决
技术介绍
中的问题。
2、为了达到上述目的,本专利技术所采用的技术方案是:
3、一种数字仪表面板质量检测方法,所述方法包括:
4、对数字仪表盘的轮廓外观进行图像采集,获得轮廓外观图像信息;
5、对所述数字仪表盘的配电外观进行图像采集,获得配电外观图像信息;
6、基于所述轮廓外观图像信息和配电外观图像信息对所述数字仪表盘进行外观质量分类,获得质量分类结果;
7、根据所述质量分类结果,确
8、建立质量检测模型,将所述多维性能检测数据集合输入所述质量检测模型内,获得质量检测结果。
9、进一步地,对数字仪表盘的轮廓外观进行图像采集,获得轮廓外观图像信息,包括:
10、根据所述数字仪表盘的轮廓外观建立三维采集空间;
11、确定所述数字仪表盘的轮廓边界在所述三维采集空间的位置;
12、对所述数字仪表盘的轮廓外观进行扫描,获得轮廓外观图像信息。
13、进一步地,确定所述数字仪表盘的轮廓边界在所述三维采集空间的位置,包括:
14、在所述三维采集空间内建立三维坐标系;
15、根据所述数字仪表盘的轮廓设置所述三维坐标系的密度;
16、将所述数字仪表盘的轮廓设置一个固定点为第一标签点;
17、将所述第一标签点与三维坐标系原点重合,其中,所述第一标签点的设置要确保所述数字仪表盘的轮廓外观整体落在所述三维坐标系的第一象限中。
18、进一步地,对所述数字仪表盘的配电外观进行图像采集,获得配电外观图像信息,包括:
19、确定所述数字仪表盘的配电屏幕的位置;
20、选择垂直于所述配电屏幕的采集角度,并确定采集距离;
21、将采集得到的配电屏幕图像进行亮度识别,获得所述配电外观图像信息。
22、进一步地,将采集得到的配电屏幕图像进行亮度识别,包括:
23、将所述配电屏幕图像转化成灰度值图像;
24、并将所述配电屏幕图像非发亮区域的灰度值设置为0;
25、构建卷积神经网络,并基于所述配电屏幕图像的亮度预设值构建所述卷积神经网络的卷积层;
26、将所述灰度值图像转化成供所述卷积神经网络识别的矩阵;
27、通过所述卷积神经网络对所述配电屏幕图像进行亮度识别。
28、进一步地,基于所述轮廓外观图像信息和配电外观图像信息对所述数字仪表盘进行外观质量分类,获得质量分类结果,包括:
29、分别对所述轮廓外观图像信息和配电外观图像信息进行预处理;
30、并对处理后的所述轮廓外观图像信息和配电外观图像信息提取适当的特征,其中,提取的所述特征可用于k均值聚类算法;
31、将提取特征的结果转化成特征向量,确保所述特征向量的维度一致;
32、使用所述k均值聚类算法将所述特征向量进行聚类,并获得所述质量分类结果。
33、进一步地,使用所述k均值聚类算法将所述特征向量进行聚类,包括:
34、s1:初始化簇中心,所述簇中心为所述特征向量的集中点;
35、s2:计算所述特征向量与所述簇中心之间的距离;
36、s3:根据计算得到的所述距离将所述特征向量分配对应的所述簇中心;
37、s4:根据所有分配的所述特征向量更新所述簇中心;
38、s5:设置停止条件,根据所述停止条件重复迭代上述步骤s2-s4。
39、进一步地,对通过所述质量筛选节点的所述数字仪表盘进行多维性能检测,包括:
40、所述质量筛选节点对所述质量分类结果进行判定,筛选出外观质量通过标准的所述数字仪表盘;
41、确定所述多维性能检测的检测项,并按照所述检测项对所述数字仪表盘性能进行检测;
42、将单个所述数字仪表盘的多维性能检测结果生成所述多维性能检测数据集合。
43、进一步地,建立质量检测模型,包括:
44、采集所述数字仪表盘的历史检测数据信息;
45、对所述历史检测数据信息进行数据清洗;
46、基于机器学习模型对清洗后的所述历史检测数据信息进行深度学习;
47、并建立所述质量检测模型,插入特征提取层,对所述多维性能检测数据集合内的数据特征进行提取。
48、一种数字仪表面板质量检测系统,其特征在于,所述系统包括:
49、轮廓图像采集模块,对数字仪表盘的轮廓外观进行图像采集,获得轮廓外观图像信息;
50、配电图像采集模块,对所述数字仪表盘的配电外观进行图像采集,获得配电外观图像信息;
51、外观质量分类模块,基于所述轮廓外观图像信息和配电外观图像信息对所述数字仪表盘进行外观质量分类,获得质量分类结果;
52、质量筛选模块,根据所述质量分类结果,确定质量筛选节点,并对通过所述质量筛选节点的所述数字仪表盘进行多维性能检测,并生成多维性能检测数据集合;
53、质量检测模块,建立质量检测模型,将所述多维性能检测数据集合输入所述质量检测模型内,获得质量检测结果。
54、通过本专利技术的技术方案,可实现以下技术效果:
55、本专利技术实现了自动化的出厂参数检测,并综合评定数字仪表盘的外观质量检测和多维性能质量检测,代替了人工检测多项参数并对质量检测进行评估的过程,有效降低了参数检测误差的可能性,有助于提高产品的质量和参数检测的效率,且有效地降低了流入市场的产品残品率。
56、上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
本文档来自技高网...【技术保护点】
1.一种数字仪表面板质量检测方法,其特征在于,所述方法包括:
2.根据权利要求1所述的数字仪表面板质量检测方法,其特征在于,对数字仪表盘的轮廓外观进行图像采集,获得轮廓外观图像信息,包括:
3.根据权利要求2所述的数字仪表面板质量检测方法,其特征在于,确定所述数字仪表盘的轮廓边界在所述三维采集空间的位置,包括:
4.根据权利要求3所述的数字仪表面板质量检测方法,其特征在于,对所述数字仪表盘的配电外观进行图像采集,获得配电外观图像信息,包括:
5.根据权利要求4所述的数字仪表面板质量检测方法,其特征在于,将采集得到的配电屏幕图像进行亮度识别,包括:
6.根据权利要求1所述的数字仪表面板质量检测方法,其特征在于,基于所述轮廓外观图像信息和配电外观图像信息对所述数字仪表盘进行外观质量分类,获得质量分类结果,包括:
7.根据权利要求6所述的数字仪表面板质量检测方法,其特征在于,使用所述K均值聚类算法将所述特征向量进行聚类,包括:
8.根据权利要求1所述的数字仪表面板质量检测方法,其特征在于,对通过所述质量
9.根据权利要求1所述的数字仪表面板质量检测方法,其特征在于,建立质量检测模型,包括:
10.一种数字仪表面板质量检测系统,其特征在于,所述系统包括:
...【技术特征摘要】
1.一种数字仪表面板质量检测方法,其特征在于,所述方法包括:
2.根据权利要求1所述的数字仪表面板质量检测方法,其特征在于,对数字仪表盘的轮廓外观进行图像采集,获得轮廓外观图像信息,包括:
3.根据权利要求2所述的数字仪表面板质量检测方法,其特征在于,确定所述数字仪表盘的轮廓边界在所述三维采集空间的位置,包括:
4.根据权利要求3所述的数字仪表面板质量检测方法,其特征在于,对所述数字仪表盘的配电外观进行图像采集,获得配电外观图像信息,包括:
5.根据权利要求4所述的数字仪表面板质量检测方法,其特征在于,将采集得到的配电屏幕图像进行亮度识别,包括:
<...【专利技术属性】
技术研发人员:周杰,武名扬,
申请(专利权)人:常州佳恒新能源科技有限公司,
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。