【技术实现步骤摘要】
本专利技术涉及汽车线束生产领域，具体地说是涉及一种线束连接器目标检测方法。
技术介绍
1、汽车线束作为汽车电力和信号传输的主要通道，其生产制造的质量对于车辆的功能、安全性和经济性有着重要的影响。尤其是随着新能源汽车在我国的快速发展，对于线束制造质量和生产效率要求进一步提高。然而，由于汽车线束生产的复杂性和定制化需求以及对于质量控制和检测的高要求，导致其在实际生产过程中的自动化和智能化的应用程度较低。其中，汽车连接器和端子线束的装配过程几乎全是采用人工装配的生产方式，这也导致企业在实际生产的过程中效率和准确性受到很大的影响。因此，开发一套基于机器视觉和工业机器人的自动化、智能化装配系统，将会大大降低线束制造企业的人工成本，同时也能提升生产的质量和效率。在这个系统中，汽车线束连接器的目标检测则是开发和建立该装配系统的核心内容之一。
2、目标检测任务作为一种计算机视觉任务，主要用于识别图像或视频中的特定对象，并确定其位置。主要分为两个步骤：对象分类和对象定位。其检测方法可以分为基于传统方法的目标检测和基于深度学习的目标检测。其中基于深度学习的目标检测方法在近些年已经可以有效的应用到工业生产上。目前该方法可以大致分为两类：第一类是两阶段目标检测方法，代表方法有rnn系列方法；第二类是单阶段目标检测方法，代表方法有yolo系列和ssd系列方法。
3、在对yolo系列方法中的yolov5模型进行优化时，主要存在以下困难：首先是要选择合理的改进方法，目前基于yolov5模型的改进方法已经超过了几十种；如何选取适应于线束
技术实现思路
1、基于上述技术问题，本专利技术提出一种线束连接器目标检测方法。该方法主要是选取了单阶段目标检测算法中的yolo系列算法，然后对yolov5模型进行改进，以提高对于线束连接器目标检测的精度，达到实际生产中装配作业的精度需求。
2、本专利技术所采用的技术解决方案是：
3、一种线束连接器目标检测方法，包括以下步骤：
4、步骤1、建立线束连接器数据集；
5、对线束连接器进行数据采集，得到原始图像数据集；然后对原始图像数据集进行处理，得到线束连接器数据集；
6、步骤2、建立yolo图像识别模型；
7、yolo图像识别模型包括骨干网络、颈部网络和头部网络；骨干网络包括卷积层和c2f模块；颈部网络包括上采样层、拼接模块、c2f模块、卷积层和双向金字塔特征网络模块；头部网络包括若干个检测层；
8、输入图像先进入骨干网络，提取出多尺度特征图；多尺度特征图进入颈部网络，构建特征金字塔，得到处理后的最终特征图；最终特征图再进入头部网络，生成目标检测框和类别置信度；
9、步骤3、进行模型训练；
10、使用步骤1建立好的线束连接器数据集对步骤2建立的yolo图像识别模型进行训练，通过训练后的模型完成对线束连接器的精准快速识别。
11、本专利技术的有益技术效果是：
12、本专利技术相较于其他的目标检测方法如双阶段检测方法的rnn系列算法和单阶段检测算法的ssd算法等，具有精度更高，实时性更强的特点，适合用于线束连接器目标检测。本专利技术使用c2f特征提取模块替换原有特征提取模块如c3模块，引入双向金字塔特征网络模块等建立yolo图像识别模型，再引入focal-eiou损失函数对模型进行优化，优化后的模型对于线束连接器的目标检测精度达到了98.4%，同时检测速度也远远超过其他的目标检测算法，满足线束连接器自动化装配的设计要求。
本文档来自技高网...【技术保护点】
1.一种线束连接器目标检测方法，其特征在于包括以下步骤：
2.根据权利要求1所述的一种线束连接器目标检测方法，其特征在于，步骤1中：对原始图像数据集进行处理的过程包括使用翻转、增强对比度、消除噪声的手段进行数据增强，以及使用labelimg标注软件对图像进行标注。
3.根据权利要求2所述的一种线束连接器目标检测方法，其特征在于：选取作业批量大、安装复杂的两种线束连接器为研究对象；通过固定角度和方向的方式，对现场的两种线束连接器进行数据采集，共收集原始图像1000张；
4.根据权利要求1所述的一种线束连接器目标检测方法，其特征在于，步骤2中：在骨干网络中共设置五层卷积层和四个C2f模块，分别称为第一卷积层、第二卷积层、第三卷积层、第四卷积层和第五卷积层，以及第一C2f模块、第二C2f模块、第三C2f模块和第四C2f模块；输入图像在骨干网络中依次经第一卷积层、第二卷积层、第一C2f模块、第三卷积层、第二C2f模块、第四卷积层、第三C2f模块、第五卷积层、第四C2f模块以及SPFF模块进行处理。
5.根据权利要求4所述的一种线束连接器目标
6.根据权利要求5所述的一种线束连接器目标检测方法，其特征在于：在头部网络中共设置三个检测层，分别为第一检测层、第二检测层和第三检测层；
7.根据权利要求1所述的一种线束连接器目标检测方法，其特征在于：所述双向金字塔特征网络模块包括输入特征层、特征融合层和输出特征层；
8.根据权利要求7所述的一种线束连接器目标检测方法，其特征在于，当输入特征层有P3、P4、P5、P6、P7 五个特征图，信号处理流程如下：
9.根据权利要求1所述的一种线束连接器目标检测方法，其特征在于，在步骤3进行模型训练时，采用Focal-EIoU损失函数，Focal-EIoU损失函数的表达公式如下：
...【技术特征摘要】
1.一种线束连接器目标检测方法，其特征在于包括以下步骤：
2.根据权利要求1所述的一种线束连接器目标检测方法，其特征在于，步骤1中：对原始图像数据集进行处理的过程包括使用翻转、增强对比度、消除噪声的手段进行数据增强，以及使用labelimg标注软件对图像进行标注。
3.根据权利要求2所述的一种线束连接器目标检测方法，其特征在于：选取作业批量大、安装复杂的两种线束连接器为研究对象；通过固定角度和方向的方式，对现场的两种线束连接器进行数据采集，共收集原始图像1000张；
4.根据权利要求1所述的一种线束连接器目标检测方法，其特征在于，步骤2中：在骨干网络中共设置五层卷积层和四个c2f模块，分别称为第一卷积层、第二卷积层、第三卷积层、第四卷积层和第五卷积层，以及第一c2f模块、第二c2f模块、第三c2f模块和第四c2f模块；输入图像在骨干网络中依次经第一卷积层、第二卷积层、第一c2f模块、第三卷积层、第二c2f模块、第四卷积层、第三c2f模块、第五卷积层、第四c2f模块以及spff模块进行处理。
5.根据权利要求4所述的一种线束连接器目标检测方法，其特征在于，步骤2中：在颈部网络...
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。