一种电机定子内轮廓表面缺陷快速在线检测方法及装置.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115963397A(43)申请公布日2023.04.14(21)申请号202211530821.7G06T7/80(2017.01)(22)申请日2022.12.01G06N3/044(2023.01)G06N3/08(2023.01)(71)申请人华中科技大学地址430074湖北省武汉市洪山区珞喻路1037号(72)发明人杨凯梁鸿元李黎徐祯雨代明成郑韵馨谢雨龙罗超月岭(74)专利代理机构武汉东喻专利代理事务所(普通合伙)42224专利代理师李佑宏(51)Int.Cl.G01R31/34(2020.01)G06T7/00(2017.01)G06T7/13(2017.01)权利要求书2页说明书9页附图8页(54)发明名称一种电机定子内轮廓表面缺陷快速在线检测方法及装置(57)摘要本发明公开了一种电机定子内轮廓表面缺陷快速在线检测方法，属于缺陷检测技术领域，步骤如下：采用YOLOv6算法构建缺陷预测模型；采用内轮廓设置有标准棋盘格的标定模具对检测机构进行标定；将电机定子放置在放置平台上；调整检测机构在水平面内的位置；采集电机定子内轮廓的图像参数；将图像参数输入缺陷预测模型以判断缺陷，本发明还公开了对应方法的检测装置。本发明提供了一种电机定子内轮廓表面缺陷快速在线检测方法及装置，能够跟上电机生产流水线的生产节奏，快速实现对电机定子内轮廓表面缺陷的快速在线检测，同时，其不仅自动化程度高，而且能够确保检测结果的准确性，有效提高了电机定子生产效率、改善了产品质量、降低生产制备过程中的检测成本。CN115963397ACN115963397A权利要求书1/2页1.一种电机定子内轮廓表面缺陷快速在线检测方法，其特征在于，包括如下步骤：S1、采用YOLOv6算法构建缺陷预测模型；S2、采用内轮廓设置有标准棋盘格的标定模具对检测机构进行标定；S3、将电机定子放置在放置平台上；S4、调整检测机构在水平面内的位置，完成检测机构和电机定子轴线的对正；S5、驱动检测机构深入电机定子内部，采集电机定子内轮廓的图像参数；S6、将所述图像参数输入所述缺陷预测模型，通过所述缺陷预测模型判断所述图像参数中是否存在缺陷以及存在缺陷时的缺陷位置和缺陷种类，若是则进入步骤S7，若否则进入步骤S8；S7、发出报警信号，将缺陷位置和缺陷种类告知作业人员，之后进入步骤S8；S8、将所述电机定子移除放置平台，并重复上述步骤S3～S6；其中，所述S1包括如下步骤：S11、构建图像识别训练模型；S12、采集包含缺陷标注的定子内轮廓表面缺陷图像集包括训练集和测试集；S13、将所述训练集投入所述图像识别训练模型中，得到缺陷预测模型；S14、将所述测试集投入所述缺陷预测模型中，判断所述缺陷预测模型在过检率不超过阈值时，漏检率是否为0，若漏检率为0则进入步骤S16，若漏检率不为0则进入步骤S15；S15、调整所述训练集和所述测试集，并调整所述图像识别训练模型中的学习参数进行微调，并重复步骤S12～S14；S16、完成缺陷预测模型的构建。2.根据权利要求1所述的电机定子内轮廓表面缺陷快速在线检测方法，其中，所述S13包括如下步骤：S131、输入端接收所述训练集，并对训练集中的图片进行数据增强、滤波和归一化，以得到n*n通道数的预处理图像；S132、将采用骨干网络接收所述预处理图像，并通过深度可分离卷积提取所述预处理图像中的特征图；S133、采用颈部网络接收所述特征图out2，并将剐蹭检测层和微型凹陷检测层添加到所述颈部网络的末端，通过所述颈部网络对所述特征图out2中的特征进行混合与组合，得到特征图out3；S134、输出层接收特征图out3，并采用目标框的判断以及多步筛选确定最优回归解和置信度。3.根据权利要求2所述的电机定子内轮廓表面缺陷快速在线检测方法，其中，所述深度可分离卷积包括如下步骤：S1321、从所述预处理图像中获取确定待卷积通道，卷积对应不同通道设置一一对应的卷积核，采用独立的卷积核逐通道卷积不同通道，得到与所述卷积核数量相同的特征图out1；S1322、根据逐通道卷积中通道的数量确定该通道所对应卷积核的大小，将所述特征图out1在通道方向上进行加权组合，得到包含电机定子内轮廓表面缺陷特征的特征图out2。4.根据权利要求2所述的电机定子内轮廓表面缺陷快速在线检测方法，其中，所述数据2CN115963397A权利要求书2/2页增强包括随机对训练集图像的翻转、旋转、剪裁、叠加和马赛克算法。5.根据权利要求1～4中任一项所述的电机定子内轮廓表面缺陷快速在线检测方法，其中，所述S2包括如下步骤：S21、制备与待测电机定子内径相同的标定模具，并在所述标定模具内轮廓设置标准棋盘格；S22、将标定模具放置在放置平台，将检测