刘蜜，蒋黎，刘海波，敖锐
（1.上海威克鲍尔通信科技有限公司，贵州 贵阳 550009；
2.陆军装备部驻曲靖地区军事代表室，云南 曲靖 655000；
3.陆军装备部驻贵阳地区军事代表室；
4.贵州航天电器股份有限公司，云南 贵阳 550009）
某电源方针是板间电能传输的重要元器件，广泛应用于电子、通讯领域。电源方针质量水平直接影响到对接和信号传输可靠性，生产过程中易产生镀层不良、划痕、磕碰、水印、严重变形等不可接受的外观缺陷。因此，在方针生产制造阶段必须采用相适应的缺陷检测与筛选的品质控制措施。
机器视觉技术主要用计算机来模拟人的视觉功能，从客观事物的图像中提取信息，进行处理并加以理解，最终用于实际检测、测量和控制。广泛应用在尺寸测量、定位引导、缺陷识别。由于电源方针外观缺陷细微、采集的图像对比度差，常规的机器视觉技术在外观缺陷检测方面检测结果不稳定。近年来，基于深度学习的外观缺陷检测受到重点科研工作者的关注。为解决电源方针生产制造过程中品质管控问题，提出将深度学习与传统机器视觉算法结合的智能视觉检测系统。
为了解决电源方针生产制造过程中品质管控的难题，提出将深度学习与传统机器视觉算法相结合的智能视觉检测系统。采用KNN网络实现颜色分类，然后采用sobel算子实现轮廓差异检测，进一步，采用Googlenet网络进行划痕、麻点等缺陷分类，通过融合上述3种技术确保系统的稳定、可靠、高效，达到误拒率与人工相近而不可接受缺陷误收率超过人工水平的效果。通过实际实现实验，结果显示本文提出的方法对于不可接受缺陷检出率高达100%，满足工程实际应用。
针对电源方针检测筛选过程中存在的问题，从硬件和软件两个方面研发智能筛选设备，实现高质量的筛选过程。
设备主要用于对电源方针进行外观缺陷检查筛选，目的是将电源方针里具有缺角、碰伤、镀层错误、尺寸超差等废品挑选出来。硬件方面，构建高速成像机构，将人工筛检时的“上表面筛选→翻面→下表面筛选”串行流程转变为从两个工位独立同步运行并行流程，保证视角不遗漏的同时提高效率。
软件方面基于工程师经验和试验分析结果对从侧面捕获的图像数据进行数据样本标签标注，通过数据集建设沉淀固化检测人员的筛检标准，形成有标签的产品质量品级数据集，进而训练深度卷积神经网络，实现有监督的学习，使机器达到经验丰富的检验人员的筛检水平，保证筛检过程高效、稳定、可靠。
整体结构包含上料系统、扫码系统、中心转盘、扶正系统、光纤检测系统、CCD检测系统和分选系统。其中CCD检测系统由实时视觉检测系统和样本管理与模型训练子系统。系统算法如图1所示，采用传统机器视觉算法测量尺寸、KNN颜色直方图分类算法分类颜色、传统视觉算法计算边缘形状是否合格。首先，采用KNN实现颜色分类；
其次，利用sobel算子实现轮廓差异检测；
最后，利用Googlenet网络进行划痕、麻点等缺陷分类。
图1 算法逻辑流程
为了验证电源方针智能视觉检测与筛选系统的有效性，将本文方法与标准Googlenet（Gg）模型检测结果进行对比，筛选效果如图2所示，两种模型的测试结果如表1所示。
图2 各类缺陷筛选效果
表1 两种模型实验指标
由表1可见，同一工况下，新模型相比标准Googlenet模型合格率有一定提升，本文提出的方法对于不可接受缺陷检出率高达100%，表明了本文设计方法是有效性。将筛选出来的合格方针再进行重新测试，工新模型通过系统筛选出来的合格产品进行二次检测时，其合格率约为99.53%，Googlenet模型的合格率为94.35%，本文方法稳定新更好。
电源方针是板间信号互联的重要元器件，由于产品尺寸微小、缺陷形式繁多、常规人工检测存在漏检、错检等不足。本文提出一种电源方针智能视觉检测方法，通过KNN算法、sobel算子、Googlenet算法解决颜色识别、轮廓提取及缺陷检测。通过现场测试，本文提出的方法具有更高的检测精度，不可接受缺陷检出率高达100%，取得了良好的效果，为PIM方针的智能检测提供了一种有效措施，具有实际工程应用价值。
猜你喜欢 方针电源智能 Cool Invention炫酷发明阅读（快乐英语高年级）(2019年2期)2019-09-10智能前沿文苑(2018年23期)2018-12-14智能前沿文苑(2018年19期)2018-11-09智能前沿文苑(2018年17期)2018-11-09智能前沿文苑(2018年21期)2018-11-09哪一款移动电源充电更多？更快？消费者报道(2016年3期)2016-02-28阳光电源风能(2016年12期)2016-02-25新电源环球时报(2009-12-25)2009-12-25继续坚持解放思想实事求是的方针军事历史(1989年1期)1989-08-20“诱敌深入”方针的提出与第一次反“围剿”的胜利军事历史(1987年1期)1987-08-20