本发明属于线束连接器智能化检测技术领域,尤其涉及基于深度学习yolo算法的线束连接器加工型号检测方法。
背景技术:
目前的线束连接器生产线仍存在很大不足,其中加工型号的检测大部分依靠人工检测,大多数生产线根据线束连接器夹具pin槽的型号及槽数,人工控制整个生产线工艺,每更换一次夹具pin槽,就得重新调整整个生产线,极其复杂,消耗大量人力物力。
随着人工智能的大面积普及,深度学习算法的日趋完善,计算机设备计算能力不断提高,深度学习技术在目标检测方面大有代替传统技术之势。如今目标检测的深度学习算法有很多,而其中用于工业检测的几乎只有fasterrcnn算法,其检测的准确度和效率相比传统技术有很大提升,但其针对小目标的检测准确度不是很稳定,虽然速度有所提升,但并不能达到实时检测,对硬件设备的要求也很苛刻。
技术实现要素:
本发明的目的在于提供基于深度学习yolo算法的线束连接器加工型号检测方法,该检测方法能够提高线束连接器加工型号检测的准确度和效率。
为解决上述技术问题,本发明采用的一个技术方案是:提供基于深度学习yolo算法的线束连接器加工型号检测方法,包括以下步骤:
步骤一、获取产品样本,获取若干线束连接器夹具pin槽的样本图片;
步骤二、样品标记,给所获得的样本图片上标签,标记样本图片上的目标区域,形成完整的数据集;
步骤三、模型训练及模型输出,用深度学习yolo算法对所标记的样本图片进行迭代训练,样本图片通过训练迭代学习输出深度学习模型;
步骤四、产品图像输入,传送带将待检线束连接器夹具pin槽移送到线束连接器定位机构旁的光电对射传感器后,传感器触发线束连接器定位机构上的气缸将待检线束连接器夹具pin槽定位在传送带上的中心线位置上;传感器触发ccd摄像机及光源进行图像采集,并通过图像采集卡把摄像机拍到的视频信号转存到工业计算机上,从而获得线束连接器夹具pin槽的图像;
步骤五、图像预处理,针对获取的线束连接器夹具pin槽图像,选取环形目标区域,对目标区域进行高斯滤波图像预处理,消除部分存在的图像噪声;
步骤六、加工型号检测,将图像预处理后得到的图像输入到已经训练好的深度学习模型,即能够迅速检测到该线束连接器夹具pin槽型号及槽数,获取加工型号;
步骤七、选择相应工艺,按照检测图像的结果进行选择,根据加工型号的不同,选择不同的加工工艺。
在本发明一个较佳实施例中,所述步骤1)中,获取每种型号不同槽数的线束连接器夹具pin槽的样本图片各100~300张。
在本发明一个较佳实施例中,所述步骤3)中,所述迭代训练中迭代次数为60000~100000次。
本发明的有益效果是:
1)采用本发明的检测方法,检测的准确度将会大大提高,检测的精度可以超过人工的检测精度,不需要人工辅助,可以实现完全的自动化;
2)采用深度学习yolo算法,检测准确度大大提高,检测效率也是极快,在gpu为titanx的设备上检测速度可达到45fps,在产品传输过程中不需要停顿即可实现对其的检测;
3)不需要依靠特征提取、图形分割等极其复杂的算法,只需要提供产品夹具pin槽对应的样本图片,可以适用不同的产品,不需要因产品型号不同而修改算法;
综上,本发明检测方法,具有检测精度高、速度快、适用性强等突出优点。
附图说明
图1是本发明一种基于深度学习yolo算法的线束连接器夹具pin槽检测方法的流程图。
具体实施方式
下面结合附图和实施例,对本发明的具体实施方式作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案,而不能以此来限制本发明的保护范围。
实施例:
根据图1,本发明的步骤包括:
基于深度学习yolo算法的线束连接器加工型号检测方法,包括如下步骤:
1)获取产品样本:获取若干线束连接器夹具pin槽的样本图片;其中获取每种型号不同槽数的线束连接器夹具pin槽样本图片各100~300张;
2)样本标记:给所获得的样本图片上标签,标记样本图片上的目标区域,形成完整的数据集;优选使用labelimg工具进行区域标记,可以显著提高标记效率;
3)模型训练及模型输出:用深度学习yolo算法对所标记的样本图片进行迭代训练,迭代次数为60000~100000次,样本图片通过训练迭代学习输出深度学习模型;
4)产品图像输入:传送带将待检线束连接器夹具pin槽移送到线束连接器定位机构旁的光电对射传感器后,传感器触发线束连接器定位机构上的气缸将待检线束连接器夹具pin槽定位在传送带上的中心线位置上;传感器触发ccd摄像机及光源进行图像采集,并通过图像采集卡把摄像机拍到的视频信号转存到工业计算机上,从而获得线束连接器夹具pin槽的图像;
5)图像预处理:针对获取的线束连接器夹具pin槽图像,选取环形目标区域,对目标区域进行高斯滤波图像预处理,消除部分存在的图像噪声;
6)加工型号检测:将图像预处理后得到的图像输入到已经训练好的深度学习模型,即能够迅速检测到该线束连接器夹具pin槽型号及槽数,获取加工型号;
7)选择相应工艺:按照检测图像的结果进行选择,根据线束连接器夹具pin槽型号和槽数的不同,选择不同的加工工艺。
本发明揭示了基于深度学习yolo算法的线束连接器加工型号检测方法,无需人为干预,可以自动实现加工类型及相应指标的快速、准确测量,解决线束连接器加工型号检测中的实际问题。采用深度学习yolo算法,不需要一系列特征提取,图像分割等复杂的算法操作,只需要100张以上样本图像,在其上标记缺陷,然后进行迭代训练,该技术相比传统算法检测准确率大大提高,检测效率也是极快,在gpu为titanx的设备上检测速度可达到45fps,在产品传输过程中不需要停顿即可实现对其缺陷的检测。因此本发明具有检测精度高、速度快、适用性强等突出优点。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。