基于深度学习YOLO算法的线束连接器加工型号检测方法与流程

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。

技术特征：

技术总结
本发明公开了基于深度学习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；2）样本标记；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，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；5）图像预处理；6）产品型号检测；7）选择相应加工工艺。通过上述方式，本发明采用深度学习YOLO算法，检测准确度高，检测效率快，在GPU为TITAN X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加工型号的检测，本发明具有检测精度高、速度快、适用性强等突出优点。

技术研发人员：李海庆
受保护的技术使用者：江苏拙术智能制造有限公司
技术研发日：2018.09.21
技术公布日：2019.02.15