一种换电连接器的缺陷识别方法与流程

本发明涉及一种换电连接器，特别是涉及一种换电连接器的缺陷识别方法，属于换电连接器。

背景技术：

1、新能源汽车具有以下优点：污染小：电动汽车不产生尾气，没有污染，氢能汽车尾气是水，对环境没有污染，因为它基本上是属于零排放，所以也在限号范围外；减少废气排放：新能源汽车无废气排放，能有效保护环境，减少了废气排放；效率高、价格低：新能源汽车一般采用新技术、新结构，效率更高，价格低，此外，电机的结构非常简单，不易发生故障，不需要频繁维护；节约燃油能源：新能源汽车一般使用天然气、石油气、氢气和电力作为动力，节约了燃油能源；噪音低、安静舒适：因为它是由电机驱动的，汽车没有难闻的汽油味，发动机没有轰鸣声和振动，所以乘坐起来很舒适，此外，电动车没有离合器，操作简单。

2、当前新能源卡车电池包在与卡车对接前或后，可能存在连接件污损、磨损、损坏等情况，如果不能及时的发现和处理，会影响正常的电气连接，严重的情况下会引发短路，从而造成不必要的经济损失。

3、因此，亟需对换电连接器缺陷的识别方法进行改进，以解决上述存在的问题。

技术实现思路

1、本发明的目的是提供一种换电连接器的缺陷识别方法，本方法用于检测车辆插座、电池包插头在连接前后是否有异常及缺陷，对特定的连接器插座、插头对象进行基于图像的自动检测，检测对象支持用户模板添加及学习能力，以不断提升系统的适应性，及时发现异常和缺陷，大大提高检修的时效性以及检修的效率，降低用户的经济损失。

2、为了达到上述目的，本发明采用的主要技术方案包括：

3、一种换电连接器的缺陷识别方法，包括以下步骤：

4、步骤一：缺陷定位，利用图像采集系统对连接器进行采集分析，并对缺陷位置进行定位；

5、步骤二：缺陷分类，借助dcnn，通过卷积层对缺陷进行分类；

6、步骤三：缺陷分析，通过cnn对缺陷特征进行提取，并对样品缺陷进行分析。

7、优选的，所述步骤一具体为：

8、首先，利用图像采集系统对连接器上连接头进行图像采集分析；

9、然后，对采集过来的图像进行一步分割处理，使得样品缺陷能够按照其特有的区域特征进行分类。

10、优选的，所述图像处理系统获取多个特征图像，并对所述多个特征图像进行特征提取：

11、其中，包括：对所述特征图像进行预处理得到优化特征图像；

12、其中，包括：将所述特征图像进行灰度化处理以得到灰度特征图像；

13、将所述灰度特征图像进行直方图均衡化得到均衡特征图像，根据均衡特征图像对缺陷位置进行定位。

14、优选的，所述dcnn和所述cnn通过lenet实现pytorch；

15、lenet中的每一层结构如下：

16、c1层是卷积层，使用6个5×5的卷积核，得到6组大小为28×28＝784的特征映射，因此，c1层的神经元数量为6x784＝4704，可训练参数数量为6×25+6＝156，连接数为156×784＝122304(包括偏置在内，下同)；

17、s2层为汇聚层，采样窗口为2×2，使用平均汇聚，并使用一个如公式(5.27)的非线性函数，神经元个数为6×14×14＝1176，可训练参数数量为6×(1+1)＝12，连接数为6×196×(4+1)＝5880；

18、c3层为卷积层，lenet-5中用一个连接表来定义输入和输出特征映射之间的依赖关系，共使用60个5×5的卷积核，得到16组大小为10×10的特征映射，神经元数量为16×100＝1600，可训练参数数量为(60×25)+16＝1516,连接数为100×1516＝151600；

19、s4层是一个汇聚层，采样窗口为2×2，得到16个5×5大小的特征映射，可训练参数数量为16×2＝32，连接数为16×25×(4+1)＝2000；

20、c5层是一个卷积层，使用120×16＝1920个5×5的卷积核，得到120组大小为1×1的特征映射，c5层的神经元数量为120，可训练参数数量为1920×25+120＝48120，连接数为120×(16×25+1)＝48120；

21、f6层是一个全连接层，有84个神经元，可训练参数数量为84×(120+1)＝10164，连接数和可训练参数个数相同，为10164；

22、输出层：输出层由10个径向基函数。

23、优选的，所述样品缺陷包括：位置偏差检测、器件损坏检测、器件污损检测以及其他异常检测。

24、优选的，所述位置偏差检测包括：插头位移、插座位移以及螺钉位移；

25、所述器件损坏检测包括：插头损坏、插座损坏以及螺钉损坏；

26、所述器件污损检测包括：插头污损、插座污损以及螺钉污损；

27、所述其他异常检测包括：插头异常、插座异常以及螺钉异常。

28、一种换电连接器的缺陷识别装置，所述识别装置包括获取模块、定位模块、提取模块以及分析模块。

29、优选的，所述获取模块用于获取连接器的多个特征对应的多组特征图像；

30、所述定位模块用于并对缺陷位置进行定位；

31、所述提取模块用于用于对多组所述特征图像进行特征提取；

32、所述分析模块用于对连接器的器件进行深度分析。

33、优选的，所述提取模块包括：

34、优化单元，用于对所述特征图像进行预处理得到优化特征图像；

35、其中，所述优化单元包括：灰度处理子单元，用于将所述特征图像进行灰度化处理以得到灰度特征图像；

36、均衡处理子单元，用于将所述灰度特征图像进行直方图均衡化得到均衡特征图像；

37、去噪子单元，用于对所述均衡特征图像进行去噪处理得到去噪特征图像；

38、其中，所述去噪子单元还用于对所述均衡特征图像通过中值滤波法进行去噪处理得到去噪特征图像。

39、本发明至少具备以下有益效果：

40、本方法用于检测车辆插座、电池包插头在连接前后是否有异常及缺陷，对特定的连接器插座、插头对象进行基于图像的自动检测，检测对象支持用户模板添加及学习能力，以不断提升系统的适应性，及时发现异常和缺陷，大大提高检修的时效性以及检修的效率，降低用户的经济损失。

技术特征：

1.一种换电连接器的缺陷识别方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种换电连接器的缺陷识别方法，其特征在于：所述步骤一具体为：

3.根据权利要求1所述的一种换电连接器的缺陷识别方法，其特征在于：所述图像处理系统获取多个特征图像，并对所述多个特征图像进行特征提取：

4.根据权利要求1所述的一种换电连接器的缺陷识别方法，其特征在于：所述dcnn和所述cnn通过lenet实现pytorch；

5.根据权利要求1所述的一种换电连接器的缺陷识别方法，其特征在于：所述样品缺陷包括：位置偏差检测、器件损坏检测、器件污损检测以及其他异常检测。

6.根据权利要求5所述的一种换电连接器的缺陷识别方法，其特征在于：

7.一种换电连接器的缺陷识别装置，其特征在于：所述识别装置包括获取模块、定位模块、提取模块以及分析模块。

8.根据权利要求7所述的一种换电连接器的缺陷识别装置，其特征在于：

9.根据权利要求7所述的一种换电连接器的缺陷识别装置，其特征在于：所述提取模块包括：

技术总结
本发明涉及换电连接器技术领域，具体为一种换电连接器的缺陷识别方法，包括以下步骤：步骤一：缺陷定位，利用图像采集系统对连接器进行采集分析，并对缺陷位置进行定位；步骤二：缺陷分类，借助DCNN，通过卷积层对缺陷进行分类；步骤三：缺陷分析，通过CNN对缺陷特征进行提取，并对样品缺陷进行分析。本发明本方法用于检测车辆插座、电池包插头在连接前后是否有异常及缺陷，对特定的连接器插座、插头对象进行基于图像的自动检测，检测对象支持用户模板添加及学习能力，以不断提升系统的适应性，及时发现异常和缺陷，大大提高检修的时效性以及检修的效率，降低用户的经济损失。

技术研发人员：丁二慧
受保护的技术使用者：江苏和动力电子工程有限公司
技术研发日：
技术公布日：2024/1/13