[发明专利]一种基于深度学习技术的线缆接头焊点合格性检测方法

权利要求书

1.一种基于深度学习技术的线缆接头焊点合格性检测方法，其特征在于，包括步骤

S1：使用摄像头采集线缆接头焊点图像；

S2：在所述线缆接头焊点图像上提取焊点区域；

S3：使用labelImg对获得的所述焊点区域的图像进行标注；

S4：建立深度神经网络分类模型，使用CNN卷积层提取带标注焊点图像特征，利用Adam优化器最小化分类损失，直至损失函数值达到最小，保存线缆接头焊点合格性检测模型；

S5：使用所述线缆接头焊点合格性检测模型对生产线的焊点进行检测。

2.如权利要求1所述的基于深度学习技术的线缆接头焊点合格性检测方法，其特征在于，步骤S1包括步骤：对倾斜的图像进行矫正，图像的矫正包括步骤：

S11：利用离散傅里叶变换提取倾斜图像的频域特征，对其特征进行高低频变换、幅度值计算、频域值规范化等操作，获得一条倾斜的直线；

S12：利用Hough直线检测获取倾斜直线，计算其倾斜角，计算图像旋转角度；

S13：利用所述图像旋转角度和仿射变换对原图进行矫正。

3.如权利要求1所述的基于深度学习技术的线缆接头焊点合格性检测方法，其特征在于，步骤S4中所述线缆接头焊点合格性检测模型建立的步骤包括

S41：使用多个小卷积核从左到右、自顶向下依次进行扫描，提取焊点图像更精细的特征；

S42：使用截断正态分布对卷积核参数进行初始化，使用Relu激活函数去线性化且有效避免模型过拟合；

S43：使用最大池化层减少参数数量，降低计算量，保持平移不变性、旋转不变性以及尺度不变性，使用softmax分类器对不合格焊点进行多分类，使用交叉熵代价函数加快模型训练速度。

4.如权利要求1所述的基于深度学习技术的线缆接头焊点合格性检测方法，其特征在于，所述步骤S5包括步骤

S51：根据线缆接头焊点合格性检测模型对数据线焊点的检测结果，控制数据线的流向，使合格的数据线进入下一个处理流程，不合格的数据线进入相应的分拣容器。