[发明专利]一种电机定子内轮廓表面缺陷快速在线检测方法及装置有效

专利信息
申请号: 202211530821.7 申请日: 2022-12-01
公开(公告)号: CN115963397B 公开(公告)日: 2023-07-25
发明(设计)人: 杨凯;梁鸿元;李黎;徐祯雨;代明成;郑韵馨;谢雨龙;罗超月岭 申请(专利权)人: 华中科技大学
主分类号: G01R31/34 分类号: G01R31/34;G06T7/00;G06T7/13;G06T7/80;G06N3/044;G06N3/08
代理公司: 武汉东喻专利代理事务所(普通合伙) 42224 代理人: 李佑宏
地址: 430074 湖北*** 国省代码: 湖北;42
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 电机 定子 轮廓 表面 缺陷 快速 在线 检测 方法 装置
【权利要求书】:

1.一种电机定子内轮廓表面缺陷快速在线检测方法,其特征在于,包括如下步骤:

S1、采用YOLO v6算法构建缺陷预测模型;

S2、采用内轮廓设置有标准棋盘格的标定模具对检测机构进行标定;

S3、将电机定子放置在放置平台上;

S4、调整检测机构在水平面内的位置,完成检测机构和电机定子轴线的对正;

S5、驱动检测机构深入电机定子内部,采集电机定子内轮廓的图像参数;

S6、将所述图像参数输入所述缺陷预测模型,通过所述缺陷预测模型判断所述图像参数中是否存在缺陷以及存在缺陷时的缺陷位置和缺陷种类,若是则进入步骤S7,若否则进入步骤S8;

S7、发出报警信号,将缺陷位置和缺陷种类告知作业人员,之后进入步骤S8;

S8、将所述电机定子移除放置平台,并重复上述步骤S3~S6;

其中,所述S1包括如下步骤:

S11、构建图像识别训练模型;

S12、采集包含缺陷标注的定子内轮廓表面缺陷图像集包括训练集和测试集;

S13、将所述训练集投入所述图像识别训练模型中,得到缺陷预测模型;

S14、将所述测试集投入所述缺陷预测模型中,判断所述缺陷预测模型在过检率不超过阈值时,漏检率是否为0,若漏检率为0则进入步骤S16,若漏检率不为0则进入步骤S15;

S15、调整所述训练集和所述测试集,并对所述图像识别训练模型中的学习参数进行微调,并重复步骤S12~S14;

S16、完成缺陷预测模型的构建;

其中,所述S13包括以下步骤:

S131、输入端接收所述训练集,并对训练集中的图片进行数据增强、滤波和归一化,以得到n*n通道数的预处理图像;

S132、采用骨干网络接收所述预处理图像,并通过深度可分离卷积提取所述预处理图像中的特征图out2;

S133、采用颈部网络接收所述特征图out2,并将剐蹭检测层和微型凹陷检测层添加到所述颈部网络的末端,通过所述颈部网络对所述特征图out2中的特征进行混合与组合,得到特征图out3;

S134、输出层接收特征图out3,并采用目标框的判断以及多步筛选确定最优回归解和置信度。

2.根据权利要求1所述的电机定子内轮廓表面缺陷快速在线检测方法,其中,所述深度可分离卷积包括如下步骤:

S1321、从所述预处理图像中获取确定待卷积通道,卷积对应不同通道设置一一对应的卷积核,采用独立的卷积核逐通道卷积不同通道,得到与所述卷积核数量相同的特征图out1;

S1322、根据逐通道卷积中通道的数量确定该通道所对应卷积核的大小,将所述特征图out1在通道方向上进行加权组合,得到包含电机定子内轮廓表面缺陷特征的特征图out2。

3.根据权利要求1所述的电机定子内轮廓表面缺陷快速在线检测方法,其中,所述数据增强包括随机对训练集图像的翻转、旋转、剪裁、叠加和马赛克算法。

4.根据权利要求1~3中任一项所述的电机定子内轮廓表面缺陷快速在线检测方法,其中,所述S2包括如下步骤:

S21、制备与待测电机定子内径相同的标定模具,并在所述标定模具内轮廓设置标准棋盘格;

S22、将标定模具放置在放置平台,将检测机构的轴心调整到与标定模具轴心相重合;

S23、通过检测机构采集标定模具内标准棋盘格的图像初步调整所述检测机构的姿态;

S24、采用初步调整后的检测机构重新采集标定模具内轮廓中标注棋盘格的标定图像信息;

S25、通过所述标定图像信息得到检测机构的修正矩阵,用于修正检测机构采集的图形参数。

5.根据权利要求1~3中任一项所述的电机定子内轮廓表面缺陷快速在线检测方法,其中,所述S4包括如下步骤:

S41、采集电机定子内孔圆的轮廓信息;

S42、采用第一计算公式计算轮廓信息中的边缘像素位置;

S43、采用最小二乘法反复迭代,得到拟合的所述内孔圆准确圆心和半径;

S44、根据所述圆心和半径调整检测机构在水平面中的位置,完成所述检测机构和电机定子的对正。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于华中科技大学,未经华中科技大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202211530821.7/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top