[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
【说明书】:

发明公开了一种电机定子内轮廓表面缺陷快速在线检测方法,属于缺陷检测技术领域,步骤如下:采用YOLO v6算法构建缺陷预测模型;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;将电机定子放置在放置平台上;调整检测机构在水平面内的位置;采集电机定子内轮廓的图像参数;将图像参数输入缺陷预测模型以判断缺陷,本发明还公开了对应方法的检测装置。本发明提供了一种电机定子内轮廓表面缺陷快速在线检测方法及装置,能够跟上电机生产流水线的生产节奏,快速实现对电机定子内轮廓表面缺陷的快速在线检测,同时,其不仅自动化程度高,而且能够确保检测结果的准确性,有效提高了电机定子生产效率、改善了产品质量、降低生产制备过程中的检测成本。

技术领域

本发明属于缺陷检测技术领域,具体涉及一种电机定子内轮廓表面缺陷快速在线检测方法及装置。

背景技术

电机中的定子是电机的两个重要核心功能单元之一,其质量流控制是电机生产、安装过程中的一个极其重要环节,同时对电机的功能和使用寿命具有十分重要的影响。

电机的生产现在基本上都采用了自动化单机或自动化生产线,但是定子表面缺陷的检测科技水平明显落后于生产的科技水平,大多数企业仍在采用人工目测或者传统的图像加人工的方法,耗费时间较长,效率低下,检测质量受人为主观因素影响大,无法满足规模生产过程中的实时在线检测。电机定子的结构、规格、型号千差万别,轮廓表面缺陷类型有凹坑、安装间隙、安装孔污染、金属表面生锈、异物、划伤、剐蹭、异色、焊珠污染、毛刺等,表面的缺陷检测需求也有很大差异,因此使用同一装置不仅满足电机定子的千差万别的检测需求,而且尽可能多的兼容不同规格定子的检测是视觉检测设备在生产过程中进行自动化表面缺陷检测急需解决的难题。

发明内容

针对现有技术的以上缺陷或改进需求中的一种或者多种,本发明提供了一种电机定子内轮廓表面缺陷快速在线检测方法及装置,能够跟上电机生产流水线的生产节奏,快速实现对电机定子内轮廓表面缺陷的快速在线检测,同时,其不仅自动化程度高,而且能够确保检测结构准确性,有效提高了电机定子生产效率、改善了产品质量、降低生产制备过程中的成本、提高生产效率。

为实现上述目的,本发明提供一种电机定子内轮廓表面缺陷快速在线检测装置,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时则进入步骤S16,若漏检率不为0则进入步骤S15;

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/202211530821.7/2.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