[发明专利]一种汽车涂装胶泡缺陷的预测与原因分析方法

权利要求书

1.一种汽车涂装胶泡缺陷的预测方法，其特征在于：依据车身钢板连接处的缝隙形状，采用计算机视觉方法，应用深度神经网络方法，预测胶泡缺陷产生的情况。

2.根据权利要求1所述的汽车涂装胶泡缺陷的预测方法，其特征在于，包括以下步骤：

步骤一，设置基于缝隙轮廓数据的二分类模型，得到可以用于预测是否存在胶泡的分类器；

步骤二，对于待涂装的车身钢板连接处的缝隙形状进行探测，并转化为图像，得到缝隙具体信息；

步骤三，依据所述缝隙具体信息，采用所述分类器对导致胶泡缺陷的情况进行预测。

3.根据权利要求2所述的汽车涂装胶泡缺陷的预测方法，其特征在于，所述步骤一中包括以下环节：

(1)基于缝隙折角的涂胶区域划分；

(2)基于板材密度的缝隙轮廓检测方法；

(3)基于所述区域划分、缝隙轮廓检测，得到所述分类器。

4.根据权利要求3所述的汽车涂装胶泡缺陷的预测方法，其特征在于，所述环节(1)中；首先，找出并记录存在缝隙折角的涂胶区域；然后，对存在缝隙折角的区域进行多次拆分，直到所有涉及缝隙的区域均不存在折角。

5.根据权利要求4所述的汽车涂装胶泡缺陷的预测方法，其特征在于：所述折角是平角之外的角度，不同区域之间的边界为形状是否可以求导，折角处不可导。

6.根据权利要求3所述的汽车涂装胶泡缺陷的预测方法，其特征在于，所述环节(2)中：首先，确定不同区域的不同板材密度；然后，计算得到板材某点双面板材厚度以及总厚度，由此计算缝隙宽度；最后，不断调整探测器角度与位置，直至所有样本点均采样完成。

7.根据权利要求6所述的汽车涂装胶泡缺陷的预测方法，其特征在于：所述板材某点双面板材厚度以及总厚度是应用探伤仪器采用双面探测的方法计算得到。

8.根据权利要求3所述的汽车涂装胶泡缺陷的预测方法，其特征在于，所述环节(3)中：首先设定轮廓数据抽象化的方法，得到轮廓的数字化表达；然后将缝隙轮廓的数据转化为RGB图像形式，并与实际生产质量信息结合生成数据集；最后设置基于缝隙轮廓数据的二分类模型，得到可以用于预测是否存在胶泡的分类器。

9.根据权利要求8所述的汽车涂装胶泡缺陷的预测方法，其特征在于，包括以下操作：

(3-1)缝隙轮廓数据抽象化方法；首先对需要检测位置构建二维坐标系，确定每个点的坐标；然后，将检测的三个取值与坐标点对应，生成历史数据；

(3-2)缝隙轮廓数据转化与标定；首先对每个坐标对应的多维数据进行预处理；然后将每个坐标点的三列数据分别与RGB对应，生成相应图像；最后与实际的生产质量对应，生成带标签的数据集；

(3-3)模型设置；首先设定该算法任务为基于缝隙轮廓数据与烘干温度的二分类任务，应得到可用于预测胶泡质量的分类器，可根据输入的缝隙轮廓得到预测的胶泡缺陷质量情况，即是否有胶泡；然后确定训练数据为缝隙轮廓RGB图，标签为是否有质量问题，模型选取卷积神经网络；最后应用对应的CNN参数计算方法得到分类器。

10.一种汽车涂装胶泡缺陷的原因分析方法，其特征在于：依据权利要求1至9中任一所述的方法预测到产生胶泡缺陷时，计算热力图，从热力图中确定导致所述胶泡缺陷的关键部位。

11.根据权利要求10所述的汽车涂装胶泡缺陷的原因分析方法，其特征在于：从热力图中发现导致胶泡缺陷的主要原因通过获得模型中特征层的权重实现。

12.根据权利要求11所述的汽车涂装胶泡缺陷的原因分析方法，其特征在于，包括以下步骤：

(a)选择CNN模型，应用grad-cam算法生成缝隙轮廓的热力图；可得卷积层最后一层数据，表示为特征层A；

(b)计算特征层A每个通道的权重：

其中表示是否存在胶泡质量问题分类问题中，存在问题项在第k通道的权重；y^c表示的存在问题项在最终预测结果中的得分；表示在特征层A中，第k通道里，(i，j)的数据；Z表示该通道的所有像素数量；

(c)按照下述公式计算L，可得热力图。

其中表示存在问题项的热力图；A^k表示特征层A在第k通道的取值；

(d)从热力图中可知，热度最高处为预测是否该区域是否出现的关键部位；热度最高部分为导致胶泡缺陷的关键因素。