[发明专利]曲轴止推片智能检测方法及系统

说明书

本发明公开了一种曲轴止推片智能检测方法及系统，方法包括以下步骤：获取曲轴止推片不同工作面图像；对获取到的图像进行去噪和规范化预处理；根据预处理图像建立深度学习网络，并训练网络的初始权值和样本到无缺陷模板之间的特征映射关系；利用深度学习网络获取到的特征对待测曲轴止推片进行检测和分类。本发明提出的一种曲轴止推片智能检测方法可以在无监督的条件下自发地学习图像中的特征，因而并不是特别需要对训练图像的特征做人为标注和其它特殊处理，能快速完成权值训练，较大地缩短质量检测时间。

技术领域

本发明涉及智能检测技术领域，具体涉及一种曲轴止推片智能检测方法及系统。

背景技术

曲轴止推片作为发动机滑动轴承的一种，在发动机中主要起着曲轴轴向支撑的作用，在 保证曲轴轴向转动的同时，阻止曲轴轴向窜动。随着汽车工业和内燃工业的高速发展，我国 已成为曲轴止推片消费大国，其需求量飞速增长，与此同时对其质量的要求也越来越高。特 别是曲轴止推片作为参与机械传动并承受轴向压力的减磨垫片，对其厚度和外观工作面的瑕 疵面积、以及孔、油槽、铣角、内外圆倒角、标识等参数的要求更为严格。

目前由于对曲轴止推片质量检测设备改造和更新重视不足，造成检测方法和系统整体自 动化程度低、工人劳动强度大、测量精度差等缺点，严重影响产品参与市场竞争的能力，因 此实现曲轴止推片质量智能检测势在必行。

发明内容

为解决现有技术的不足，本发明提供了一种解决现有曲轴止推片检测方法和系统整体自 动化程度低、工人劳动强度大、测量精度差的曲轴止推片智能检测方法及系统。

为了实现上述目标，本发明采用如下的技术方案：

一种曲轴止推片智能检测方法，包括以下步骤：获取曲轴止推片不同工作面图像；对获 取到的图像进行去噪和规范化预处理；根据预处理图像建立深度学习网络，并训练网络的初 始权值和样本到无缺陷模板之间的特征映射关系；利用深度学习网络获取到的特征对待测曲 轴止推片进行检测和分类。

进一步地，所述对获取到的图像进行去噪和规范化预处理，包括以下步骤：采用直接灰 度变换法将获取到的图像转换为灰度图像；采用低通滤波方式对灰度图像去噪；对去噪后的 灰度图像进行归一化操作。

进一步地，所述采用低通滤波方式对灰度图像去噪具体为采用滑动平均窗滤波器对灰度 图像去噪。

进一步地，所述深度学习网络为深度置信网络。

进一步地，所述根据预处理图像建立深度学习网络，并训练网络的初始权值和样本到无 缺陷模板之间的特征映射关系，包括以下步骤：无监督地训练每层网络得到网络初始权值； 通过反向传播神经网络在线微调所述网络初始权值。

进一步地，所述利用深度学习网络获取到的特征对曲轴止推片进行检测和分类，包括以 下步骤：利用获取的特征重构图像；比较重构后的图像和获取到的待测曲轴止推片图像；根 据识别结果，将待测曲轴止推片分为正品和不同等级的缺陷品。

一种曲轴止推片智能检测系统，包括：图像获取单元，获取曲轴止推片不同工作面图像； 图像预处理单元，对获取到的图像进行去噪和规范化预处理；特征提取单元，根据预处理图 像建立深度学习网络，并训练网络的初始权值和样本到无缺陷模板之间的特征映射关系；识 别分类单元，利用深度学习网络获取到的特征对待测曲轴止推片进行检测和分类。

进一步地，所述图像获取单元包括CCD相机和光学镜头。

进一步地，所述图像获取单元还包括照明光源。

进一步地，所述曲轴止推片智能检测系统还包括：进物星轮、检测主轮盘、正品盘和次 品盘；待测曲轴止推片通过所述进物星轮运送至所述检测主轮盘；所述正品盘用于盛放检验 合格的正品；所述次品盘用于盛放检验不合格的缺陷品。