[发明专利]一种基于图像分割配准和残差网络的转子绕线检测方法

说明书

本发明提供一种基于图像分割配准和残差网络的转子绕线检测方法，针对转子绕线缠绕形态合格性判断，通过对待测部位形态学分析，结合控制系统与传动系统精确配准，对旋转件转子绕线图像进行挂钩模板定位分割，得到受偏转角影响较小的转子绕线部分，利用深度学习检测算法实现在一个旋转周期内对整个转子合格性的完整检测。本发明解决了转子旋转件检测时偏转角的干扰影响，结合设计的残差网络深度学习检测算法，提高了检测的精度，满足工业生产中的检测需求。

技术领域

本发明属于机器视觉工业检测技术领域，具体涉及一种基于图像分割配准和残差网络的转子绕线检测方法。

背景技术

随着工业化的进程，世界经济迅猛发展，从传统的手工作业到小规模的机械化作业，再到全自动化标准生产，制造业经历了耗时长、产量低到高速量产的腾飞。作为制造业的心脏，电机产业的发展一直与工业经济的发展息息相关，与电机相关的配置零件也步入了快速发展之道。在电机生产过程中，作为核心零部件的电机转子类型多样，其质量好坏对电机制造至关重要，而在电机转子生产的过程中，其换向器与铜线缠绕处易出现漏挂、断线等不合格形态。针对该情况，目前旋转件转子绕线的合格性检测在生产线上以人工肉眼检查为主，在复杂的生产环境下，该方法效率低下且随着工作时间的增加，肉眼检查易出现疲劳损伤，从而导致漏检、错检等状况出现，主观因素过大，不利于全自动标准化生产。

旋转件转子结构细致紧密，其漆包线与换向器在缠绕时堆叠交错，在对其绕线缠绕形态合格性检测中，直接利用通电测试等手段显然不能满足在线实时检测。同样采用目前流行的多目标深度学习检测技术对转子绕线进行检测也会受到旋转件带来的偏转角影响，导致检测精度不高。

针对于上述问题，结合转子绕线形态特征分析，急需提出一种新的能够快速判断转子绕线合格性的替代方法，可以满足标准化生产检测的要求，同时能够实现对不同型号的转子绕线合格性检测。

发明内容

发明目的：本发明提供一种基于图像分割配准和残差网络的转子绕线检测方法，解决偏转角对旋转件检测的干扰影响，检测快速便捷，且精度高。

技术方案：本发明所述的一种基于图像分割配准和残差网络的转子绕线检测方法，包括以下步骤：

(1)构建图像采集系统，采集转子绕线图像；

(2)对采集的图像利用图像模板进行定位分割得到待测部分图像，所述模板根据转子类型进行提前截取；

(3)基于深度残差网络算法对转子绕线缠绕形态进行合格性判断。

所述步骤(1)包括以下步骤：

(11)采用工业相机、步进电机、PLC、上位机搭建图像采集系统，其中工业相机用于显示采集图像，步进电机与PLC相结合形成转子绕线待测工位，上位机主要用于运行转子绕线合格性检测算法；

(12)针对不同类型的转子，优化调整相机、光源、待测物之间的位置和角度，使采集的转子形态图像呈现最佳的效果。

步骤(2)所述的图像模板采用含有3个挂钩的匹配模板；所述定位方法采用的是OpenCV库中的图像匹配。

所述步骤(2)包括以下步骤：

(21)针对不同类型的转子，提前截取对应的居中挂钩图像模板；

(22)结合步进电机与PLC精准控制，在转子转动过程中形成与转子挂钩数相等的待测工位；

(23)在第一工位处，采用挂钩匹配模板在相机视野中匹配得到最强匹配点p，匹配公式为：