[发明专利]一种面向任意角度机箱装配视觉检测的卷积神经网络质量鉴别方法

权利要求书

1.一种面向任意角度机箱装配视觉检测的卷积神经网络质量鉴别方法，其特征在于，所述方法包括：

A构建任意角度机箱装配零部件距离求解模型；

B基于先验分布构建正则化层，引入残差块，解决模型退化问题；

C设置多段学习率，获得梯度下降最优值的卷积神经网络模型；

D结合卷积神经网络提取的机箱装配特征信息，通过机箱装配检测模型完成任意角度机箱装配质量鉴别。

2.如权利要求1所述的面向任意角度机箱装配视觉检测的卷积神经网络质量鉴别方法，其特征在于，所述步骤A中，求解任意角度时将工业相机拍摄机箱实际位置映射到拍摄平面，旋转角度定义为θ，即任意角度值为：

式中，j为第j类机箱，和和分别表示正面拍摄、实际拍摄时图像中机箱左上角和右下角坐标。

3.如权利要求1所述的面向任意角度机箱装配视觉检测的卷积神经网络质量鉴别方法，其特征在于，所述步骤A中，基于尺寸不变性求得各零部件与机箱真实装配空间距离，其各零部件与机箱真实装配空间距离公式为：

式中，i为第类零部件，d^j为第j类机箱尺寸，c为零部件定位点。

4.如权利要求1所述的面向任意角度机箱装配视觉检测的卷积神经网络质量鉴别方法，其特征在于，所述步骤B中，对深度化卷积神经网络优化目标函数H引入正则化层，获得更优特征选择；对于两个特征v₁、v₂，正则化目标函数为：

式中，是一个常数，n为样本个数，ω为超参数，用于控制正则化程度。

5.如权利要求1所述的面向任意角度机箱装配视觉检测的卷积神经网络质量鉴别方法，其特征在于，所述步骤B中，对网络层引入残差块，解决模型深度化带来的退化问题；对于某一网络层输入H(x,v_i)，则该层输出为：

Y＝H(x,v_i)+x。

6.如权利要求1所述的面向任意角度机箱装配视觉检测的卷积神经网络质量鉴别方法，其特征在于，所述步骤C中，设置多阶段学习率，在一定迭代次数后选取不同的学习率，获得梯度下降最优值；由卷积层、池化层、全连接层组成的卷积神经网络进行零部件特征提取，根据各层提取信息输入到分类器完成零部件分类。

7.如权利要求1所述的面向任意角度机箱装配视觉检测的卷积神经网络质量鉴别方法，其特征在于，所述步骤D中，卷积神经网络模型通过确定网络结构、设定超参数，提取机箱装配特征信息；任意角度机箱装配质量鉴别中机箱装配检测模型为：

式中，rⁱ为i类零部件装配质量鉴别结果，r^j为j类机箱装配质量鉴别结果。