[发明专利]一种基于机器视觉的漆包线点焊质量检测系统及检测方法

权利要求书

1.一种基于机器视觉的漆包线点焊质量检测系统，其特征在于，包括：点焊焊接系统、视觉系统和上位机系统；

所述点焊焊接系统包括焊接电源和机头，机头与焊接电源的正负极通过焊接电缆连接，焊接电源通过其自带的触摸屏人机交互系统设置焊接参数，满足不同焊接条件下的焊接需求；机头调整焊接过程中电极头与漆包线接触时的压力大小；

所述视觉系统包括相机、镜头、光源、光电传感器和传输线缆；相机为满足微型电声器件与微细漆包线点焊图像拍摄的工业相机，相机通过传输线缆传输图像数据和接收上位机控制信号；镜头安装在相机上，用来调整放大倍数、景深和视角；光源用来给待测产品打光，以获得高质量的图像；光电传感器用来感知是否有待测产品进入图像采集区域，当待测产品运动到光源下方，即被测物体运动到视野范围内时，触发光电传感器产生触发信号，并将触发信号传输至上位机系统；

所述上位机系统包括上位机和显示屏，用于接收光电传感器的触发信号，控制相机采集图像；所述上位机中设有基于训练好的微细漆包线点焊质量检测的卷积神经网络(CNN)模型，输入上位机系统接收到的图像经过CNN模型得到焊接质量检测结果。

2.根据权利要求1所述的一种基于机器视觉的漆包线点焊质量检测系统，其特征在于，在漆包线点焊的生产过程中，若得到CNN模型中不存在的新类别或新样本，对卷积神经网络模型进行增量学习，在原CNN模型的基础上识别新的类别或新的样本信息。

3.根据权利要求2所述的一种基于机器视觉的漆包线点焊质量检测系统，其特征在于，所述卷积神经网络模型的结构主要包括输入层、若干卷积层、若干池化层、全连接层及输出层，若干个卷积层和若干个池化层交替连接，负责提取输入层图像特征；输出层使用一层或两层全连接神经网络，根据提取的特征向量进行质量分类；在网络训练过程中随机让某些隐含层的神经元不工作，保留其值并将其当前输出设置为0；经过重复的训练、测试及调节CNN模型的超参数，最终将性能较好的CNN模型载入分类识别程序。

4.根据权利要求3所述的一种基于机器视觉的漆包线点焊质量检测系统，其特征在于，最后一个池化层与全连接层之间添加Dropout层，防止过拟合现象的出现。

5.根据权利要求4所述的一种基于机器视觉的漆包线点焊质量检测系统，其特征在于，CNN模型的分类结果包括：良好、过热、虚焊、断线、过扁、爬锡不良和焊偏。

6.根据权利要求5所述的一种基于机器视觉的漆包线点焊质量检测系统，其特征在于，采用视觉系统采集漆包线焊点的图片标上对应的标签，按照比例划分训练集、测试集和验证集，以训练集图片为输入数据训练卷积神经网络模型。

7.根据权利要求1～6任一项所述的一种基于机器视觉的漆包线点焊质量检测系统，其特征在于，所述光源包括同轴光源、环形光源或者条形光源。

8.根据权利要求7所述的一种基于机器视觉的漆包线点焊质量检测系统的检测方法，其特征在于，包括以下步骤：

1)通过设置不同焊接参数，并给视觉系统采集的各种状态的漆包线焊点的图片标上对应的标签，按照比例划分训练集、测试集和验证集，搭建卷积神经网络模型的网络结构并以训练集图片为输入数据训练卷积神经网络模型；

2)产品焊接完成后，经传送带运输至检测工位，当待测产品运动到光源下方，即被测物体运动到视野范围内时，触发光电传感器产生触发信号，同时将触发信号传送至上位机系统，上位机系统控制相机采集图像，当工业相机接收到触发信号时，立即触发工业相机釆集被测物体的图像，相机采集完待测产品图像后，将待测产品图像传输至上位机系统；

3)上位机系统接收到采集的待测产品图像后，采用训练好的卷积神经网络模型对图片进行识别，然后将识别到的质量信息传输给焊接电源的触摸屏显示。