[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

说明书

本发明公开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，包括：点焊焊接系统、视觉系统和上位机系统；点焊焊接系统包括焊接电源和机头，焊接电源可通过触摸屏设置焊接参数，满足不同焊接条件下的焊接需求；机头可以调整焊接过程中电极头与漆包线接触时的压力大小；视觉系统包括相机、镜头、光源、光电传感器和信号传输线；上位机系统接收触发信号，控制相机采集图像，并基于训练好的微细漆包线点焊质量检测的CNN模型，输入的图像经过CNN模型可快速得到焊接质量检测结果；在得到新样本后，对卷积神经网络进行增量学习，可在原来的基础上识别新的类别或新的样本信息。

技术领域

本发明属于点焊质量检测领域，具体涉及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。

背景技术

一直以来，电声器件与微细漆包线的点焊质量检测多为人工检测。即检测人员用肉眼观察焊后工件，根据经验判别质量好坏。检测工作人工成本高，且随着工作时间的增长，人员疲劳导致易导致误判。尤其是检测这种微型器件，检测人员须仔细观察，并且现场生产节拍快，很难长时间集中精神与保持注意力。

机器视觉是利用人工视觉系统代替人眼完成视觉任务，其本质是模拟人类视觉感知并理解现实世界这一过程。机器视觉技术在工件的识别、表面质量检测、尺寸测量、生产监控、和精确定位等方面应用广泛，且发展非常迅速。

目前机器视觉在质量检测检测方面的应用主要是以合格产品为模板与生产线上的产品做对比，以此判别产品的质量。这种质量检测方式要求合格产品的图像高度一致，待测产品与合格产品模板对比后，便可轻松辨别质量好坏。而电声器件与微细漆包线点焊过程中产生热量，形成熔核。电声器件的锡焊盘表面会被不同程度的熔化，因此采集到的焊后产品的图像各不相同，同样是质量良好的产品，图像之间的差距可能会很大。因此需要一种基于机器视觉的新方法来满足漆包线点焊质量检测的需求。

发明内容

为了克服传统人工微细漆包线点焊质量检测的不足，本发明提供了一种基于机器视觉图像处理的微细漆包线点焊质量检测系统。该系统不仅可以快速地将焊点质量分类，而且检测准确率高，可节省人力和时间成本，并且结合增量学习，能在保存旧样本信息下，不断地从新样本中学习新知识。

本发明至少通过如下技术方案之一实现。

一种基于机器视觉的漆包线点焊质量检测系统，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。

优选的，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。