一种汽车涂装胶泡缺陷的预测与原因分析方法技术

一种汽车涂装胶泡缺陷的预测方法，依据车身钢板连接处的缝隙形状，采用计算机视觉方法，应用深度神经网络方法，预测胶泡缺陷产生的情况。包括：设置基于缝隙轮廓数据的二分类模型，得到可以用于预测是否存在胶泡的分类器；对于待涂装的车身钢板连接处的缝隙形状进行探测，并转化为图像，得到缝隙具体信息；依据所述缝隙具体信息，采用所述分类器对导致胶泡缺陷的情况进行预测。本发明专利技术还公开了一种汽车涂装胶泡缺陷的原因分析方法。本发明专利技术能有效地避免人为因素的干扰，提高汽车涂装生产中胶泡缺陷预测的准确度、找出导致缺陷的主要原因，不仅减少生产维修时间、人工成本，还有助于提高产品合格率及生产效率。高产品合格率及生产效率。高产品合格率及生产效率。

【技术实现步骤摘要】
一种汽车涂装胶泡缺陷的预测与原因分析方法


[0001]本专利技术属于汽车涂装
，涉及涂装缺陷识别与分析，尤其是基于计算机视觉的涂装胶泡缺陷的识别与分析方法。

技术介绍

[0002]涂装是汽车生产中的一个重要环节，例如涂装车间PVC密封生产线的工作，为首先将PVC胶填涂到车身板材连接缝隙处，然后烘干使PVC胶变硬，以达到缝隙处防腐、抗石击的目的。PVC胶在低温时成胶状，随着温度升高，硬度逐渐上升。由于车身板材连接处折边PVC胶填充不足，在密封后内部存在一定量的缝隙。在烘干过程中，随着车身温度迅速升高，缝隙中气体迅速膨胀，将PVC胶顶起成泡，称为胶泡，属于一种生产质量问题。如果发生所述生产质量问题，一方面将增加维修时间，影响生产效率；另一方面，维修过程需要人工操作，增加人工成本。
[0003]针对上述问题，现有技术的解决方法为采用优化折边胶使用量的方法控制缝隙的产生，以达到减少胶泡缺陷的目的。另一方面，该解决方法实施困难且效果甚微，主要原因是：
[0004]1、车身板材缝隙极小，无法用设备深入缝隙进行探测，仅能凭借具体操作人员的经验预测是否有缺陷问题，准确度低；
[0005]2、胶泡缺陷生成的位置存在不确定性，难以进行预测；
[0006]3、胶泡缺陷的形成主要由板材之间存在缝隙导致，但是由于缝隙形状多样，以人工方法难以识别并找到解决该问题的方法。

技术实现思路

[0007]针对现有技术存在的上述缺点，本专利技术的目的在于提供一种汽车涂装胶泡缺陷预测方法，不受具体操作人员经验的影响，提高准确度。
[0008]本专利技术的另一个目的在于提供一种汽车涂装胶泡缺陷的原因分析方法。
[0009]本专利技术采用的技术方案是：采用计算机视觉方法预测汽车涂装胶泡缺陷，并分析缺陷产生的原因。
[0010]进一步而言，本专利技术依据车身钢板连接处的缝隙形状，采用计算机视觉方法，应用深度神经网络方法，预测胶泡缺陷产生情况，并分析导致缺陷的原因。
[0011]所述计算机视觉方法指应用摄像机、探测器等技术替代人眼对物理世界物体进行抓取、定位与测量，再基于人工智能技术，仿照人脑对获取的图像进行识别与判断。
[0012]包括以下步骤：
[0013]步骤一，设置基于缝隙轮廓数据的二分类模型，得到可以用于预测是否存在胶泡的分类器；
[0014]步骤二，对于待涂装的车身钢板连接处的缝隙形状进行探测，并转化为图像，得到缝隙具体信息；
[0015]步骤三，依据所述缝隙具体信息，采用所述分类器对导致胶泡缺陷的情况进行预测。
[0016]具体而言：
[0017]步骤一：基于缝隙折角的涂胶区域划分，首先，找出并记录存在缝隙折角的涂胶区域；然后，对存在折角的区域进行多次拆分，直到所有涉及缝隙的区域均不存在折角。
[0018]步骤二：基于板材密度的缝隙轮廓检测方法，首先，确定不同区域的不同板材密度；然后，应用探伤仪器采用双面探测的方法计算得到板材某点双面板材厚度以及总厚度，由此计算缝隙宽度；最后，不断调整探测器角度与位置，直至所有样本点均采样完成。
[0019]步骤三：基于缝隙轮廓的胶泡缺陷质量预测方法，首先设定轮廓数据抽象化的方法，得到轮廓的数字化表达；然后将缝隙轮廓的数据转化为RGB图像形式，并与实际生产质量信息结合生成数据集；最后设置基于缝隙轮廓数据的二分类模型，得到可以用于预测是否存在胶泡的分类器。
[0020]依据上述的方法预测到产生胶泡缺陷时，一种汽车涂装胶泡缺陷的原因分析方法，还包括：
[0021]步骤四：基于胶泡缺陷预测模型的胶泡缺陷根因分析，首先获得步骤三模型中特征层的权重，然后计算热力图，最后从热力图中发现导致胶泡缺陷的主要原因。
[0022]所述的步骤三基于缝隙轮廓的胶泡缺陷质量预测方法，首先设定轮廓数据抽象化的方法，得到轮廓的数字化表达；然后将缝隙轮廓的数据转化为RGB图像形式，并与实际生产质量信息结合生成数据集；最后设置基于缝隙轮廓数据的二分类模型，得到可以用于预测是否存在胶泡的分类器，具体步骤如下：
[0023]3.1)缝隙轮廓数据抽象化方法，首先对步骤二需要检测位置构建二维坐标系，确定每个点的坐标；然后，将步骤二检测的三个取值与坐标点对应，生成历史数据。
[0024]3.2)缝隙轮廓数据转化与标定，首先对每个坐标对应的多维数据进行预处理；然后将每个坐标点的三列数据分别与RGB对应，生成相应图像；最后与实际的生产质量对应，生成带标签的数据集。
[0025]3.3)模型设置，首先设定该算法任务为基于缝隙轮廓数据与烘干温度的二分类任务，应得到可用于预测胶泡质量的分类器，可根据输入的缝隙轮廓得到预测的胶泡缺陷质量情况，即是否有胶泡；然后确定训练数据为缝隙轮廓RGB图，标签为是否有质量问题，模型选取卷积神经网络；最后应用对应的CNN参数计算方法得到分类器。
[0026]所述的步骤四基于胶泡缺陷预测模型的胶泡缺陷根因分析，首先获得步骤三模型中特征层的权重，然后计算热力图，最后从热力图中发现导致胶泡缺陷的主要原因。具体步骤如下：
[0027]4.1)选择步骤三的CNN模型，应用grad
‑
cam算法生成缝隙轮廓的热力图，找出导致胶泡缺陷与缝隙轮廓之间的关联。由于CNN特征提取可以保留空间特征，所以可以选用该算法。根据步骤三的预测结果，可得卷积层最后一层数据，表示为特征层A。
[0028]4.2)计算特征层A每个通道的权重。
[0029][0030]其中表示是否存在胶泡质量问题分类问题中，存在问题项在第k通道的权重；y
c
表示的存在问题项在最终预测结果中的得分；表示在特征层A中，第k通道里，(i，j)的数据；Z表示该通道的所有像素数量。
[0031]4.3)按照下述公式计算L，可得热力图。
[0032][0033]其中表示存在问题项的热力图；A
k
表示特征层A在第k通道的取值。
[0034]4.4)从热力图中可知，热度最高处为计算机预测是否该区域是否出现的关键部位。热度最高部分为导致胶泡缺陷的关键因素。
[0035]其中：
[0036]1、改进缝隙探测方式。对人工无法直接探测的位置，可以应用对应探伤仪测量出缺陷形状，并转化为图像，得到导致胶泡缺陷的缝隙具体信息；
[0037]2、优化复杂缝隙信息识别能力。针对复杂的缝隙类型，应用基于人工智能的分类算法可以有效找出各个类别的特征，预测得到胶泡缺陷是否产生；
[0038]3、基于缝隙轮廓找出导致缺陷的关键因素。在做预测任务时，可以通过对卷积神经网络最后一层卷积层的分析，得到不同像素对分类影响的权重，进而找出导致缺陷的主要原因。
[0039]由于采用上述技术方案，本专利技术能有效地避免人为因素的干扰，提高汽车涂装生产中胶泡缺陷预测的准确度；进一步可以找出导致缺陷的主要原因，为生产管理质量优化提供决策支持，不仅减少生产维修时间、本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种汽车涂装胶泡缺陷的预测方法，其特征在于：依据车身钢板连接处的缝隙形状，采用计算机视觉方法，应用深度神经网络方法，预测胶泡缺陷产生的情况。2.根据权利要求1所述的汽车涂装胶泡缺陷的预测方法，其特征在于，包括以下步骤：步骤一，设置基于缝隙轮廓数据的二分类模型，得到可以用于预测是否存在胶泡的分类器；步骤二，对于待涂装的车身钢板连接处的缝隙形状进行探测，并转化为图像，得到缝隙具体信息；步骤三，依据所述缝隙具体信息，采用所述分类器对导致胶泡缺陷的情况进行预测。3.根据权利要求2所述的汽车涂装胶泡缺陷的预测方法，其特征在于，所述步骤一中包括以下环节：(1)基于缝隙折角的涂胶区域划分；(2)基于板材密度的缝隙轮廓检测方法；(3)基于所述区域划分、缝隙轮廓检测，得到所述分类器。4.根据权利要求3所述的汽车涂装胶泡缺陷的预测方法，其特征在于，所述环节(1)中；首先，找出并记录存在缝隙折角的涂胶区域；然后，对存在缝隙折角的区域进行多次拆分，直到所有涉及缝隙的区域均不存在折角。5.根据权利要求4所述的汽车涂装胶泡缺陷的预测方法，其特征在于：所述折角是平角之外的角度，不同区域之间的边界为形状是否可以求导，折角处不可导。6.根据权利要求3所述的汽车涂装胶泡缺陷的预测方法，其特征在于，所述环节(2)中：首先，确定不同区域的不同板材密度；然后，计算得到板材某点双面板材厚度以及总厚度，由此计算缝隙宽度；最后，不断调整探测器角度与位置，直至所有样本点均采样完成。7.根据权利要求6所述的汽车涂装胶泡缺陷的预测方法，其特征在于：所述板材某点双面板材厚度以及总厚度是应用探伤仪器采用双面探测的方法计算得到。8.根据权利要求3所述的汽车涂装胶泡缺陷的预测方法，其特征在于，所述环节(3)中：首先设定轮廓数据抽象化的方法，得到轮廓的数字化表达；然后将缝隙轮廓的数据转化为RGB图像形式，并与实际生产质量信息结合生成数据集；最后设置基于缝隙轮廓数据的二分类模型，得到可以用于预测是否存在胶泡的分类器。9.根据权利要求8所述的汽车涂装胶泡缺陷的预测方法，其特征在于，...

【专利技术属性】
技术研发人员：张宇琦，吴镝，遇丙承，宋杰，
申请(专利权)人：华晨宝马汽车有限公司，
类型：发明
国别省市：