【技术实现步骤摘要】
本专利技术涉及计算机视觉领域，尤其是涉及自动化冲压件缺陷检测领域。
技术介绍
1、目前生产线冲压件的在线质量检测主要依靠人工检查，由于冲压件生产时的节拍限制，无法做到100％检查。冲压件的缺陷主要为开裂、减薄、起皱等，人工检查效率较低且容易出现漏检，造成不良品流出的风险，因此需要解决该问题。
技术实现思路
1、为了解决对冲压件生产进行检查效率低，容易出现漏检的技术问题，本专利技术提出一种生产线冲压件质量检测方法，包括以下步骤：
2、通过冲压件缺陷图像构建基于神经网络的目标检测模型；
3、将待检测冲压件通过生产线传输设备传送到检测位置；
4、采集所述待检测冲压件缺陷高风险点的图像数据；
5、根据所述目标检测模型对所述待检测冲压件缺陷高风险点的图像数据进行缺陷检测。
6、在上述的生产线冲压件质量检测方法中，所述通过冲压件缺陷图像构建基于神经网络的目标检测模型的步骤进一步包括：
7、构建主干网络层、颈层和头层；
8、使用蛇形卷积模块替换所述主干网络层最后一级的特征处理模块；
9、使用加权双向特征金字塔网络模块替换所述颈层的所有特征拼接模块。
10、在上述的技术方案中，通过蛇形卷积可以更好地捕捉非刚性目标边界，加权双向特征金字塔网络能进一步有效融合多尺度特征，并且通过引入双向连接，增强了特征融合的能力，提升冲压件缺陷的检测效果。
11、在上述的生产线冲压件质量检测方法中，
12、对所述冲压件缺陷图像进行包括裂缝类型和裂口类型的标注；
13、对标注后的图像进行数据增强以构建训练数据集。
14、在上述的技术方案中，通过对缺陷图像进行裂缝类型和裂口类型标注可精准识别冲压件开裂。
15、在上述的生产线冲压件质量检测方法中，所述对标注后的图像进行数据增强的步骤进一步包括：
16、对标注后的图像进行图像增强包括混合、马赛克和椒盐噪声。
17、在上述的生产线冲压件质量检测方法中，所述将待检测冲压件通过生产线传输设备传送到检测位置的步骤还包括：
18、生产线传输设备的可编程逻辑控制器产生到位信号。
19、在上述的生产线冲压件质量检测方法中，所述采集所述待检测冲压件缺陷高风险点的图像数据的步骤进一步包括：
20、检测到所述到位信号后，图像采集设备对所述待检测冲压件的多个缺陷高风险点采集图像数据。
21、在上述的生产线冲压件质量检测方法中，根据所述目标检测模型对所述待检测冲压件缺陷高风险点的图像数据进行缺陷检测的步骤进一步包括：
22、利用非极大值抑制方法删除重叠度较大的检测框，输出带有检测框和缺陷类别信息的图像。
23、在上述的生产线冲压件质量检测方法中，所述方法还包括：
24、保存所述缺陷检测的结果；
25、对所述缺陷检测的结果进行实时可视化显示；
26、当所述缺陷检测的结果异常时发出警报。
27、在上述的技术方案中，通过可视化方式显示冲压件缺陷，实时对冲压件缺陷报警并可及时对冲压件缺陷进行复核。
28、为了更好地实现本专利技术的目的，本专利技术还提供了一种生产线冲压件质量检测装置，用于实现上述任意一项方法，包括：
29、目标检测模型构建模块，用于通过冲压件缺陷图像构建基于神经网络的目标检测模型；
30、传送模块，用于将待检测冲压件通过生产线传输设备传送到检测位置；
31、图像数据采集模块，用于采集所述待检测冲压件缺陷高风险点的图像数据；
32、缺陷检测模块，用于根据所述目标检测模型对所述待检测冲压件缺陷高风险点的图像数据进行缺陷检测。
33、为了更好地实现本专利技术的目的，本专利技术还提供了一种生产线冲压件质量检测系统，包括：
34、冲压设备，用于对生产材料冲压生成待检测冲压件；
35、转移装置，用于将所述待检测冲压件转移至检测区域；
36、生产线传输设备，设置于所述检测区域，用于将所述待检测冲压件传输至检测位置；
37、图像采集设备，用于采集所述待检测冲压件缺陷高风险点的图像数据；
38、质量检测单元，与所述生产线传输设备和所述图像采集设备连接，所述质量检测单元还包括如上述的生产线冲压件质量检测装置。
39、为了更好地实现本专利技术的目的，本专利技术还提供了一种存储介质，用于存储计算机控制程序，所述计算机控制程序用于执行如上述任一项方法的步骤。
40、相较于现有技术，本专利技术提供的一种生产线冲压件质量检测方法、装置及系统，通过搭建基于神经网络的目标识别模型，替代人工自动识别冲压件的缺陷；并且优化目标识别模型，更好地捕捉非刚性目标边界，进一步有效融合多尺度特征，增强了特征融合的能力，提升冲压件缺陷的检测效果；通过可视化方式显示冲压件缺陷，实时对冲压件缺陷报警并可及时对冲压件缺陷进行复核。
41、为更进一步了解本专利技术的特征及
技术实现思路
，请参阅以下有关本专利技术的详细说明与图式，然而所提供的图式仅用于提供参考与说明，并非用来对本专利技术加以限制。
【技术保护点】
1.一种生产线冲压件质量检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，所述通过冲压件缺陷图像构建基于神经网络的目标检测模型的步骤进一步包括：
3.根据权利要求2所述的方法，其特征在于，所述通过冲压件缺陷图像构建基于神经网络的目标检测模型的步骤还包括：
4.根据权利要求3所述的方法，其特征在于，所述对标注后的图像进行数据增强的步骤进一步包括：
5.根据权利要求1所述的方法，其特征在于，所述将待检测冲压件通过生产线传输设备传送到检测位置的步骤还包括：
6.根据权利要求5所述的方法，其特征在于，所述采集所述待检测冲压件缺陷高风险点的图像数据的步骤进一步包括：
7.根据权利要求1所述的方法，其特征在于，根据所述目标检测模型对所述待检测冲压件缺陷高风险点的图像数据进行缺陷检测的步骤进一步包括：
8.根据权利要求1所述的方法，其特征在于，所述方法还包括：
9.一种生产线冲压件质量检测装置，用于实现权利要求1-8任意一项所述的方法，其特征在于，包括：
1
11.一种存储介质，用于存储计算机控制程序，其特征在于，所述计算机控制程序用于执行如权利要求1至8中任一项所述方法。
...【技术特征摘要】
1.一种生产线冲压件质量检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，所述通过冲压件缺陷图像构建基于神经网络的目标检测模型的步骤进一步包括：
3.根据权利要求2所述的方法，其特征在于，所述通过冲压件缺陷图像构建基于神经网络的目标检测模型的步骤还包括：
4.根据权利要求3所述的方法，其特征在于，所述对标注后的图像进行数据增强的步骤进一步包括：
5.根据权利要求1所述的方法，其特征在于，所述将待检测冲压件通过生产线传输设备传送到检测位置的步骤还包括：
6.根据权利要求5所述的方法，其特征...
【专利技术属性】
技术研发人员：李珊珊，丁洪波，裴乐，孙勇涛，刘岩，
申请(专利权)人：北京奔驰汽车有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。