Passat车顶铆钉拉铆数量机器视觉检测系统.pdf
《Passat车顶铆钉拉铆数量机器视觉检测系统.pdf》由会员分享,可在线阅读,更多相关《Passat车顶铆钉拉铆数量机器视觉检测系统.pdf(4页珍藏版)》请在咨信网上搜索。
1、 10.16638/ki.1671-7988.2023.018.027 10.16638/ki.1671-7988.2023.018.027 Passat 车顶铆钉拉铆数量机器视觉检测系统 邵奇栋,尤 勇,周 万(上汽大众汽车有限公司南京分公司,江苏 南京 211100)摘要:在 Passat 车顶拉铆生产过程中,目前采用人工目视的方法检查是否存在铆钉遗漏问题,该方法检查效率较低且存在错检漏检等问题。文章将深度学习卷积神经网络引入到车顶拉铆检测中,提出了一种基于 ReLU 激活函数的卷积神经网络算法,并通过实验表明该算法具有精度高、鲁棒性强等特点,为深度学习应用于车身视觉检测提供了一种新的思路
2、。实验检测成功率可以达到 99.87%,满足生产过程中的质量认定要求,对工程应用推广具有指导意义。关键词:汽车制造;视觉识别;深度学习;神经网络 中图分类号:U463 文献标识码:A 文章编号:1671-7988(2023)18-140-04 The Visual Inspection System for Quantity of Passat Roof Rivet SHAO Qidong,YOU Yong,ZHOU Wan(SAIC Volkswagen Nanjing Branch Company,Nanjing 211100,China)Abstract:In the current r
3、iveting production process of Passat roof,manual visual inspection is used to check whether there is rivet omission,which is inefficient,and there are problems such as wrong inspection and missing inspection.In this paper,the deep learning convolution neural network is introduced into the roof rivet
4、ing detection,and a convolution neural network algorithm based on ReLU activation function is proposed.Experiments show that the algorithm has high accuracy and strong robustness,which provides a new idea for the application of deep learning to vehicle body visual detection,The success rate of exper
5、imental detection reaches 99.87%,meet the quality assurance requirements in the production process,which has guiding significance for the engineering application and promotion.Keywords:Automobile manufacturing;Visual recognition;Deep learning;Neural network 在车身制造过程中,车顶总成生产通常会运用到拉铆工艺,而在日常生产中手工拉铆工艺可能存
6、在铆钉遗漏的情况,从而引起不必要的生产返工1。当前针对铆钉遗漏问题,常采用人工目视检测手段,该手段存在耗费人工且可靠性不足等缺点。为避免铆钉遗漏问题需增加机械拉铆设备,同时开启自动拉铆检测功能,该办法涉及设备改造与一定规模的经济投资,工厂车身车间在车顶总成工位增加工业相机与工控机,运用 Python 自主开发视觉检测系统,实现判断铆钉遗漏的自动识别功能。Passat 车顶加强板需要进行工序拉铆,共 16作者简介:邵奇栋(1984),男,硕士,工程师,研究方向为汽车制造,E-mail:。第 18 期 邵奇栋,等:Passat 车顶铆钉拉铆数量机器视觉检测系统 141 颗拉铆螺母。手工拉铆孔位附近
7、有多余工艺孔,如工人在操作过程中因误判或疲劳从而导致个别车顶存在遗漏铆钉,缺陷车顶总成流出车间后,对总装安装天窗总成生产造成影响,天窗总成安装无法在线一次完成,最终造成缺陷车离线返工,单车返工时间约 150 分钟2。为解决人工拉铆遗漏问题,车间增加了铆钉数量检查工艺,工人对铆钉进行手写标数,实际操作结果表明,该工艺工作量大、效率低、对于人工检查的结果无相关记录可追溯分析。由于人工检测并未实现 100%杜绝缺陷流出,本文提出一 种基于深度学习的视觉检测方法,最终有效地解决了铆钉遗漏的问题。1 卷积神经网络原理 基于深度学习的视觉检测方法,具体过程原理参考图 1 典型卷积神经网络构成。深度学习是一
8、种以人工神经网络为架构,对数据表征特点进行学习的算法。本文的卷积神经网络主要包括八个权重层,即五个卷积层和三个全连接层。本章主要介绍卷积神经网络中的卷积层、全连接层的原理与结构3。图 1 典型卷积神经网络构成 1.1 卷积层原理 卷积层的处理流程为:卷积激活函数池化归一化,最后得到卷积层的输出结果。卷积操作是使用 n*n 的卷积核(n*n 的矩阵)对输入图像进行逐行扫描,得到卷积运算后的特征映射图像4。如图 2 所示,图像在补 0 操作下(为保证图像大小一致,在图像最外圈添加一层像素值为 0的像素点)使用 3*3 的卷积核进行运算得到卷积后的输出结果。(a)卷积扫描过程 (b)卷积核计算过程
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- Passat 车顶 铆钉 数量 机器 视觉 检测 系统
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。