[发明专利]基于BP神经网络的汽车胶管芯轴质量评价方法

说明书

本发明提供一种基于BP神经网络的汽车胶管芯轴质量评价方法，通过统计每段芯轴表面的不同种类缺陷的大小和数量，为胶管生产用芯轴的合格与否提供依据。包括以下步骤:步骤一、基于机器视觉系统对胶管芯轴的图像进行分析，得出芯轴表面的缺陷种类、大小和数量数据；步骤二、构造人工神经网络，包括神经网络的类型、层数、各层节点数；步骤三、根据步骤一确定的胶管芯轴表面的缺陷种类、大小、数量和芯轴质量情况构造训练样本；步骤四、利用步骤三构造的训练样本训练人工神经网络模型；步骤五、通过步骤四训练的神经网络模型对未知质量状态的芯轴表面进行检测，给出芯轴质量判断结果。

技术领域

本发明涉及一种汽车胶管芯轴表面质量评价方法，该方法适用于胶管生产线芯轴表面缺陷数量的统计与表面质量判定与评价。

背景技术

我国汽车工业的发展迅速，加快了汽车更新换代的步伐。在迅猛发展的同时，汽车工业由于环境压力、能源问题、安全问题等对排气、动力、空调等过程都提出更加严格的要求。新型动力汽车采用更加环保的能源，空调采用新型制冷剂，制动系统采用DOT5等制动液，这些变化都对汽车用胶管的加工工艺和质量提出新的要求。

汽车胶管作为连接发动机与空气滤清器、发动机与散热系统、汽车空调系统的重要部分，在汽车中的应用十分广泛。在汽车胶管的生产过程当中，芯轴作为重要的生产工具，对胶管质量有着重要作用，芯轴表面质量直接影响着胶管的质量。在胶管生产过程中，芯轴是可以重复使用的。为了保证芯轴质量，在投入使用之前，需要对芯轴表面进行检测，表面质量较好时继续使用，当芯轴表面有较大缺陷时，则会去掉此段芯轴，因此对芯轴质量的判定显得尤为重要。

在汽车胶管生产企业，对于芯轴表面质量的评价主要基于现场操作工人通过人工检测的方式对芯轴进行判断，根据自身的经验决定芯轴是否进行更换或者维修，这样的方式存在很大程度的人为因素，不利于生产现场的快速生产以及芯轴的高效利用。

现有技术中，丁文锋等.一种颗粒增强钛基复合材料磨削表面质量评价方法[P].公开号:CN104296680A,2015-01-21、秦华锋等，基于卷积神经网络的手指静脉图像质量评估方法及评估系统[P].公开号:CN106326886A,2017-01-11公开了一种表面质量评价的方法，所用到的方法都较为复杂，不适合在生产现场对芯轴表面质量进行评价。国内外目前还没有文献针对汽车胶管生产线上芯轴的表面质量与缺陷数量的统计进行研究。

发明内容

本发明的目的是提供一种基于BP神经网络的汽车胶管芯轴质量评价方法，通过统计每段芯轴表面的不同种类缺陷的大小和数量，利用机器学习算法，判断芯轴的表面质量，为胶管生产用芯轴的合格与否提供依据。

本发明的目的是这样实现的，在对芯轴的机器视觉检测中，通过围绕芯轴圆周方向上的多个工业相机对生产线上的芯轴进行在线图像采集，利用后台处理程序对这些图像进行处理，完成芯轴的图像采集与处理过程。在生产线上通过机器视觉检测系统对芯轴的表面进行检测，得到芯轴表面质量的图像，通过处理软件统计芯轴的各类缺陷的数量，根据不同缺陷对最终结果的影响权重判断芯轴的质量，做出相应决策。

本发明所提供的技术方案是：

基于BP神经网络的汽车胶管芯轴质量评价方法，包括以下步骤:

步骤一、基于机器视觉系统对胶管芯轴的图像进行分析，得出芯轴表面的缺陷种类、大小和数量数据；

步骤二、构造人工神经网络，包括神经网络的类型、层数、各层节点数；

步骤三、根据步骤一确定的胶管芯轴表面的缺陷种类、大小、数量数据和芯轴质量情况构造训练样本；

步骤四、利用步骤三构造的训练样本训练人工神经网络模型；

步骤五、通过步骤四训练的神经网络模型对未知质量状态的芯轴进行检测，给出判断结果。

进一步的步骤一包括下列步骤：