[发明专利]一种电连接器多余物及缩针倒针缺陷自动化检测方法

权利要求书

1.一种电连接器多余物及缩针倒针缺陷自动化检测方法，其特征在于，所述方法包括如下步骤：

步骤一：在光源照射下，利用CMOS摄像头对电连接器孔腔内图像进行采集得到电连接器孔腔内图像；

步骤二：将步骤一中采集到的电连接器孔腔内图像生成原始码流，经控制系统传输进入接收解压模块，接收解压模块对原始码流解压得到图像/视频数据；

步骤三：对步骤二中得到的图像/视频数据进行视频图像数据预处理，并将预处理后的图像/视频数据进行格式转换，最终生成能够被检测网络接受的转换格式后的图像/视频数据。

2.根据权利要求1所述的电连接器多余物及缩针倒针缺陷自动化检测方法，其特征在于还包括：

步骤四：采用Faster R-CNN神经网络模型进行训练，将电连接器孔腔内图像作为输入，训练后得到权重参数以及分类结果；

步骤五：将步骤三中得到的转换格式后的图像/视频数据进行数据特征值提取，得到不同类型的数据特征信息；

步骤六：采用主成分分析对步骤五提取的数据特征信息确定主成分元素，并对主成分元素进行数据信息挖掘得到数据挖掘模型；

步骤七：对步骤三中的转换格式后的图像/视频数据中的特征区域进行2D位姿调整，分割并提取电连接器插针的信息；

步骤八：通过Faster R-CNN神经网络模型对步骤七中的电连接器插针的信息进行训练，并对训练的结果进行处理，得到具有更好鲁棒性以及更精确精度的神经网络模型；

步骤九：对于步骤四得到的权重参数以及分类结果，根据步骤六的数据挖掘模型以及步骤八的神经网络模型，最终输出电连接器的检测结果。

3.根据权利要求1所述的电连接器多余物及缩针倒针缺陷自动化检测方法，其特征在于：在步骤三中，图像数据预处理包括如下步骤：视频片段截取、系统校正、视频单帧采集、图像数据扩充、灰度二值化、图像增强、图像滤波和滑动窗口图像分割。

4.根据权利要求2所述的电连接器多余物及缩针倒针缺陷自动化检测方法，其特征在于：在步骤四中，利用KMeans均值聚类确定先验框，再依次构建CNN深度卷积神经网络层、ROI池化层、全连接层。

5.根据权利要求2所述的电连接器多余物及缩针倒针缺陷自动化检测方法，其特征在于：在步骤五中，数据特征提取的方法包括：区域色彩饱和度分析、区域灰度值分析、插针区域分布信息提取。

6.根据权利要求2所述的电连接器多余物及缩针倒针缺陷自动化检测方法，其特征在于：在步骤六中，主成分分析是一种应用广泛的数据降维算法，是将n维特征映射到k维上，这k维是全新的正交特征，是在原有n维特征的基础上重新构造出来的k维特征。

7.根据权利要求2所述的电连接器多余物及缩针倒针缺陷自动化检测方法，其特征在于：在步骤七中，位姿调整的数学模型如下所示：

e(q)＝f(q)-f

J(q_k+1)＝J(q_k)+[Δe(q_k)-J(q_k)Δq_k]

其中，J为图像的雅可比矩阵，e(q)为图像的特征图偏差；f为不同像素点位姿调整关系函数，q为视频流不同图像，m为需要进行位姿调整的像素点数量，n为视频流图像数量，f(q)为某一张图像进行位姿调整后后形成的特征图，J(q_k+1)为第k+1张图像经过雅可比矩阵变换后的形成的矩阵，J(q_k)为第k张图像经过雅可比矩阵变换后的形成的矩阵，Δe(q_k)为第k张图像的特征图偏差，Δq_k为第k张图像的偏差，q_k+1为第k+1张图像，q_k为第k张图像。

8.根据权利要求2所述的电连接器多余物及缩针倒针缺陷自动化检测方法，其特征在于：在步骤八中，利用绝对误差总和算法、序贯相似性检测、平方差总和算法和归一化相关系数匹配算法对训练的结果进行处理。