[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

说明书

本发明公开了一种电连接器多余物及缩针倒针缺陷自动化检测方法，该方法包括如下步骤：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。本发明提高了测试效率、测试准确性与可追溯性，提高了测试的自动化测试水平与电连接器的可靠性。

技术领域

本发明属于自动化检测技术领域，尤其涉及一种电连接器多余物及缩针倒针缺陷自动化检测方法。

背景技术

电连接器作为电气线路互联系统的重要部件在航天型号产品上广泛使用，用以实现电信号的传输和控制以及电子与电气设备之间的电连接，其可靠性与质量管控水平直接影响到航天产品能否稳定工作以及火箭的安全飞行。而在院质量信息系统中，连接器缩针缩孔、弯针倒针、孔腔多余物等共性质量问题屡见不鲜，加强电连接器质量控制措施、提高自动化测试水平迫在眉睫。

当前型号配套产品在出厂验收测试、综合试验以及各项大型试验前开展的设备外观检查，多媒体记录检查、连接器缩针检查等检查工作均依赖人肉眼进行判断识别，检查效率低、且存在部分场景卡片机不易拍摄、针孔阴影干扰判断、人员个体判断差异与漏检的情况，属于“手模耳听”类测试项目，测试的有效性与覆盖性存在差距且自动化程度低、可追溯性差，由此带来的教训十分让人痛心。

发明内容

本发明解决的技术问题是：克服现有技术的不足，提供了一种电连接器多余物及缩针倒针缺陷自动化检测方法，提高了测试效率、测试准确性与可追溯性，提高了测试的自动化测试水平与电连接器的可靠性。

本发明目的通过以下技术方案予以实现：一种电连接器多余物及缩针倒针缺陷自动化检测方法，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。

上述电连接器多余物及缩针倒针缺陷自动化检测方法中，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。

上述电连接器多余物及缩针倒针缺陷自动化检测方法中，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。

上述电连接器多余物及缩针倒针缺陷自动化检测方法中，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。

上述电连接器多余物及缩针倒针缺陷自动化检测方法中，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。