[发明专利]一种基于机器视觉技术的装配状态监控方法及系统

说明书

一种基于机器视觉技术的装配状态监控方法，所述方法运用于航空风扇转子装备过程，其特征在于，包括以下步骤：步骤S1：周期性获取航空风扇转子在装配阶段的状态图片，对状态图片进行可视化操作以及预处理操作；步骤S2：处理后的状态图片输入到识别模型内对所述状态图片中的航空风扇转子进行状态判断，获取当前航空风扇转子的状态阶段；步骤S3：将当前航空风扇转子的状态阶段与当前航空风扇转子的装配阶段进行匹配，若不匹配，则提示当前当前航空风扇转子存在错误安装。通过识别模型得到各个装配状态的模板，通过实时采集航空风扇转子在装配阶段的状态图片与模板进行匹配，实现装配状态的自动判断，提高装配的正确度。

技术领域

本发明涉及监控技术领域，特别是一种基于机器视觉技术的装配状态监控方法及系统。

背景技术

风扇转子作为航空发动机的重要部件，其具有结构复杂、零件及连接件数量庞大、精度要求高、造价昂贵等特点。装配是保障重大产品质量、性能和寿命的关键过程，工作量占比大，在航空发动机制造占比40％以上。航空发动机风扇转子装配是在离散固定工位的受限空间内进行集中装配，工艺难度高、手工操作量大、装配质量可靠性和性能稳定性难以把控。为保证装配质量的高效性和可靠性，需确保工人严格按照工艺标准进行作业。在传统的装配过程中，无法实时感知装配现场的状态信息，同时工人为了方便，经常会不按照工艺标准进行作业，导致产品的装配质量可靠性和装配合格率较低。

发明内容

针对上述缺陷，本发明的目的在于提出一种基于机器视觉技术的装配状态监控方法及系统，实现设备装配状态的自我识别判断，提高装配的正确度。

为达此目的，本发明采用以下技术方案：一种基于机器视觉技术的装配状态监控方法，所述方法运用于航空风扇转子装备过程，包括以下步骤：

步骤S1：周期性获取航空风扇转子在装配阶段的状态图片，对状态图片进行可视化操作以及预处理操作；

步骤S2：处理后的状态图片输入到识别模型内对所述状态图片中的航空风扇转子进行状态判断，获取当前航空风扇转子的状态阶段；

步骤S3：将当前航空风扇转子的状态阶段与当前航空风扇转子的装配阶段进行匹配，若不匹配，则提示当前当前航空风扇转子存在错误安装。

优选的，所述步骤S2中识别模板的训练过程如下：

步骤S21：拍摄多组不同装配阶段下航空风扇转子的图片；

步骤S22：对多组所述状态图片按照比例划分为训练集图片以及验证集图片；

步骤S23：将装配阶段标注在所述图片中；

步骤S24：对图片进行数据增强操作，其中所述数据增加操作包括对图片进行翻转、旋转、缩放、裁剪、平移和添加噪声；

步骤S25：将训练集图片以及验证集图片输入至识别模型中，获取特征向量，完成识别模板的训练。

优选的，所述步骤S25中选择YOLO模型作为识别模型获取训练集图片以及验证集图片中的特征向量，所述YOLO模型中设置有卷积注意力模块，所述卷积注意力模块设置于YOLO模型的backbone与neck之间；

其中所述卷积注意力模块包括CAM子模块以及SAM子模块，所述训练集图片以及验证集图片顺序经过所述CAM子模块与所述SAM子模块；

特征向量在所述CAM子模块内同时进行最大池化和平均池化，然后经过共享MLP，最后对共享MLP输出的特征向量进行逐元素加法并进行sigmoid函数激活，得到通道注意力Mc；

特征向量在SAM子模块内沿所述SAM子模块的通道方向顺序进行最大池化和平均池化，然后获取所述特征向量的中间向量，并对中间向量进行卷积操作，以卷积操作的结果作为sigmoid函数的精活输入，得到空间注意力MS。