[发明专利]一种汽车冲压件制造缺陷在线智能识别检测方法与介质

说明书

本发明提供了一种汽车冲压件制造缺陷在线智能识别检测方法，包括以下步骤：S1、信号触发，当冲压件下线时，通过光电信号触发PLC信号；S2、拍照，触发视觉相机进行拍照，得到冲压件照片；S3、图像处理，对冲压件照片进行图像处理；S4、系统判定，判断是否存在缺陷，如果不存在缺陷，则继续生产或者将冲压件转送至人工复检台进行人工复检，如果存在缺陷，则根据缺陷的等级采取不同的响应措施。本发明还提供了一种可读存储介质。本发明的有益效果是：实现了冲压件的在线缺陷检测，提高了效率。

技术领域

本发明涉及汽车冲压件，尤其涉及一种汽车冲压件制造缺陷在线智能识别检测方法与介质。

背景技术

汽车零件在冲压时可能会因各种因素导致开裂、起皱、拉伤等缺陷，需要在装框前进行质量检查，以免不良流出。

目前行业生产模式中，冲压件的质量检查主要由人工进行。检查方法主要有触摸检查、油石打磨、柔性纱网打磨、涂油检查等方法。一般工人对每个冲压件进行全面品质检查大约需要8-10min，而目前冲压线节拍可以达到每分钟12-20件。品质全检速度远低于生产速度，无法做到零件全检，只能实现在线抽检或者多人在线多点检测。

人工抽检方式，存在偶发不良漏检和批量不良的风险。而且质检人员长期重复性动作，也存在作业疲劳、检出能力波动导致漏检的风险。随着公司无人化自动冲压线的应用，机器人装框取代了人工装框，无人叉车取代了有人叉车，仅剩下质检环节成为无人化的最后困难，缺少在线质检环节，存在质量缺陷外溢的风险。

发明内容

为了解决现有技术中的问题，本发明提供了一种汽车冲压件制造缺陷在线智能识别检测方法与介质。

本发明提供了一种汽车冲压件制造缺陷在线智能识别检测方法，包括以下步骤：

S1、信号触发，当冲压件下线时，通过光电信号触发PLC信号；

S2、拍照，触发视觉相机进行拍照，得到冲压件照片；

S3、图像处理，对冲压件照片进行图像处理；

S4、系统判定，判断是否存在缺陷，如果不存在缺陷，则继续生产或者将冲压件转送至人工复检台进行人工复检，如果存在缺陷，则根据缺陷的等级采取不同的响应措施；

S5、缺陷确认，在人工复检中，进行缺陷确认，将确认之后的缺陷照片进行模型自动循环学习迭代训练，所述模型自动循环学习迭代训练包括缺陷定义，缺陷识别，样本采集，模型搭建和模型训练。

作为本发明的进一步改进，在步骤S4中，如果存在缺陷，则对冲压件的缺陷及位置进行报警，如果报警次数小于3次，则将冲压件转送至人工复检台进行人工复检，如果报警次数大于或等于3次，则进行停线处理。

作为本发明的进一步改进，在步骤S1之前，在生产线的线尾皮带上搭建专业检测室并在其内部布置至少两组视觉系统，所述视觉系统的相机采用高达70FPS高速工业相机，光源则采用漫反射条形点阵光源。

作为本发明的进一步改进，在步骤S2中，基于CAE工艺预测，识别冲压件的高风险区域并对高风险区域进行拍照。

作为本发明的进一步改进，将步骤S2中拍得的冲压件照片供给系统前端进行深度学习的模型训练。

作为本发明的进一步改进，在模型训练之前，进行缺陷的分类与定义。

作为本发明的进一步改进，在步骤S1之前，根据生产线PLC信息对冲压件进行参数设定，包含车间标准零件网格图、通讯状态、相机选择和拍照参数。

作为本发明的进一步改进，在步骤S4中，如果存在缺陷，则对有缺陷的图片自动编号存贮，筛选后进行迭代的模型训练。

作为本发明的进一步改进，在步骤S4中，将检测数据存储到数据库。