[发明专利]汽车散热器芯体自动装配系统及其方法

说明书

一种汽车散热器芯体自动装配系统及其方法，其制作符合预定要求的散热片；将水箱和水管安装在所述散热片上以得到散热芯体；将支架安装在所述散热芯体上以得到汽车散热器芯体；对装配完成的所述汽车散热器芯体进行表面缺陷检测。这样，可以保证汽车散热器芯体的质量和尺寸适配性，进而确保汽车散热器芯体能够有效地进行发动机散热，保证发动机的正常运行。

技术领域

本申请涉及智能化装配技术领域，并且更具体地，涉及一种汽车散热器芯体自动装配系统及其方法。

背景技术

汽车散热器芯体是汽车散热系统的核心部件，它主要由水箱、水管、散热片和支架等组成。汽车发动机运行时会产生大量的热量，如果不能及时散发，则会导致发动机过热，从而影响汽车的安全性和可靠性。因此，汽车散热器芯体具有非常重要的作用，它可以将发动机产生的热量散发到空气中，保证发动机不会过热。然而，传统的汽车散热器芯体装配方法主要采用人工操作，效率低下且容易出现质量问题。

因此，期望一种优化的汽车散热器芯体自动装配方案。

发明内容

为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种汽车散热器芯体自动装配系统及其方法，其制作符合预定要求的散热片；将水箱和水管安装在所述散热片上以得到散热芯体；将支架安装在所述散热芯体上以得到汽车散热器芯体；对装配完成的所述汽车散热器芯体进行表面缺陷检测。这样，可以保证汽车散热器芯体的质量和尺寸适配性，进而确保汽车散热器芯体能够有效地进行发动机散热，保证发动机的正常运行。

第一方面，提供了一种汽车散热器芯体自动装配方法，其包括：

制作符合预定要求的散热片；

将水箱和水管安装在所述散热片上以得到散热芯体；

将支架安装在所述散热芯体上以得到汽车散热器芯体；

对装配完成的所述汽车散热器芯体进行表面缺陷检测。

在上述汽车散热器芯体自动装配方法中，对装配完成的所述汽车散热器芯体进行表面缺陷检测，包括：获取装配完成的所述汽车散热器芯体的表面检测图像；将所述表面检测图像进行图像分块处理以得到图像块的序列；将所述图像块的序列中的各个图像块通过包含深浅特征融合模块的卷积神经网络模型以得到多个图像块特征矩阵；将所述多个图像块特征矩阵按照所述图像分块的位置排列为二维特征矩阵后通过作为特征提取器的卷积神经网络模型以得到分类特征图；对所述分类特征图进行特征分布优化以得到优化分类特征图；以及，将所述优化分类特征图通过分类器以得到分类结果，所述分类结果用于表示装配完成的汽车散热器芯体的表面是否存在缺陷。

在上述汽车散热器芯体自动装配方法中，将所述图像块的序列中的各个图像块通过包含深浅特征融合模块的卷积神经网络模型以得到多个图像块特征矩阵，包括：从所述包含深浅特征融合模块的卷积神经网络模型的浅层提取浅层特征图；从所述包含深浅特征融合模块的卷积神经网络模型的深层提取深层特征图；使用所述包含深浅特征融合模块的卷积神经网络模型的深浅特征融合模块来融合所述浅层特征图和所述深层特征图以得到融合特征图；以及，将所述融合特征图沿着通道维度进行全局均值池化以得到所述多个图像块特征矩阵。

在上述汽车散热器芯体自动装配方法中，将所述多个图像块特征矩阵按照所述图像分块的位置排列为二维特征矩阵后通过作为特征提取器的卷积神经网络模型以得到分类特征图，包括：使用所述作为特征提取器的卷积神经网络模型的各层在层的正向传递中分别对输入数据进行卷积处理、基于特征矩阵的均值池化处理和非线性激活处理以由所述作为特征提取器的卷积神经网络模型的最后一层输出为所述分类特征图，其中，所述作为特征提取器的卷积神经网络模型的第一层的输入为所述二维特征矩阵。

在上述汽车散热器芯体自动装配方法中，对所述分类特征图进行特征分布优化以得到优化分类特征图，包括：以如下优化公式对所述分类特征图进行流形曲面的高斯概率密度参数二次正则化以得到所述优化分类特征图；其中，所述优化公式为：