基于深度学习机器视觉对于动力总成制造防错应用的研究

摘要

汽车动力总成装配线环境中,为有效保证装配质量,通常采用机器视觉方法进行零部件装配的防错检测。目前主流传统的机器视觉防错技术无法有效满足投产初期极高的准确率要求,且具有受现场环境变化影响大、成本高等缺点。提出了基于深度学习的机器视觉防错技术,采用卷积神经网络算法进行模型学习训练,获得99.99%以上的学习准确率;实际图像经预处理后导入深度学习模型进行识别判断;完成了系统的硬件选型和软件设计开发。两个实际应用案例均实现了99.95%以上的准确率,表明深度学习机器视觉防错技术能够有效适应图像扰动,满足高产能下的生产质量监控要求,同时可以降低硬件要求和成本,有效弥补传统机器视觉防错技术的不足。