一种发动机缸体表面缺陷检测方法及装置与流程

本发明涉及工业缺陷检测领域，特别涉及一种发动机缸体表面缺陷检测方法及装置。

背景技术：

1、发动机是汽车的核心零部件，有非常高的生产质量要求。然而在发动机缸体的铸造过程中，会不可避免地出现缩孔、缩松、裂纹、砂眼等缺陷。目前许多汽车企业主要采取生产线人工检测的方式检测缸体缺陷，人力成本高，检测效率低，检测质量不高，漏检、误检问题突出。

2、随着人工智能的发展，机器深度学习在缺陷检测中得到了广泛的应用，越来越多的汽车企业采用机器视觉检测技术代替人工检测缸体缺陷，而对于机器视觉检测技术来说，数据集是一切机器学习研究最为关心的问题，提高数据集的容量和质量，对提高模型识别效率有重要的意义。传统数据集增强的方法包括图像噪声、滤波以及剪切、翻转等等，但对于缸体缺陷这种小样本的扩充效果十分有限，难以达到深度学习模型训练需要的数据量，因此识别模型准确度低，缸体缺陷检测精准度不高。

3、提高缺陷检测的自动化以及检测效率和精度，对提高汽车制造业整体生产质量有重要意义。

技术实现思路

1、本发明的主要目的是提出一种发动机缸体表面缺陷检测方法及装置，旨在解决现有缸体缺陷视觉检测难以达到深度学习模型训练需要的数据量，识别模型准确度低，缸体缺陷检测精准度不高的问题。

2、为解决上述问题，本发明提出了一种发动机缸体表面缺陷检测装置，包括输送线和设于输送线上的安装架，所述安装架上安装有视觉相机和照明灯，所述视觉相机的拍摄方向和照明灯的照射方向均向下指向输送线，所述安装架外罩设有机罩，从而在机罩内形成外界光线不能照射进来的暗室，所述安装架、视觉相机和照明灯均位于暗室内，所述机罩上位于输送线输送方向的两端均设置有遮光帘，缸体在输送线的带动下顶开机罩一端的遮光帘进入机罩内，然后顶开机罩另一端的遮光帘伸出机罩。

3、在一实施例中，所述视觉相机和照明灯均有多个，沿输送线的输送方向，多个视觉相机和照明灯交替设置。

4、在一实施例中，所述照明灯采用环形光源。

5、此外，本发明还提出了一种发动机缸体表面缺陷检测方法，采用前述任一项的一种发动机缸体表面缺陷检测装置执行以下步骤：

6、s1：先利用视觉相机和照明灯从输送线上获取缸体数据集样本，然后利用改进pix2pix模型进行数据集增强处理；

7、s2：增强后的数据集，先结合图像预处理方法突出表面缺陷特征，然后用于yolov5网络的训练；

8、s3：将训练好的yolov5模型用于发动机缸体表面的缺陷检测。

9、在一实施例中，所述s1：先利用视觉相机和照明灯从输送线上获取缸体数据集样本，然后利用改进pix2pix模型进行数据集增强处理包括：

10、s11：引入resnet网络代替pix2pix模型生成器原有的u-net网络；

11、s12：利用视觉相机和照明灯从输送线上获取缺陷缸体样本数据集，然后进行缺陷的分类与标注；

12、s13：利用不含缺陷的正常图片和含缺陷的图片训练改进pix2pix模型；

13、s14：利用训练好的pix2pix模型从无缺陷图片生成有缺陷图片，从而增强数据集，并做好新的标注。

14、在一实施例中，所述s11中引入resnet网络后的pix2pix生成器网络模型结构为：输入层64×64×1、下采样层32×32×64和16×16×128、9层resnet block模块16×16×128、上采样层32×32×64和64×64×1依次连接；

15、改进pix2pix模型的判别器网络结构采用原有的patchgan模式。

16、在一实施例中，s13中正常图片和含缺陷的图片随机裁剪成64×64大小的区域，然后成对输入pix2pix模型进行训练。

17、在一实施例中，所述s2：增强后的数据集，先结合图像预处理方法突出表面缺陷特征，然后用于yolov5网络的训练包括：

18、s21：获取数据集样本图像，对图像进行灰度增强处理，并通过带通滤波滤除掉背景噪声；

19、s22：利用处理后的图像样本训练yolov5网络模型。

20、在一实施例中，s22中过大的图像在输入yolov5网络前进行压缩处理，使图像不高于640×640的尺寸。

21、在一实施例中，s1中单个缸体的整个表面信息分四次拍摄局部区域完成。

22、有益效果：本申请的一种发动机缸体表面缺陷检测方法及装置是基于改进的pix2pix和yolov5的发动机缸体表面缺陷检测方法及装置，解决了原有小样本数据集难以支撑深度学习训练的难题，提高了缸体表面缺陷的识别精度和识别效率，在工业检测的应用中具有巨大的潜力。

技术特征：

1.一种发动机缸体表面缺陷检测装置，其特征在于，包括输送线和设于输送线上的安装架，所述安装架上安装有视觉相机和照明灯，所述视觉相机的拍摄方向和照明灯的照射方向均向下指向输送线，所述安装架外罩设有机罩，从而在机罩内形成外界光线不能照射进来的暗室，所述安装架、视觉相机和照明灯均位于暗室内，所述机罩上位于输送线输送方向的两端均设置有遮光帘，缸体在输送线的带动下顶开机罩一端的遮光帘进入机罩内，然后顶开机罩另一端的遮光帘伸出机罩。

2.如权利要求1所述的一种发动机缸体表面缺陷检测装置，其特征在于，所述视觉相机和照明灯均有多个，沿输送线的输送方向，多个视觉相机和照明灯交替设置。

3.如权利要求2所述的一种发动机缸体表面缺陷检测装置，其特征在于，所述照明灯采用环形光源。

4.一种发动机缸体表面缺陷检测方法，其特征在于，采用权利要求1-3任一项的一种发动机缸体表面缺陷检测装置执行以下步骤：

5.如权利要求4所述的一种发动机缸体表面缺陷检测方法，其特征在于，所述s1：先利用视觉相机和照明灯从输送线上获取缸体数据集样本，然后利用改进pix2pix模型进行数据集增强处理包括：

6.如权利要求5所述的一种发动机缸体表面缺陷检测方法，其特征在于，所述s11中引入resnet网络后的pix2pix生成器网络模型结构为：输入层64×64×1、下采样层32×32×64和16×16×128、9层resnet block模块16×16×128、上采样层32×32×64和64×64×1依次连接；

7.如权利要求5所述的一种发动机缸体表面缺陷检测方法，其特征在于，s13中正常图片和含缺陷的图片随机裁剪成64×64大小的区域，然后成对输入pix2pix模型进行训练。

8.如权利要求4所述的一种发动机缸体表面缺陷检测方法，其特征在于，所述s2：增强后的数据集，先结合图像预处理方法突出表面缺陷特征，然后用于yolov5网络的训练包括：

9.如权利要求8所述的一种发动机缸体表面缺陷检测方法，其特征在于，s22中过大的图像在输入yolov5网络前进行压缩处理，使图像不高于640×640的尺寸。

10.如权利要求4所述的一种发动机缸体表面缺陷检测方法，其特征在于，s1中单个缸体的整个表面信息分四次拍摄局部区域完成。

技术总结本发明公开了一种发动机缸体表面缺陷检测方法及装置，其中一种发动机缸体表面缺陷检测装置包括输送线和设于输送线上的安装架，所述安装架上安装有视觉相机和照明灯，所述视觉相机的拍摄方向和照明灯的照射方向均向下指向输送线，所述安装架外罩设有机罩。有益效果：本申请的一种发动机缸体表面缺陷检测方法及装置是基于改进的pix2pix和YOLOv5的发动机缸体表面缺陷检测方法及装置，解决了原有小样本数据集难以支撑深度学习训练的难题，提高了缸体表面缺陷的识别精度和识别效率，在工业检测的应用中具有巨大的潜力。技术研发人员：朱炜炜,李全林受保护的技术使用者：宁波天瑞精工机械有限公司技术研发日：技术公布日：2024/7/29