一种基于AI算法的接线端子全外观视觉检测系统的制作方法

本发明涉及机械设备检测的，更具体的说是涉及一种基于ai算法的接线端子全外观视觉检测系统。

背景技术：

1、接线端子的电气性能测试也是检测过程中必不可少的一部分，包括接触电阻试验、工频耐压试验、冲击耐压试验、温升试验等。这些测试能够确保接线端子的电气性能符合规定要求，从而确保接线端子的正常工作和安全使用。

2、在传统技术中，对于接线端子的质量检测通常从产品外观的上、下、左、右、前和后六个面入手进行检测，但仅仅从这六个面入手，可能会产生由于检测不够全面而导致的检测精准度较低的问题。

技术实现思路

1、针对现有技术存在的不足，本发明的目的在于提供一种基于ai算法的接线端子全外观视觉检测系统，用于克服现有技术中的上述缺陷。

2、为实现上述目的，本发明提供了如下技术方案：

3、一种基于ai算法的接线端子全外观视觉检测系统，包括：若干组检测工位，每组所述检测工位上对应设置有相机，

4、样本获取模块，所述样本获取模块用于打标历史接线端子，分析所述历史接线端子的产品缺陷因素数据，并获取所述历史接线端子的历史缺陷图像以及历史合格图像，并根据所述历史缺陷图像以及产品缺陷因数数据进行ai算法的模型训练，得到初步检测模型；

5、图像采集模块，所述图像采集模块用于获取不同检测工位上相机拍摄到的图像作为标记图像；

6、图像处理模块，所述图像处理模块用于获取标记图像，并获取标记图像获取产品缺陷，并根据检测模型，获取预测缺陷结果，对比所述产品缺陷结果以及预测缺陷结果，生成偏差值；

7、模型修正模块，所述模型修正模块用于获取偏差值，并根据所述偏差值对初步检测模型进行修正得到检测模型。

8、作为优选，所述模型修正单元内还有反馈单元，所述反馈单元用于接收人工采集的缺陷反馈结果，并根据缺陷反馈结果，对检测模型进行修正。

9、作为优选，图像处理模块还包括有缺陷图像分类单元，用于根据缺陷类型，对标记图像进行分类，所述缺陷类型包括多件缺件类型、产品功能差异类型、外观缺陷类型。

10、作为优选，所述得到检测模型包括：将所述历史缺陷图像、历史合格图像以及产品缺陷因素数据利用所述ai算法在所述检测模型中进行训练，预设迭代次数，迭代优化直至达到所述迭代次数，完成训练得到初步检测模型，并得到初步检测结果，根据图像处理模块获取产品缺陷结果并判断是否有误，若有误，则修改检测错误数据继续训练，直至检测结果无误得否则，否则，不进行修改。

11、作为优选，所述样本获取模块内还设置有缺陷验证单元，所述缺陷验证单元用于获取历史不合格接线端子、历史极限状态接线端子，并将检测模型部署到外观检测机上，对历史不合格接线端子进行验证，得到历史检验结果，并对所述历史极限状态接线端子进行检测，得到极限检测结果，判断所述历史检验结果、所述极限检测结果是否可以稳定准确检测，若可以，则进行试运行，否则，修改历史检测错误数据继续训练，直至历史检测结果无误，否则，不进行修改。

12、作为优选，所述在所述外观检测机上，采用图像增强功能，提取功能元件并进行数量统计，根据所述接线端子的产品规格预设所述功能元件的数量阈值，判断检测出的功能原件数量是否处于所述数量阈值内，若处于所述数量阈值内，则为合格，否则，利用所述外观检测机将多余功能原件去除，功能元件包括十字螺丝、一字螺丝。

13、作为优选，所述还包括缺陷复合模块，用于根据所述初步检测模型检测待检测接线端子图像，得到待检测合格图像、待检测不合格图像，对所述待检测不合格图像进行缺陷遗漏确认，若检测出的缺陷正确，得到检测模型，否则，将遗漏缺陷对应的所述待检测不合格图像添加至所述初步检测模型进行训练，直至无缺陷遗漏，得到检测模型。

14、作为优选，所述所述图像采集模块包括有打光单元，所述打光单元用于根据，用于根据产品缺陷因素数据选择光源结构进行打光，并结合倾斜检测方式拍摄所述接线端子，得到标记图像。

15、作为优选，所述光源结构包括同轴光源、碗光、碗光与同轴光的组合光、条形光、条形光组合。

16、本发明的有益效果：通过样本获取模块对历史接线端子进行打标，整理出历史接线端子的缺陷因素并进行分析，得到缺陷特征因素后针对接线端子的特征部位进行重点检测，根据图像采集模块对这些特征部位进行拍摄，得到该特征部位的缺陷图像，最后根据ai算法建立检测模型，不断的对提取到的缺陷图像进行迭代优化，最终得到检测模型，可以更加全面精准的对实时生产出的缺陷盒子进行检测，根据最终的检测结果是否有缺陷进行后续的维修，使得产品的整体质量更加可靠。

技术特征：

1.一种基于ai算法的接线端子全外观视觉检测系统，其特征在于，包括：若干组检测工位，每组所述检测工位上对应设置有相机，

2.根据权利要求1所述的一种基于ai算法的接线端子全外观视觉检测系统，其特征在于，所述模型修正单元内还有反馈单元，所述反馈单元用于接收人工采集的缺陷反馈结果，并根据缺陷反馈结果，对检测模型进行修正。

3.根据权利要求1所述的一种基于ai算法的接线端子全外观视觉检测系统，其特征在于，图像处理模块还包括有缺陷图像分类单元，用于根据缺陷类型，对标记图像进行分类，所述缺陷类型包括多件缺件类型、产品功能差异类型、外观缺陷类型。

4.根据权利要求1所述的一种基于ai算法的接线端子全外观视觉检测系统，其特征在于，所述得到检测模型包括：将所述历史缺陷图像、历史合格图像以及产品缺陷因素数据利用所述ai算法在所述检测模型中进行训练，预设迭代次数，迭代优化直至达到所述迭代次数，完成训练得到初步检测模型，并得到初步检测结果，根据图像处理模块获取产品缺陷结果并判断是否有误，若有误，则修改检测错误数据继续训练，直至检测结果无误得否则，否则，不进行修改。

5.根据权利要求1所述的一种基于ai算法的接线端子全外观视觉检测系统，其特征在于，所述样本获取模块内还设置有缺陷验证单元，所述缺陷验证单元用于获取历史不合格接线端子、历史极限状态接线端子，并将检测模型部署到外观检测机上，对历史不合格接线端子进行验证，得到历史检验结果，并对所述历史极限状态接线端子进行检测，得到极限检测结果，判断所述历史检验结果、所述极限检测结果是否可以稳定准确检测，若可以，则进行试运行，否则，修改历史检测错误数据继续训练，直至历史检测结果无误，否则，不进行修改。

6.根据权利要求1所述的一种基于ai算法的接线端子全外观视觉检测系统，其特征在于，所述在所述外观检测机上，采用图像增强功能，提取功能元件并进行数量统计，根据所述接线端子的产品规格预设所述功能元件的数量阈值，判断检测出的功能原件数量是否处于所述数量阈值内，若处于所述数量阈值内，则为合格，否则，利用所述外观检测机将多余功能原件去除，功能元件包括十字螺丝、一字螺丝。

7.根据权利要求1所述的一种基于ai算法的接线端子全外观视觉检测系统，其特征在于，还包括缺陷复合模块，用于根据所述初步检测模型检测待检测接线端子图像，得到待检测合格图像、待检测不合格图像，对所述待检测不合格图像进行缺陷遗漏确认，若检测出的缺陷正确，得到检测模型，否则，将遗漏缺陷对应的所述待检测不合格图像添加至所述初步检测模型进行训练，直至无缺陷遗漏，得到检测模型。

8.根据权利要求1所述的一种基于ai算法的接线端子全外观视觉检测系统，其特征在于，所述图像采集模块包括有打光单元，所述打光单元用于根据，用于根据产品缺陷因素数据选择光源结构进行打光，并结合倾斜检测方式拍摄所述接线端子，得到标记图像。

9.根据权利要求8所述的一种基于ai算法的接线端子全外观视觉检测系统，其特征在于，所述光源结构包括同轴光源、碗光、碗光与同轴光的组合光、条形光、条形光组合。

技术总结
本发明创新提供了一种基于AI算法的接线端子全外观视觉检测系统，包括：若干组检测工位，所述样本获取模块用于打标历史接线端子，分析所述历史接线端子的产品缺陷因素数据，并获取所述历史接线端子的历史缺陷图像以及历史合格图像，并根据所述历史缺陷图像以及产品缺陷因数数据进行AI算法的模型训练，得到初步检测模型；所述图像采集模块用于获取不同检测工位上相机拍摄到的图像作为标记图像；所述图像处理模块用于获取标记图像，并获取标记图像获取产品缺陷，并根据检测模型，获取预测缺陷结果，对比所述产品缺陷结果以及预测缺陷结果，生成偏差值；所述模型修正模块用于获取偏差值，并根据所述偏差值对初步检测模型进行修正得到检测模型。

技术研发人员：唐慧,唐飞,柯胜飞,张斌鑫
受保护的技术使用者：杭州映图智能科技有限公司
技术研发日：
技术公布日：2024/9/23