摘要
针对动车组制动模块结构复杂,装配过程子部件种类、数量较多,易产生混装、漏装等问题,建立一种基于机器视觉的装配检测模型.首先,通过数据集构建、模型训练、推理测试等步骤,完成YOLOv5部件检测模型的建立并进行计数统计判断.然后,对YOLOv5输出的位置坐标与类别数据,通过坐标转换和标准化处理使位置信息区分度提升.进一步,在训练集上运用K-Means进行聚类学习,生成部件各位置簇的中心坐标和内外限值.最后,计算待测部件位置坐标与各簇中心的欧氏距离,结合内外限值判定位置的正确性.同时,为便于工程部署,在推理端采用ONNXRuntime框架进行可视化系统的开发.结果表明:检测方法具有较高的准确率和查全率,同时具备位置检测功能,较现有人工目视检查方法更加准确、稳定、高效,具备工程应用价值.
基金项目
国家重点研发计划(2019YFB1705000)
中国铁道科学研究院集团有限公司科研项目(2022YJ222)
维普
万方数据