本發(fā)明涉及微通道鋁扁管生產(chǎn)領(lǐng)域，特別是涉及一種基于深度學(xué)習(xí)的微通道鋁扁管方法及系統(tǒng)。

背景技術(shù)：

1、微通道鋁扁管（microchannel?aluminum?flat?tube,?maft）作為現(xiàn)代高效熱交換器的核心傳熱元件，其質(zhì)量可靠性直接決定制冷系統(tǒng)的能效等級(jí)與使用壽命。maft表面缺陷導(dǎo)致的制冷劑泄漏會(huì)使系統(tǒng)能效衰減高達(dá)32%。這類缺陷主要包括：微觀表面缺陷：凹坑（直徑≥0.3mm）、劃傷（長(zhǎng)度＞2mm）、雜質(zhì)嵌入（直徑＞0.2mm）等，由原材料軋制或傳送機(jī)械摩擦產(chǎn)生；幾何尺寸異常：鎖口變形（角度偏差＞5°）、長(zhǎng)寬超差（±0.15mm），源于沖壓模具磨損；涂層缺陷：未噴鋅（覆蓋率＜95%）、噴涂堆積（面積＞10mm2），影響防腐性能?，F(xiàn)有檢測(cè)技術(shù)存在如下瓶頸：

2、1.?人工檢測(cè)模式

3、效率低下：受限于人眼分辨能力，檢測(cè)速度≤3m/s，無法匹配當(dāng)前10m/s高速產(chǎn)線；漏檢率高：凹坑類缺陷平均漏檢率5.2%，劃傷類缺陷漏檢率高達(dá)7.8%；成本激增：?jiǎn)螚l產(chǎn)線需配置12名檢測(cè)員（三班制），人工成本占生產(chǎn)成本18%。

4、2.?傳統(tǒng)機(jī)器視覺方案

5、現(xiàn)有自動(dòng)化檢測(cè)技術(shù)存在三重技術(shù)壁壘：

6、(1)?高反光表面成像干擾

7、鋁材表面反射率＞85%（波長(zhǎng)550nm），傳統(tǒng)連續(xù)光源產(chǎn)生強(qiáng)烈鏡面反射，導(dǎo)致缺陷區(qū)域與背景對(duì)比度＜15%、圖像信噪比（snr）＜20db（尤其在650-850nm波段）。

8、(2)?高速運(yùn)動(dòng)成像模糊

9、當(dāng)產(chǎn)線速度≥8m/s時(shí)：?jiǎn)螏行毓鈺r(shí)間需≤125μs，現(xiàn)有面陣相機(jī)幀率（1khz）導(dǎo)致運(yùn)動(dòng)模糊≥0.1mm（超出缺陷尺寸容忍極限）。

10、(3)?實(shí)時(shí)處理延遲

11、傳統(tǒng)串行圖像處理（如opencv?haar分類器）單管分析耗時(shí)＞150ms，多缺陷同步檢測(cè)時(shí)計(jì)算負(fù)載激增（cpu利用率＞90%），引發(fā)流水線阻塞。

12、行業(yè)亟需突破以下核心矛盾：光學(xué)層面，需在μs級(jí)時(shí)間內(nèi)抑制金屬反光并增強(qiáng)缺陷特征；算法層面，需實(shí)現(xiàn)200+幀/秒的多源圖像異步分析；系統(tǒng)層面，需滿足從成像到分類檢測(cè)的端到端延遲＜50ms。

13、本技術(shù)提出的分時(shí)頻閃圖像采集和異步智能分析方法，正是針對(duì)上述痛點(diǎn)設(shè)計(jì)的創(chuàng)新性解決方案。通過分時(shí)頻閃光源（850nm/650nm雙波段）抑制鏡面反射，結(jié)合線掃相機(jī)實(shí)現(xiàn)0.01mm/pixel分辨率成像，并利用改進(jìn)的maft深度學(xué)習(xí)算法實(shí)現(xiàn)多缺陷并行檢測(cè)，最終達(dá)成＞99%的分類檢測(cè)準(zhǔn)確率及微秒級(jí)響應(yīng)能力。

技術(shù)實(shí)現(xiàn)思路

1、為了解決微通道鋁扁管分類檢測(cè)過程中存在的高反光表面成像干擾、高速運(yùn)動(dòng)成像模糊、實(shí)時(shí)處理延遲、缺陷多樣、分類檢測(cè)二次損傷等行業(yè)難題，本技術(shù)提供一種基于深度學(xué)習(xí)的微通道鋁扁管分類檢測(cè)方法，如圖1所示，采用如下的技術(shù)方案：

2、s1，微通道鋁扁管分時(shí)頻閃圖像采集模塊，實(shí)現(xiàn)分時(shí)頻閃多類圖像生成和高通量傳輸采集，由分類檢測(cè)傳送帶、工業(yè)線掃攝像機(jī)、分時(shí)頻閃光源及控制器、光柵觸發(fā)器、高通量圖像采集卡組成，上下線掃攝像機(jī)經(jīng)光柵觸發(fā)及分時(shí)頻閃光源配合對(duì)高速通過的微通道鋁扁管采集多類圖像，經(jīng)高通量圖像采集卡匯集到圖像處理服務(wù)器。具體工作邏輯如圖2所示。

3、該模塊具體為分類檢測(cè)傳動(dòng)帶厚度不超過5cm，采用兩段式設(shè)計(jì)，前端傳送帶與后端傳送帶之間間隔不超過10cm，間隔用于下線掃攝像機(jī)和下分時(shí)頻閃光源拍攝微通道鋁扁管下表面，攝像機(jī)和分時(shí)頻閃光源與傳動(dòng)帶夾角不超過45度；上線掃攝像機(jī)和上分時(shí)頻閃光源部署于后端傳送帶上方，用于拍攝微通道鋁扁管上表面，攝像機(jī)和分時(shí)頻閃光源與傳動(dòng)帶夾角不超過45度；圖像采集精度不低于0.01mm，分時(shí)頻閃光源波長(zhǎng)采用850nm/650nm雙波段，頻閃頻率與光柵觸發(fā)器同步；高通量采集卡采用pcie接口，帶寬不低于64gbps。

4、s2，多類圖像異步處理模塊，對(duì)s1分時(shí)頻閃采集的多類圖像，進(jìn)行裁剪、分割、二值化連通域分析、長(zhǎng)度測(cè)量、寬度測(cè)量預(yù)處理。所采集的多類圖像至少包括標(biāo)準(zhǔn)圖、漫反射圖、鏡面反射圖、光澤比圖、形狀圖等。其中對(duì)標(biāo)準(zhǔn)圖進(jìn)行roi裁剪和高斯濾波處理，對(duì)漫反射圖進(jìn)行形態(tài)學(xué)開運(yùn)算和blob分析處理，對(duì)鏡面反射圖進(jìn)行非局部均值去噪和邊緣增強(qiáng)處理，對(duì)光澤比圖進(jìn)行權(quán)重比0.7:0.3的標(biāo)準(zhǔn)圖/鏡面反射圖像素融合，對(duì)形狀圖進(jìn)行閾值50-150、梯度的canny邊緣檢測(cè)和霍夫變換處理。

5、s3，異步智能分析模塊，采用異步多線程機(jī)制利用改進(jìn)的maft深度學(xué)習(xí)增強(qiáng)算法將s2預(yù)處理的多源圖像進(jìn)行異步智能分析處理，按照正常、不良、異常三類寫入數(shù)據(jù)庫(kù)，其中不良種類包括凹坑、壓痕、雜質(zhì)、劃傷、磕碰、臟污?、水印，異常種類包括鎖口異常、長(zhǎng)寬異常、未噴鋅、噴涂堆積，同時(shí)生成分類檢測(cè)控制信號(hào)發(fā)送給s4、s5處理，該信號(hào)由圖像幀編號(hào)、時(shí)間戳、產(chǎn)品狀態(tài)、缺陷類型、置信度五個(gè)變量組成，其中產(chǎn)品狀態(tài)由正常、不良、異常三類組成。具體缺陷尺寸為不良品：凹坑（直徑≥0.3mm）、壓痕（長(zhǎng)度>1mm）、雜質(zhì)（直徑>0.2mm）、劃傷（長(zhǎng)度＞2mm）、磕碰（直徑>0.2mm）、臟污（面積＞0.4mm2）、水?。娣e>0.5mm2），異常品：鎖口變形（角度偏差＞5°）、未噴鋅（覆蓋率＜95%）、長(zhǎng)寬超差（±0.15mm）、噴涂堆積（面積>10mm2）。

6、微通道鋁扁管表面缺陷具有與背景對(duì)比度低、特征目標(biāo)小、長(zhǎng)條形等特性，這使得傳統(tǒng)的缺陷檢測(cè)方法難以有效識(shí)別。深度學(xué)習(xí)yolov12作為一種高效的目標(biāo)檢測(cè)算法，在處理實(shí)時(shí)性要求高的工業(yè)場(chǎng)景中表現(xiàn)出色，但其原始版本在處理微通道鋁扁管表面缺陷時(shí)仍存在局限性，本技術(shù)對(duì)深度學(xué)習(xí)yolov12算法進(jìn)行了改進(jìn)，提出了改進(jìn)的maft深度學(xué)習(xí)增強(qiáng)算法，該算法針對(duì)微通道鋁扁管的表面缺陷特性，引入中值增強(qiáng)的通道與空間注意力塊（mecs），構(gòu)建自適應(yīng)層次化特征融合網(wǎng)絡(luò)（ahfin），采用滑動(dòng)對(duì)齊損失機(jī)制（sal），增強(qiáng)了對(duì)微通道鋁扁管表面細(xì)微變化的敏感度、解決了微通道鋁扁管表面不同尺度的缺陷、提高了邊界框定位精度特別是對(duì)于長(zhǎng)條形缺陷的識(shí)別。具體如下：

7、為了增強(qiáng)模型對(duì)微通道鋁扁管表面細(xì)微變化的敏感度，設(shè)計(jì)了一個(gè)中值增強(qiáng)通道和空間注意力模塊（median-enhanced?channel?and?spatial?attention?block，mecs），如圖3所示，該模塊結(jié)合了通道注意力機(jī)制和空間注意力機(jī)制，旨在增強(qiáng)模型處理輸入特征圖中特定通道信息的能力。具體而言，該機(jī)制通過結(jié)合中值增強(qiáng)操作與深度卷積來擴(kuò)展感受野，從而生成能夠有效捕捉細(xì)微缺陷特征的注意力權(quán)重。這種方法不僅提升了對(duì)關(guān)鍵特征的識(shí)別精度，同時(shí)也在復(fù)雜背景環(huán)境中增強(qiáng)了模型的魯棒性和可靠性，從而提高對(duì)微小目標(biāo)或細(xì)節(jié)缺陷的檢測(cè)能力。其詳細(xì)說明如下：

8、首先，輸入特征圖?是一個(gè)三維張量?，尺寸為?，其中?表示通道數(shù)，是特征圖的高度，而代表寬度。這個(gè)輸入特征圖被送入通道注意力模塊。在這個(gè)模塊里，首先對(duì)輸入特征圖進(jìn)行三種不同的池化操作，分別是平均池化（averagepooling）、中值池化（median?pooling）和最大池化（max?pooling）。這些池化操作旨在從不同角度捕獲全局信息，其中中值池化特別有助于抑制復(fù)雜背景下的噪聲。池化后的數(shù)據(jù)被送入多層感知器（mlp）來生成一個(gè)通道注意力權(quán)重矩陣。這個(gè)矩陣的尺寸是，其中的每個(gè)元素表示相應(yīng)通道的重要性評(píng)分，反映了該通道對(duì)于當(dāng)前任務(wù)的重要性。這一過程能夠讓模型學(xué)習(xí)哪些通道對(duì)于當(dāng)前任務(wù)最為重要，并增強(qiáng)這些通道的信息。

9、然后，經(jīng)過通道注意力模塊處理后，得到細(xì)化后的特征圖，其計(jì)算方式是將原始特征圖與通道注意力權(quán)重?進(jìn)行逐元素乘法。然后，這個(gè)細(xì)化后的特征圖進(jìn)一步進(jìn)入空間注意力模塊。在這里，我們的目標(biāo)是生成一個(gè)空間注意力圖，其尺寸為??？臻g注意力圖的作用在于識(shí)別并突出顯示特征圖中與任務(wù)相關(guān)的重點(diǎn)區(qū)域或模式，從而使模型能夠?qū)Ｗ⒂谥匾目臻g位置。

10、最后，經(jīng)過雙重處理后的特征圖表示為，這里表示逐元素乘法。這樣做的目的是實(shí)現(xiàn)空間特征與通道特征之間的深度融合，從而增強(qiáng)模型對(duì)細(xì)微變化的敏感度以及在復(fù)雜場(chǎng)景下的魯棒性和定位精度。

11、(2)?自適應(yīng)層次化特征融合網(wǎng)絡(luò)

12、為了解決微通道鋁扁管表面不同尺度的缺陷問題，本技術(shù)引入了一個(gè)自適應(yīng)層次化特征融合網(wǎng)絡(luò)（adaptive?hierarchical?feature?integration?network,?ahfin）。該網(wǎng)絡(luò)的結(jié)構(gòu)為：

13、輸入：多尺度特征圖?

14、加權(quán)融合：采用加權(quán)方式融合各層特征，權(quán)重由自適應(yīng)學(xué)習(xí)得到：

15、

16、其中，?是第??層特征的權(quán)重，滿足?，表示第??層的可變形卷積操作。

17、(3)滑動(dòng)對(duì)齊損失機(jī)制

18、為了提高邊界框定位精度，特別是對(duì)于長(zhǎng)條形缺陷，本技術(shù)引入了滑動(dòng)對(duì)齊損失機(jī)制（slide?alignment?loss，sal）。其綜合考慮預(yù)測(cè)框與真實(shí)框在位置、尺寸和重疊程度上的差異。

19、定義：給定預(yù)測(cè)框??和真實(shí)框?，sal定義為：

20、

21、其中，

22、-?,??分別是各項(xiàng)損失的權(quán)重系數(shù)。

23、-??是樣本數(shù)量。

24、各項(xiàng)損失的具體定義：

25、位置損失?用于衡量預(yù)測(cè)框和真實(shí)框中心點(diǎn)在x和y方向上的偏差：

26、

27、其中，?和?分別表示第?i?個(gè)樣本的預(yù)測(cè)框和真實(shí)框的中心坐標(biāo)。

28、尺寸損失?，通過計(jì)算寬度和高度的對(duì)數(shù)差值來衡量?jī)蓚€(gè)框在尺寸上的差異。

29、

30、其中，和分別表示第?i個(gè)樣本的預(yù)測(cè)框和真實(shí)框的寬度和高度。

31、交并比損失?，用于衡量預(yù)測(cè)框和真實(shí)框之間的重疊程度。

32、

33、其中，?表示預(yù)測(cè)框和真實(shí)框的交集面積，?表示它們的并集面積。

34、這種滑動(dòng)對(duì)齊損失的設(shè)計(jì)，通過將邊界框的位置偏差、尺寸差異以及重疊區(qū)域綜合建模，能夠更全面地優(yōu)化預(yù)測(cè)框與真實(shí)框之間的對(duì)齊程度。相比傳統(tǒng)的iou損失或l1/l2損失，sal在處理如長(zhǎng)條形、小尺寸或方向敏感的目標(biāo)時(shí)展現(xiàn)出更強(qiáng)的魯棒性與定位精度。

35、可選的，s4，分類檢測(cè)收集模塊由支架、高速無桿氣缸、柔性彈片及分類控制系統(tǒng)、側(cè)向分類檢測(cè)滑軌及收集箱組成，接收s3發(fā)送的分類檢測(cè)控制信號(hào)并根據(jù)分類收集算法控制后向設(shè)備運(yùn)動(dòng)，其中控制不良產(chǎn)品運(yùn)行方向左側(cè)彈出、異常產(chǎn)品運(yùn)動(dòng)方向右側(cè)彈出、正常產(chǎn)品通過，彈出產(chǎn)品由側(cè)向分類檢測(cè)滑軌推入收集箱。

36、具體為高速無桿氣缸推力1.2kn，響應(yīng)時(shí)間≤0.1s；柔性彈片采用鈹銅合金，彈性模量128gpa，壽命＞1.2×次；分類控制系統(tǒng)循環(huán)周期1ms；側(cè)向分類檢測(cè)滑軌速度不低于3m/s；收集箱按照所生產(chǎn)微通道鋁扁管尺寸能夠調(diào)節(jié)收集窗口同時(shí)能夠自動(dòng)調(diào)節(jié)收集高度及裝滿預(yù)警。具體工作邏輯如圖4所示。

37、分類收集算法具體為：s4接收s3發(fā)送的分類檢測(cè)控制信號(hào)，同時(shí)當(dāng)待檢產(chǎn)品通過s1傳動(dòng)帶間隔時(shí)由光柵傳感器觸發(fā)分類控制系統(tǒng)生成時(shí)間觸發(fā)器tn，tn=l/v，t為待檢產(chǎn)品從傳動(dòng)帶間隔到達(dá)柔性彈片的運(yùn)動(dòng)時(shí)間，n為時(shí)間觸發(fā)器個(gè)數(shù)，l為傳送帶間隔與柔性彈片之間距離，v為傳送帶速度；分類控制系統(tǒng)收到s3異步智能分析模塊發(fā)送的控制信號(hào)c，將該信號(hào)c寫入預(yù)設(shè)控制信號(hào)內(nèi)存隊(duì)列m[0…n]，len(m)為隊(duì)列長(zhǎng)度，n為隊(duì)列編號(hào)?；同時(shí)分類控制系統(tǒng)根據(jù)s3所述控制信號(hào)中的時(shí)間戳對(duì)控制信號(hào)隊(duì)列m按照時(shí)間先后順序排序;根據(jù)s3所述控制信號(hào)中的圖像幀編號(hào)進(jìn)行取模len(m)運(yùn)算，得到模值n；當(dāng)時(shí)間觸發(fā)器tn觸發(fā)時(shí)，分類控制系統(tǒng)讀取m[n]?分類檢測(cè)控制信號(hào)中的產(chǎn)品狀態(tài)值，該值為正常、不良、異常三類，當(dāng)該值為正常時(shí)，檢測(cè)產(chǎn)品正常通過s4分類檢測(cè)收集模塊；當(dāng)該值為不良時(shí)，s4分類檢測(cè)收集模塊將不良產(chǎn)品運(yùn)行方向左側(cè)彈出；當(dāng)該值為異常時(shí)，s4分類檢測(cè)收集模塊將異常產(chǎn)品運(yùn)行方向右側(cè)彈出。

38、可選的，s5，異常處理模塊，接收s3發(fā)送的分類檢測(cè)控制信號(hào)，當(dāng)某類不良產(chǎn)品和某類異常產(chǎn)品類型連續(xù)出現(xiàn)次數(shù)超出閾值，觸發(fā)聲光電報(bào)警，并自動(dòng)向前向設(shè)備發(fā)送停機(jī)信號(hào)。

39、具體為異常處理模塊收到分類檢測(cè)控制信號(hào)，當(dāng)不良或異常同類型連續(xù)出現(xiàn)次數(shù)超過設(shè)定的閾值時(shí)（例如閾值設(shè)定為5），該模塊將觸發(fā)三色燈紅色閃爍和蜂鳴器，通過modbus?tcp協(xié)議向前向設(shè)備發(fā)送e-stop信號(hào)，向傳送帶控制模塊發(fā)送減速停機(jī)信號(hào)。

40、第二方面，本技術(shù)提供了一種基于深度學(xué)習(xí)的微通道鋁扁管分類檢測(cè)系統(tǒng)，如圖5所示，采用如下的技術(shù)方案：

41、該系統(tǒng)包括微通道鋁扁管傳輸裝置及多類圖像采集子系統(tǒng)、多類圖像預(yù)處理及分類檢測(cè)初篩子系統(tǒng)、微通道鋁扁管智能分析子系統(tǒng)、微通道鋁扁管分類檢測(cè)收集子系統(tǒng)、異常處理及控制子系統(tǒng)、實(shí)時(shí)生產(chǎn)分析看板子系統(tǒng)，具體為：

42、微通道鋁扁管傳輸裝置及多類圖像采集子系統(tǒng)[201]：實(shí)現(xiàn)微通道鋁扁管傳輸、成像裝置布設(shè)和多類圖像生成采集功能，由傳送裝置、雙段式傳動(dòng)帶、多光譜成像裝置組成，其中傳送裝置，采用無刷直流電機(jī)驅(qū)動(dòng)，配合霍爾傳感器實(shí)現(xiàn)速度閉環(huán)控制（精度±0.05m/s）；雙段式傳送帶，前段v型導(dǎo)槽實(shí)現(xiàn)自定心，后段真空吸附平臺(tái)消除管材振動(dòng)；多光譜成像裝置，采用線掃相機(jī)、0.01mm像素尺寸、三維點(diǎn)云重建精度±5μm，分時(shí)頻閃光源、850nm（穿透氧化層）+650nm（表面紋理增強(qiáng)）、雙波段切換時(shí)間≤1μs；觸發(fā)裝置，光柵觸發(fā)器100khz脈沖/位置誤差±3μm，抗電磁干擾設(shè)計(jì)（emc≥60db）。管材以大于8m/s通過前段傳送帶，光柵每0.1mm觸發(fā)脈沖；下置光源在3μs內(nèi)完成650nm→850nm波段切換，同步下相機(jī)采集底面圖像；管材進(jìn)入后段真空區(qū)，上置光源-相機(jī)組合采集頂面圖像；單管生成2000幀原始圖像（含標(biāo)準(zhǔn)圖/漫反射圖/鏡面反射圖/形狀圖等至少5類）。

43、多類圖像預(yù)處理及分類檢測(cè)初篩子系統(tǒng)[202]：包含五通道并行圖像預(yù)處理引擎，該引擎創(chuàng)建了5個(gè)cuda（compute?unified?device?architecture，統(tǒng)一計(jì)算設(shè)備架構(gòu)）流，每個(gè)流綁定獨(dú)立顯存分區(qū)，采用雙緩沖機(jī)制實(shí)現(xiàn)當(dāng)前幀處理與下一幀預(yù)加載的并行操作。圖像預(yù)處理，如圖6所示，其中對(duì)標(biāo)準(zhǔn)圖進(jìn)行roi裁剪，去除10%邊緣區(qū)域；對(duì)漫反射圖進(jìn)行形態(tài)學(xué)開運(yùn)算，采用3x3圓核；對(duì)鏡面反射圖進(jìn)行非局部均值去噪處理，采用搜索窗15x15；對(duì)光澤比圖進(jìn)行加權(quán)融合，采用0.7標(biāo)準(zhǔn)圖*0.3鏡面圖權(quán)重；對(duì)于形狀圖采用canny檢測(cè)，采用雙閾值50/150。同時(shí)通過漫反射圖和標(biāo)準(zhǔn)圖對(duì)管材進(jìn)行長(zhǎng)度、寬度像素測(cè)量計(jì)算，進(jìn)行分類檢測(cè)初篩，當(dāng)管材長(zhǎng)寬超差超過設(shè)定的閾值時(shí)，[202]將向[204]、[205]發(fā)送初篩信號(hào)，該信號(hào)包括圖像幀編號(hào)，時(shí)間戳，產(chǎn)品狀態(tài)三個(gè)變量，其中產(chǎn)品狀態(tài)分為正常、不良、異常三類，不良種類包括凹坑、壓痕、雜質(zhì)、劃傷、磕碰、臟污?、水印，異常種類包括鎖口異常、長(zhǎng)寬異常、未噴鋅、噴涂堆積。

44、微通道鋁扁管智能分析子系統(tǒng)[203]：采用深度學(xué)習(xí)yolov12改進(jìn)算法，即maft深度學(xué)習(xí)增強(qiáng)算法，該算法在算法架構(gòu)引入mecs注意力塊，使微凹坑檢出率大幅提升；ahfin特征融合，融合backbone的特征圖，使缺陷最小檢測(cè)尺度精度更高；滑動(dòng)對(duì)齊損失sal機(jī)制，使劃傷類缺陷定位精度提升至微米級(jí)，具體邏輯如圖7所示。

45、在缺陷分類方面，如圖8所示采用正常、不良、異常三級(jí)分類體系，其中不良種類包括凹坑、壓痕、雜質(zhì)、劃傷、磕碰、臟污、水印，異常種類包括鎖口異常、長(zhǎng)寬異常、未噴鋅、噴涂堆積，便于多模態(tài)證據(jù)融合，提高分類檢測(cè)策略。在模型訓(xùn)練中采用訓(xùn)練優(yōu)化策略，其中訓(xùn)練數(shù)據(jù)按照正常、不良、異常缺陷分類方法，正常和每種缺陷類型不低于2000張樣本，并對(duì)凹坑、劃傷、鎖口變形三種常見缺陷分別進(jìn)行了隨機(jī)遮擋+高斯噪聲、仿射變換+運(yùn)動(dòng)模糊、角度偏移增強(qiáng)處理。實(shí)施推理采用異步多線程架構(gòu)，達(dá)到推理延遲低于20ms/幀，吞吐量50幀/秒。智能分析子系統(tǒng)將處理結(jié)果以分類檢測(cè)控制信號(hào)方式發(fā)送給[204]、[205]子系統(tǒng)，該信號(hào)由圖像幀編號(hào)、時(shí)間戳、產(chǎn)品狀態(tài)，缺陷類型、置信度五個(gè)變量組成，其中產(chǎn)品狀態(tài)分為正常、不良、異常三類。

46、微通道鋁扁管分類檢測(cè)收集子系統(tǒng)[204]：本子系統(tǒng)作為分類檢測(cè)動(dòng)作的最終執(zhí)行單元，通過高精度時(shí)序控制與創(chuàng)新機(jī)械設(shè)計(jì)，實(shí)現(xiàn)高速產(chǎn)線下的毫秒級(jí)分類檢測(cè)，同時(shí)確保管材零二次損傷。分類檢測(cè)執(zhí)行機(jī)構(gòu)由分類控制系統(tǒng)、高速無桿氣缸、鈹銅合金柔性彈片、側(cè)向分類檢測(cè)滑軌、智能收集箱組成，其中無桿氣缸，推力1.2kn，響應(yīng)時(shí)間≤80ms；柔性彈片采用鈹銅合金，彈性模量128gpa，疲勞壽命1.2×次；plc控制系統(tǒng)循環(huán)周期1ms；側(cè)向分類檢測(cè)滑軌速度3m/s；收集箱按照所生產(chǎn)微通道鋁扁管尺寸能夠調(diào)節(jié)收集窗口同時(shí)能夠自動(dòng)調(diào)節(jié)收集高度及裝滿預(yù)警；為防止二次損傷在分類檢測(cè)滑軌四周安裝尼龍布遮擋，當(dāng)不良品彈出時(shí)，由遮擋緩沖下落至側(cè)向分類檢測(cè)滑軌。由分類收集算法根據(jù)分類檢測(cè)控制信號(hào)判斷產(chǎn)品正常、不良、異常，并由分類控制系統(tǒng)控制完成分類操作。具體分類收集算法為：當(dāng)待檢產(chǎn)品通過微通道鋁扁管傳輸裝置時(shí)由光柵傳感器觸發(fā)分類控制系統(tǒng)生成時(shí)間觸發(fā)器時(shí)序tn，tn=l/v，tn為模擬通過的待檢產(chǎn)品從光柵傳感器到達(dá)柔性彈片的運(yùn)動(dòng)時(shí)間，n為時(shí)間觸發(fā)器個(gè)數(shù)，l為光柵傳感器與柔性彈片之間距離，v為傳送帶速度；分類控制系統(tǒng)收到[203]發(fā)送的控制信號(hào)c，將該信號(hào)c寫入預(yù)設(shè)控制信號(hào)內(nèi)存隊(duì)列m[0…n]，len(m)為隊(duì)列長(zhǎng)度，n為隊(duì)列編號(hào)?；同時(shí)分類控制系統(tǒng)根據(jù)控制信號(hào)中的時(shí)間戳對(duì)控制信號(hào)隊(duì)列m按照時(shí)間先后順序排序；根據(jù)控制信號(hào)中的圖像幀編號(hào)進(jìn)行取模len(m)運(yùn)算，得到模值n；當(dāng)時(shí)間觸發(fā)器tn觸發(fā)時(shí)，分類控制系統(tǒng)讀取m[n]?分類檢測(cè)控制信號(hào)中的產(chǎn)品狀態(tài)值，該值為正常、不良、異常三類；當(dāng)該值為正常時(shí)，檢測(cè)產(chǎn)品正常通過[204]；當(dāng)該值為不良時(shí)，[204]將不良產(chǎn)品運(yùn)行方向左側(cè)彈出；當(dāng)該值為異常時(shí)[204]將異常產(chǎn)品運(yùn)行方向右側(cè)彈出。

47、異常處理及控制子系統(tǒng)[205]：[203]向該子系統(tǒng)發(fā)送分類檢測(cè)控制信號(hào)，該系統(tǒng)按照時(shí)序存儲(chǔ)分類檢測(cè)控制信號(hào)，并根據(jù)連續(xù)的產(chǎn)品狀態(tài)和缺陷類型進(jìn)行異常判斷。該系統(tǒng)采用三級(jí)聯(lián)鎖保護(hù)機(jī)制，ⅰ級(jí)：同缺陷連續(xù)超出閾值，觸發(fā)聲光報(bào)警+產(chǎn)速降；ⅱ級(jí)：關(guān)鍵尺寸超差率＞閾值，停機(jī)校準(zhǔn)+鎖定模具；ⅲ級(jí)：系統(tǒng)硬件故障，緊急斷電+氣路保壓。例如當(dāng)壓痕缺陷連續(xù)出現(xiàn)5次時(shí)，觸發(fā)：三色燈紅色閃爍（頻率2hz），向前向設(shè)備發(fā)送e-stop信號(hào)，傳送帶線性減速至停止。同時(shí)該系統(tǒng)還包括傳送帶裝置、分類檢測(cè)收集裝置、圖像采集裝置的開關(guān)、運(yùn)行狀態(tài)監(jiān)測(cè)功能。

48、實(shí)時(shí)生產(chǎn)分析看板子系統(tǒng)[206]：實(shí)時(shí)監(jiān)控生產(chǎn)速度、產(chǎn)品良率、上下相機(jī)圖像采集狀態(tài)，同時(shí)實(shí)現(xiàn)了缺陷分布熱力圖分析、缺陷聚類分析、報(bào)表統(tǒng)計(jì)分析，預(yù)留mes接口并支持工單追溯。

49、綜上所述本技術(shù)包括以下至少一種有益技術(shù)效果：

50、1.?一種基于深度學(xué)習(xí)的微通道鋁扁管分類檢測(cè)方法，其特征在于包括微通道鋁扁管分時(shí)頻閃圖像采集模塊、多類圖像異步處理模塊、異步智能分析模塊、分類檢測(cè)收集模塊、異常處理模塊。

51、2.?一種基于深度學(xué)習(xí)的微通道鋁扁管分類檢測(cè)系統(tǒng)，包括微通道鋁扁管傳輸裝置及多類圖像采集子系統(tǒng)、多類圖像預(yù)處理及分類檢測(cè)初篩子系統(tǒng)、微通道鋁扁管智能分析子系統(tǒng)、微通道鋁扁管分類檢測(cè)收集子系統(tǒng)、異常處理及控制子系統(tǒng)、實(shí)時(shí)生產(chǎn)分析看板子系統(tǒng)。

52、3.?本技術(shù)提出的一種基于深度學(xué)習(xí)的微通道鋁扁管分類檢測(cè)方法及系統(tǒng)，是針對(duì)行業(yè)痛點(diǎn)設(shè)計(jì)的創(chuàng)新性解決方案。通過分時(shí)頻閃圖像采集、異步處理設(shè)計(jì)、分類檢測(cè)收集裝置、異常處理機(jī)制，并利用改進(jìn)的深度學(xué)習(xí)算法實(shí)現(xiàn)多缺陷并行檢測(cè)，達(dá)成＞99%的分類檢測(cè)準(zhǔn)確率及微秒級(jí)響應(yīng)能力。整體性能符合生產(chǎn)線的要求。