(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211084417.1 (22)申请日 2022.09.06 (71)申请人 上汽通用五菱 汽车股份有限公司 地址 545005 广西壮 族自治区柳州市柳南 区河西路18号 (72)发明人 乔晓勇　董学羽　韦荣发　陈周生　 阳学　 (74)专利代理 机构 深圳市科吉华烽知识产权事 务所(普通 合伙) 44248 专利代理师 胡吉科 (51)Int.Cl. G01N 21/88(2006.01) G01N 21/01(2006.01) B07C 5/342(2006.01) (54)发明名称 一种汽车冲压件制造缺陷在线智能识别检 测方法与介质 (57)摘要 本发明提供了一种汽车冲压件制造缺陷在 线智能识别检测方法， 包括以下步骤： S1、 信号触 发， 当冲压件下线时， 通过光电信号触发PLC信 号； S2、 拍照， 触发视觉相机进行拍照， 得到冲压 件照片； S3、 图像处理， 对冲压件照片进行图像处 理； S4、 系统判定， 判断是否存在缺陷， 如果不存 在缺陷， 则继续生产或者将冲压件转送至人工复 检台进行人工复检， 如果存在缺陷， 则根据缺陷 的等级采取不同的响应措施。 本发 明还提供了一 种可读存储介质。 本发明的有益效果是： 实现了 冲压件的在线缺陷检测， 提高了效率。 权利要求书1页 说明书4页 附图1页 CN 115326814 A 2022.11.11 CN 115326814 A 1.一种汽车冲压件制造缺陷在线智能识别检测方法， 其特 征在于， 包括以下步骤： S1、 信号触发， 当冲压件下线时， 通过光电信号触发PLC信号； S2、 拍照， 触发视 觉相机进行拍照， 得到冲压件照片； S3、 图像处 理， 对冲压件照片进行图像处 理； S4、 系统判定， 判断是否存在缺陷， 如果不存在缺陷， 则继续生产或者将冲压件转送至 人工复检台进行 人工复检， 如果存在缺陷， 则根据缺陷的等级采取不同的响应措施； S5、 缺陷确认， 在人工复检中， 进行缺陷确认， 将确认之后的缺陷照片进行模型自动循 环学习迭代训练， 所述模型自动循环学习迭代训练包括缺陷定义， 缺陷识别， 样本采集， 模 型搭建和模型训练。 2.根据权利要求1所述的汽车冲压件制造缺陷在线智能识别检测方法， 其特征在于： 在 步骤S4中， 如果存在缺陷， 则对冲压件的缺陷及位置进 行报警， 如果报警次数小于3次， 则将 冲压件转送至人工复检台进行 人工复检， 如果报警次数 大于或等于 3次， 则进行停线处 理。 3.根据权利要求1所述的汽车冲压件制造缺陷在线智能识别检测方法， 其特征在于： 在 步骤S1之前， 在生产线的线尾皮带上搭建专业检测室并在其内部布置至少两组视觉系统， 所述视觉系统的相机采用高达70FP S高速工业相机， 光源则采用漫反射条 形点阵光源。 4.根据权利要求1所述的汽车冲压件制造缺陷在线智能识别检测方法， 其特征在于： 在 步骤S2中， 基于 CAE工艺预测， 识别冲压件的高风险区域并对高风险区域进行拍照。 5.根据权利要求1所述的汽车冲压件制造缺陷在线智能识别检测方法， 其特征在于： 将 步骤S2中拍得的冲压件照片供 给系统前端 进行深度学习的模型训练。 6.根据权利要求5所述的汽车冲压件制造缺陷在线智能识别检测方法， 其特征在于： 在 模型训练之前， 进行缺陷的分类与定义。 7.根据权利要求1所述的汽车冲压件制造缺陷在线智能识别检测方法， 其特征在于： 在 步骤S1之前， 根据生产线PLC信息对冲压件进行参数设定， 包含车间标准零件网格图、 通讯 状态、 相机 选择和拍照参数。 8.根据权利要求1所述的汽车冲压件制造缺陷在线智能识别检测方法， 其特征在于： 在 步骤S4中， 如果存在缺陷， 则对有缺陷的图片自动 编号存贮， 筛 选后进行迭代的模型训练。 9.根据权利要求1所述的汽车冲压件制造缺陷在线智能识别检测方法， 其特征在于： 在 步骤S4中， 将检测数据存 储到数据库。 10.一种可读存储介质， 其特征在于： 所述可读存储介质中存储有执行指令， 所述执行 指令被处 理器执行时用于实现如权利要求1至9中任一项所述的方法。权　利　要　求　书 1/1 页 2 CN 115326814 A 2一种汽车冲压件制造缺陷在线智能识别检测方 法与介质 技术领域 [0001]本发明涉及汽车冲压件， 尤其涉及一种汽车冲压件制造缺陷在线智能识别检测方 法与介质。 背景技术 [0002]汽车零件在冲压时可能会因各种因素导致开裂、 起皱、 拉伤等缺陷， 需要在装框前 进行质量检查， 以免不良流出。 [0003]目前行业生产模式中， 冲压件的质量检查主要由人工进行。 检查方法主要有触摸 检查、 油石打磨、 柔性纱网打磨、 涂油检查等方法。 一般工人对每个冲压件进行全面品质检 查大约需要8 ‑10min， 而目前冲压线节拍可以达到每分钟12 ‑20件。 品质全检速度远低于生 产速度， 无法做到零件 全检， 只能实现在线抽检或者多人在线 多点检测。 [0004]人工抽检方式， 存在偶发不良漏检和批量不良的风险。 而且质检人员长期重复性 动作， 也存在作业疲劳、 检出能力波动导致漏检的风险。 随着公司无人化自动冲压线的应 用， 机器人装框取代了人工装框， 无人叉车取代了有 人叉车， 仅剩下质检环节成为无人化的 最后困难， 缺少在线质检环 节， 存在质量 缺陷外溢的风险。 发明内容 [0005]为了解决现有技术中的问题， 本发明提供了一种汽车冲压件制造缺陷在线智能识 别检测方法与介质。 [0006]本发明提供了一种汽车冲压件制造缺陷在线智能识别检测方法， 包括以下步骤： S1、 信号触发， 当冲压件下线时， 通过光电信号触发PLC信号； S2、 拍照， 触发视 觉相机进行拍照， 得到冲压件照片； S3、 图像处 理， 对冲压件照片进行图像处 理； S4、 系统判定， 判断是否存在缺陷， 如果不存在缺陷， 则继续生产或者将冲压件转 送至人工复检台进行 人工复检， 如果存在缺陷， 则根据缺陷的等级采取不同的响应措施； S5、 缺陷确认， 在人工复检中， 进行缺陷确认， 将确认之后的缺陷照片进行模型自 动循环学习迭代训练， 所述模型自动循环学习迭代训练包括缺陷定义， 缺陷识别， 样本采 集， 模型搭建和模型训练。 [0007]作为本发明的进一步改进， 在步骤S4中， 如果存在缺陷， 则对冲压件的缺陷及位置 进行报警， 如果报警次数小于3次， 则将冲压件转送至人工复检台进行人工复检， 如果报警 次数大于或等于 3次， 则进行停线处 理。 [0008]作为本发明的进一步改进， 在步骤S1之前， 在生产线的线尾皮带上搭建专业检测 室并在其内部布置至少两组视觉系统， 所述视觉系统的相机采用高达70FPS高速工业相机， 光源则采用漫反射条 形点阵光源。 [0009]作为本发明的进一步改进， 在步骤S2中， 基于CAE工艺预测， 识别冲压件的高风险 区域并对高风险区域进行拍照。说　明　书 1/4 页 3 CN 115326814 A 3