目標(biāo)檢測(cè)技術(shù)在變速器裝配中的探索與應(yīng)用

趙錦濤，趙峰，劉海波

陜西法士特齒輪有限責(zé)任公司 陜西寶雞 722405

隨著變速器行業(yè)的發(fā)展，電控機(jī)械式自動(dòng)變速器（AMT）逐漸取代傳統(tǒng)手動(dòng)變速器（MT）已成為必然趨勢(shì)，法士特也將AMT變速器作為戰(zhàn)略項(xiàng)目產(chǎn)品，相比于傳統(tǒng)手動(dòng)變速器，其嚴(yán)格的質(zhì)量要求與復(fù)雜的外圍部件對(duì)裝配工藝提出了更高的要求。

在變速器總成裝配完成后，為避免不合格產(chǎn)品流入市場(chǎng)，終檢便作為變速器出廠前的最后一道質(zhì)量屏障；目前在法士特寶雞裝二車間，針對(duì)AMT變速器的終檢，仍然借鑒傳統(tǒng)產(chǎn)品主要依賴人工檢查，但AMT變速器外圍件復(fù)雜以及多品種小批量的生產(chǎn)模式，使得變速器終檢的效率底下且質(zhì)量控制容易受到人員因素影響，因此，我們需要探索一種更加適合AMT產(chǎn)品終檢的手段。

數(shù)字化、自動(dòng)化作為生產(chǎn)制造類企業(yè)的發(fā)展方向，我們同樣需要將這些技術(shù)與思維注入到裝配工藝中來。本文將以法士特6檔AMT變速器為例，探索應(yīng)用目標(biāo)檢測(cè)在裝配車間的應(yīng)用場(chǎng)景。

任務(wù)目標(biāo)與目標(biāo)檢測(cè)整體方案規(guī)劃

1.任務(wù)目標(biāo)

法士特6擋AMT變速器離殼處裝配1個(gè)吊耳，吊耳裝配共兩種狀態(tài)，但具體方向根據(jù)協(xié)議具體要求變化，本文將此場(chǎng)景為例應(yīng)用目標(biāo)檢測(cè)技術(shù)來完成自動(dòng)檢測(cè)并給出判斷結(jié)果。

2.整體方案規(guī)劃

本次目標(biāo)檢測(cè)采用的是YOLOV5算法，它是一種單階段目標(biāo)檢測(cè)的算法，使用Pytorch框架，方便用戶訓(xùn)練自己的數(shù)據(jù)集并投入到生產(chǎn)中，其不僅具有極快的對(duì)象處理響應(yīng)速度，也能夠同時(shí)滿足圖片、視頻、攝像頭多種檢測(cè)需求，YOLOV5的代碼是開源的可以在github獲得；要實(shí)現(xiàn)此次任務(wù)目標(biāo)主要分為三個(gè)步驟：檢測(cè)模型搭建、檢測(cè)結(jié)果可視化顯示、實(shí)際效果驗(yàn)證。

硬件準(zhǔn)備：計(jì)算機(jī)、相機(jī)（華望免驅(qū)USB工業(yè)相機(jī)）、鏡頭（華望6～12mm焦距300萬像素工業(yè)鏡頭）。

檢測(cè)模型搭建

檢測(cè)模型搭建包含檢測(cè)環(huán)境搭建、數(shù)據(jù)集制作、模型訓(xùn)練、預(yù)訓(xùn)練權(quán)重選擇；其中檢測(cè)環(huán)境的搭建主要為Anaconda的安裝、Pytorch環(huán)境安裝、paddle環(huán)境安裝和pycharm安裝，在網(wǎng)上已有許多資料可供參考參考不作講述，因此接下來主要闡述關(guān)于數(shù)據(jù)集的制作。

1.數(shù)據(jù)集制作

此次我們的任務(wù)目標(biāo)是檢測(cè)6擋AMT離殼的一處吊耳方向，因此就需要在裝配現(xiàn)場(chǎng)采集關(guān)于此處吊耳裝配的照片數(shù)據(jù)，根據(jù)了解吊耳的裝配方向分為朝左朝右兩種，因此所采集的照片需要包含這兩種情況。

1）照片采集（采集的照片數(shù)量約100張，可以滿足訓(xùn)練需求）。

2）利用labelimg標(biāo)注數(shù)據(jù)集 Lambeling是一種開源的圖片數(shù)據(jù)標(biāo)注工具，在軟件安裝好后，我們將照片數(shù)據(jù)放置到待標(biāo)注的文件夾，對(duì)每一張照片中的吊耳進(jìn)行框選并選擇對(duì)應(yīng)標(biāo)簽，標(biāo)簽分為兩種：“左”與“右”，框選時(shí)注意預(yù)選框?qū)⒌醵耆x中，標(biāo)簽全部標(biāo)注后在預(yù)先設(shè)置的文件夾目錄中可以看到標(biāo)簽文件。

3）數(shù)據(jù)集格式轉(zhuǎn)化 由于YOLOV5要求的數(shù)據(jù)標(biāo)簽格式為TXT格式，所以要將labelimg標(biāo)注的VOC格式標(biāo)簽轉(zhuǎn)化為TXT文件，同時(shí)在轉(zhuǎn)換的過程中需要注意最終轉(zhuǎn)換的TXT文件名稱與圖片名稱保持一致；格式轉(zhuǎn)換完成后打開TXT文件可以看到一行數(shù)字，其中第一個(gè)數(shù)字代表的是目標(biāo)類別，后邊的四個(gè)數(shù)字是歸一化后的標(biāo)注的中心點(diǎn)坐標(biāo)和歸一化標(biāo)注框的長和寬。

4）將數(shù)據(jù)集劃分為訓(xùn)練集與驗(yàn)證集 在做模型訓(xùn)練前，首先需要將前邊得到的數(shù)據(jù)集劃分為訓(xùn)練集與驗(yàn)證集，訓(xùn)練集是用于訓(xùn)練模型的樣本集合，主要用來訓(xùn)練神經(jīng)網(wǎng)絡(luò)中的參數(shù)，而驗(yàn)證集顧名思義是在訓(xùn)練集訓(xùn)練結(jié)束后，通過驗(yàn)證集來比較判斷各個(gè)模型的性能最終找到最佳的參數(shù)。一般情況下，訓(xùn)練集與驗(yàn)證集的劃分比例為8:2。

5）預(yù)訓(xùn)練權(quán)重選擇 YOLOV5為我們提供了集中預(yù)訓(xùn)練權(quán)重，我們可以根據(jù)不同的檢測(cè)需求來選擇不同的預(yù)訓(xùn)練權(quán)重，一般情況下預(yù)訓(xùn)練權(quán)重越大，最終得到的模型檢測(cè)精度越高，但模型的訓(xùn)練速度就會(huì)越慢，本次訓(xùn)練所用的預(yù)訓(xùn)練權(quán)重選擇yolov5s.pt。

2.模型訓(xùn)練

數(shù)據(jù)集準(zhǔn)備好后，就可以進(jìn)行模型的訓(xùn)練來獲得權(quán)重文件，關(guān)于YOLOV5的模型訓(xùn)練主要包含修改數(shù)據(jù)配置文件、修改文件配置文件、開始訓(xùn)練模型、啟用tensorbord查看參數(shù)這幾個(gè)過程，為了獲得較好的識(shí)別效果，我們將模型的訓(xùn)練輪次設(shè)置為100次，模型開始訓(xùn)練以及最終得到的訓(xùn)練結(jié)果如圖1所示。

圖1 模型訓(xùn)練結(jié)果

檢測(cè)結(jié)果可視化顯示框制作

到此我們已經(jīng)實(shí)現(xiàn)了基本的檢測(cè)功能，但結(jié)果并不直觀，我們需要在檢測(cè)到吊耳后可以以彈框的形式將結(jié)果直接顯示出來，因此需要在test文件中修改一下代碼，具體修改內(nèi)容如圖2所示。

圖2 模型訓(xùn)練結(jié)果

實(shí)際效果驗(yàn)證

如圖3所示，在detect.py文件中將數(shù)據(jù)輸入模式修改為攝像頭模式。

圖3 攝像頭模式

我們可以看到吊耳被檢測(cè)出來時(shí)會(huì)有一個(gè)小框選擇同時(shí)帶有一個(gè)數(shù)值，與之對(duì)應(yīng)在detect.py文件中的一個(gè)參數(shù)叫做置信度，通俗講來說置信度數(shù)值越大，檢測(cè)的準(zhǔn)確性越高，但容易出現(xiàn)漏識(shí)別。

相反置信度數(shù)值越小，檢測(cè)的準(zhǔn)確性越低，也容易出現(xiàn)誤識(shí)別。根據(jù)多次試驗(yàn)驗(yàn)證，一般設(shè)置在0.45左右識(shí)別效果較好。

外圍件檢測(cè)效果如圖4所示。

圖4 外圍件檢測(cè)效果

結(jié)語

目標(biāo)檢測(cè)技術(shù)應(yīng)用場(chǎng)景廣泛，特別是在變速器裝配檢測(cè)環(huán)節(jié)具有較大的潛力，其最大的優(yōu)點(diǎn)是快速、準(zhǔn)確、可靠與智能化，對(duì)提高產(chǎn)品檢測(cè)的一致性、產(chǎn)品生產(chǎn)的安全性、降低工人勞動(dòng)強(qiáng)度以及實(shí)行企業(yè)的高效安全生產(chǎn)和自動(dòng)化管理具有不可替代的作用。