導(dǎo)語：航空鈑金零件缺失檢測技術(shù)研究一文來源于網(wǎng)友上傳，不代表本站觀點(diǎn)，若需要原創(chuàng)文章可咨詢客服老師，歡迎參考。

摘要：針對傳統(tǒng)鈑金零件缺失檢測效率差的問題，設(shè)計(jì)了基于VGG神經(jīng)網(wǎng)絡(luò)的鈑金零件檢測方法。經(jīng)實(shí)際驗(yàn)證，航空鈑金零件缺失檢測技術(shù)能夠很好地識(shí)別鈑金零件缺失問題，具有較好的實(shí)用性。

關(guān)鍵詞：鈑金；缺失檢測；VGG網(wǎng)絡(luò)

在技術(shù)進(jìn)展飛速的航空制造業(yè)中，鈑金零件比其他種類零件質(zhì)量更好、成本更低，這兩個(gè)優(yōu)勢使得零部件制造業(yè)越來越多地采用鈑金來設(shè)計(jì)制造，而鈑金零件是飛機(jī)整個(gè)機(jī)體結(jié)構(gòu)制造中最關(guān)鍵的零部件，據(jù)不完全統(tǒng)計(jì)，目前整個(gè)飛機(jī)零件的43%以上均采用鈑金零件[1]。飛機(jī)零件中按照鈑金零件的結(jié)構(gòu)特征來劃分，一般分為蒙皮類零件、框肋類零件、管子類零件、整體壁板類零件等多種類型。在現(xiàn)代化高科技的飛機(jī)制造中，鈑金零部件大多具有非常復(fù)雜的自由曲面，形狀不規(guī)則，飛機(jī)鈑金零件的機(jī)械加工工藝特點(diǎn)與通常的機(jī)械鈑金零件加工工藝具有較大的差別，隨著機(jī)械制造技術(shù)的不斷發(fā)展，鈑金零部件的加工技術(shù)要求越來越高，對鈑金零件的使用壽命要求異常苛刻，以保證機(jī)械加工的每個(gè)鈑金零件都符合設(shè)計(jì)加工標(biāo)準(zhǔn)，使鈑金零件缺失等質(zhì)量問題成為鈑金零件質(zhì)量檢測中的小概率事件。傳統(tǒng)的人工鈑金零件缺失質(zhì)量檢測方式不僅耗費(fèi)資源，而且效率低，操作過程繁瑣、操作步驟異常多、重復(fù)性勞動(dòng)多，很難滿足現(xiàn)代化的高效流程的大批量鈑金零件加工要求。本文針對這個(gè)問題，采用大規(guī)模數(shù)據(jù)訓(xùn)練后的VGG神經(jīng)網(wǎng)絡(luò)，對鈑金零件缺失進(jìn)行檢測，提高鈑金零件缺失問題的質(zhì)量檢驗(yàn)效率，使企業(yè)具有更強(qiáng)的市場競爭力。

1VGG模型介紹

神經(jīng)網(wǎng)絡(luò)又稱多層感知機(jī)，簡單的網(wǎng)絡(luò)由三層堆疊而成，主要有輸入層、隱藏層和輸出層，并以分層的方式進(jìn)行數(shù)學(xué)抽象。神經(jīng)網(wǎng)絡(luò)一般是由數(shù)量龐大的神經(jīng)元通過某種特定的結(jié)構(gòu)連接在一起的，組成了能夠并行處理的若干結(jié)構(gòu)單元，每個(gè)神經(jīng)元之間具有不同的連接權(quán)值，一旦特定的數(shù)據(jù)進(jìn)到神經(jīng)網(wǎng)絡(luò)的輸入層，這組數(shù)據(jù)就通過互相連接的網(wǎng)絡(luò)一步步輸出到了輸出層。網(wǎng)絡(luò)計(jì)算結(jié)果輸出時(shí)，每個(gè)層級之間的運(yùn)算都會(huì)直接被連接權(quán)值影響，當(dāng)連接權(quán)值變動(dòng)時(shí)，輸出也會(huì)隨之同步進(jìn)行變動(dòng)。每個(gè)節(jié)點(diǎn)代表一個(gè)權(quán)重，而這個(gè)節(jié)點(diǎn)的隱藏層是由多個(gè)層堆疊而成的，層和層之間代表著對上一層網(wǎng)絡(luò)的輸入。之后進(jìn)行線性運(yùn)算導(dǎo)入到激活函數(shù)里來，而運(yùn)算結(jié)果作為新的輸入再進(jìn)入到下一層，按照這種方式逐層進(jìn)行計(jì)算。為了采用每一層的激活函數(shù)來添加其非線性使得網(wǎng)絡(luò)能夠表達(dá)更多的數(shù)學(xué)信息，引入了激活函數(shù)，這樣能夠使神經(jīng)網(wǎng)絡(luò)在理論上逼近任意函數(shù)。網(wǎng)絡(luò)訓(xùn)練時(shí)利用網(wǎng)絡(luò)結(jié)構(gòu)的前向傳播運(yùn)算結(jié)果與實(shí)際結(jié)果進(jìn)行比較運(yùn)算。利用反向傳播算法會(huì)將誤差逐層進(jìn)行傳播的特性，逐層運(yùn)算逐層參數(shù)調(diào)整。VGG模型是一種卷積神經(jīng)網(wǎng)絡(luò)模型，其主要設(shè)計(jì)思想是把網(wǎng)絡(luò)進(jìn)行加深處理，然后把3×3的小卷積核和2×2的最大池化堆疊在一起，3×3卷積核是把其上下左右及中心等取最小值，把一部分的網(wǎng)絡(luò)結(jié)構(gòu)對通道利用1×1卷積核運(yùn)算使其改變，這個(gè)卷積步長在這個(gè)網(wǎng)絡(luò)結(jié)構(gòu)中是1，然后進(jìn)行卷積分組運(yùn)算，把每組2~3個(gè)卷積層后放置到最大池化層中，每個(gè)池化在2×2像素的小窗口上平移[2]。神經(jīng)網(wǎng)絡(luò)性能與網(wǎng)絡(luò)深度密切相關(guān)，深度越深效果越好，但隨著網(wǎng)絡(luò)深度的加深，神經(jīng)網(wǎng)絡(luò)的訓(xùn)練難度也會(huì)隨之增大。VGG模型比普通的神經(jīng)網(wǎng)絡(luò)具有更深的網(wǎng)絡(luò)結(jié)構(gòu)，采用了數(shù)量更多的卷積核，但是不會(huì)在每個(gè)卷積后增加池化層，而是把全部的卷積分成若干組，每個(gè)組具有2～3個(gè)卷積層，把組和組之間的連接放置到池化層中，據(jù)統(tǒng)計(jì)，VGG模型比普通的神經(jīng)網(wǎng)絡(luò)錯(cuò)誤率可降低17%。

2基于VGG的鈑金零件缺失檢測的設(shè)計(jì)

在鈑金設(shè)計(jì)過程中，一般會(huì)有大數(shù)量鈑金零件結(jié)構(gòu)非常相似，但是尺寸會(huì)有細(xì)微的差別，這種典型的是標(biāo)準(zhǔn)件，比如螺栓、螺母、導(dǎo)柱、模柄等。還會(huì)有各種各樣的組合件。因?yàn)檫@種類型的鈑金零件數(shù)量非常龐大，而且結(jié)構(gòu)形式非常繁多，在鈑金零件整個(gè)產(chǎn)品設(shè)計(jì)周期中需要被頻繁調(diào)用。那么如何減少鈑金零件設(shè)計(jì)制造過程中的殘次品率就顯得非常重要，如何在鈑金圖像中把前景坐標(biāo)具體位置通過數(shù)學(xué)運(yùn)算定位出來，然后把定位出來的前景信息與標(biāo)準(zhǔn)鈑金零件的前景信息進(jìn)行數(shù)學(xué)對比運(yùn)算，就可以計(jì)算出該鈑金零件是否為標(biāo)準(zhǔn)鈑金零件。一般圖像目標(biāo)檢測主要分為兩種：一種是把定位回歸模型和物體分類模型全部放到一起的單階段目標(biāo)檢測模型；一種是把目標(biāo)框回歸檢測模型、物體分類檢測模型分成獨(dú)立的兩個(gè)階段進(jìn)行的雙階段檢測模型。單階段檢測模型具有檢測速度快的優(yōu)點(diǎn)，但缺點(diǎn)是精度較差，雙階段檢測模型優(yōu)點(diǎn)是檢測精度較高，但缺點(diǎn)是檢測速度非常慢。鈑金零件缺失檢測思路。前景區(qū)域識(shí)別模型識(shí)別出來的前景區(qū)域作為網(wǎng)絡(luò)輸入，對目標(biāo)檢測模型進(jìn)行訓(xùn)練學(xué)習(xí)，在包含前景區(qū)域的圖像中利用目標(biāo)檢測模型計(jì)算出目標(biāo)前景的具體坐標(biāo)，然后把這個(gè)計(jì)算出的具體坐標(biāo)和標(biāo)準(zhǔn)的鈑金零件圖像對比判斷是否存在誤差缺失。目標(biāo)檢測一般有區(qū)域選擇、特征提取、目標(biāo)分類和坐標(biāo)框回歸四個(gè)步驟。特征提取是利用圖像本身特性對圖像進(jìn)行運(yùn)算處理，然后把提取出來的圖像特征輸入到VGG模型，然后對模型進(jìn)行訓(xùn)練。利用Sober算子來計(jì)算檢測圖像的邊緣信息求出水平邊緣和垂直邊緣，然后根據(jù)水平邊緣和垂直邊緣計(jì)算出梯度角度、梯度大小。根據(jù)圖像分成若干個(gè)小的單元格，把每個(gè)單元格等分為N份梯度角度，判斷每個(gè)單元格的梯度屬于N中的哪個(gè)位置，再計(jì)算出統(tǒng)計(jì)直方圖進(jìn)行判斷，這樣每個(gè)單元格就變?yōu)橐粋€(gè)N維的向量了，然后把圖像分開成K×K大小的單元格，每個(gè)單元格就具有X個(gè)單元，標(biāo)準(zhǔn)化這些直方圖運(yùn)算，每個(gè)小方塊包括X×N個(gè)向量，假設(shè)圖像被分成M個(gè)小方塊，那么就能計(jì)算出X×N×M維的向量。利用產(chǎn)生的數(shù)據(jù)進(jìn)行網(wǎng)絡(luò)訓(xùn)練，然后把訓(xùn)練好的VGG模型進(jìn)行微調(diào)和優(yōu)化。數(shù)據(jù)訓(xùn)練檢測結(jié)果評價(jià)采用各類別的召回率R（Recall）和精度P（Preci-sion）來進(jìn)行評價(jià)，如公式（1）、（2）：式中：PT為將正類預(yù)測為正類數(shù)；PF為將負(fù)類預(yù)測為正類數(shù)誤報(bào)；NF為將正類預(yù)測為負(fù)類數(shù)。通過實(shí)際驗(yàn)證，系統(tǒng)設(shè)計(jì)的鈑金零件缺失檢測訓(xùn)練網(wǎng)絡(luò)具有較高的識(shí)別效率。

3結(jié)語

針對鈑金零件缺失檢測問題，設(shè)計(jì)了基于VGG網(wǎng)絡(luò)的檢測技術(shù)。通過訓(xùn)練VGG網(wǎng)絡(luò)，能夠很好地識(shí)別鈑金零件缺失，具有較好的實(shí)用性。

參考文獻(xiàn)

[1]楊艷洲.鈑金成形快速設(shè)計(jì)系統(tǒng)研究[D].南京：南京航空航天大學(xué)，2012.

[2]侯紅亮，王耀奇，李曉華，等.先進(jìn)鈑金成形技術(shù)在航空航天領(lǐng)域的應(yīng)用（上）[J].金屬加工（熱加工），2008（13）：60.

作者：陳曉童 單位：沈陽飛機(jī)工業(yè)（集團(tuán)）有限公司