目標檢測技術在變速器裝配中的探索與應用

趙錦濤，趙峰，劉海波

陜西法士特齒輪有限責任公司 陜西寶雞 722405

隨著變速器行業的發展，電控機械式自動變速器（AMT）逐漸取代傳統手動變速器（MT）已成為必然趨勢，法士特也將AMT變速器作為戰略項目產品，相比于傳統手動變速器，其嚴格的質量要求與復雜的外圍部件對裝配工藝提出了更高的要求。

在變速器總成裝配完成后，為避免不合格產品流入市場，終檢便作為變速器出廠前的最后一道質量屏障；目前在法士特寶雞裝二車間，針對AMT變速器的終檢，仍然借鑒傳統產品主要依賴人工檢查，但AMT變速器外圍件復雜以及多品種小批量的生產模式，使得變速器終檢的效率底下且質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產品終檢的手段。

數字化、自動化作為生產制造類企業的發展方向，我們同樣需要將這些技術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，探索應用目標檢測在裝配車間的應用場景。

任務目標與目標檢測整體方案規劃

1.任務目標

法士特6擋AMT變速器離殼處裝配1個吊耳，吊耳裝配共兩種狀態，但具體方向根據協議具體要求變化，本文將此場景為例應用目標檢測技術來完成自動檢測并給出判斷結果。

2.整體方案規劃

本次目標檢測采用的是YOLOV5算法，它是一種單階段目標檢測的算法，使用Pytorch框架，方便用戶訓練自己的數據集并投入到生產中，其不僅具有極快的對象處理響應速度，也能夠同時滿足圖片、視頻、攝像頭多種檢測需求，YOLOV5的代碼是開源的可以在github獲得；要實現此次任務目標主要分為三個步驟：檢測模型搭建、檢測結果可視化顯示、實際效果驗證。

硬件準備：計算機、相機（華望免驅USB工業相機）、鏡頭（華望6～12mm焦距300萬像素工業鏡頭）。

檢測模型搭建

檢測模型搭建包含檢測環境搭建、數據集制作、模型訓練、預訓練權重選擇；其中檢測環境的搭建主要為Anaconda的安裝、Pytorch環境安裝、paddle環境安裝和pycharm安裝，在網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于數據集的制作。

1.數據集制作

此次我們的任務目標是檢測6擋AMT離殼的一處吊耳方向，因此就需要在裝配現場采集關于此處吊耳裝配的照片數據，根據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（采集的照片數量約100張，可以滿足訓練需求）。

2）利用labelimg標注數據集 Lambeling是一種開源的圖片數據標注工具，在軟件安裝好后，我們將照片數據放置到待標注的文件夾，對每一張照片中的吊耳進行框選并選擇對應標簽，標簽分為兩種：“左”與“右”，框選時注意預選框將吊耳完全選中，標簽全部標注后在預先設置的文件夾目錄中可以看到標簽文件。

3）數據集格式轉化 由于YOLOV5要求的數據標簽格式為TXT格式，所以要將labelimg標注的VOC格式標簽轉化為TXT文件，同時在轉換的過程中需要注意最終轉換的TXT文件名稱與圖片名稱保持一致；格式轉換完成后打開TXT文件可以看到一行數字，其中第一個數字代表的是目標類別，后邊的四個數字是歸一化后的標注的中心點坐標和歸一化標注框的長和寬。

4）將數據集劃分為訓練集與驗證集 在做模型訓練前，首先需要將前邊得到的數據集劃分為訓練集與驗證集，訓練集是用于訓練模型的樣本集合，主要用來訓練神經網絡中的參數，而驗證集顧名思義是在訓練集訓練結束后，通過驗證集來比較判斷各個模型的性能最終找到最佳的參數。一般情況下，訓練集與驗證集的劃分比例為8:2。

5）預訓練權重選擇 YOLOV5為我們提供了集中預訓練權重，我們可以根據不同的檢測需求來選擇不同的預訓練權重，一般情況下預訓練權重越大，最終得到的模型檢測精度越高，但模型的訓練速度就會越慢，本次訓練所用的預訓練權重選擇yolov5s.pt。

2.模型訓練

數據集準備好后，就可以進行模型的訓練來獲得權重文件，關于YOLOV5的模型訓練主要包含修改數據配置文件、修改文件配置文件、開始訓練模型、啟用tensorbord查看參數這幾個過程，為了獲得較好的識別效果，我們將模型的訓練輪次設置為100次，模型開始訓練以及最終得到的訓練結果如圖1所示。

圖1 模型訓練結果

檢測結果可視化顯示框制作

到此我們已經實現了基本的檢測功能，但結果并不直觀，我們需要在檢測到吊耳后可以以彈框的形式將結果直接顯示出來，因此需要在test文件中修改一下代碼，具體修改內容如圖2所示。

圖2 模型訓練結果

實際效果驗證

如圖3所示，在detect.py文件中將數據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出來時會有一個小框選擇同時帶有一個數值，與之對應在detect.py文件中的一個參數叫做置信度，通俗講來說置信度數值越大，檢測的準確性越高，但容易出現漏識別。

相反置信度數值越小，檢測的準確性越低，也容易出現誤識別。根據多次試驗驗證，一般設置在0.45左右識別效果較好。

外圍件檢測效果如圖4所示。

圖4 外圍件檢測效果

結語

目標檢測技術應用場景廣泛，特別是在變速器裝配檢測環節具有較大的潛力，其最大的優點是快速、準確、可靠與智能化，對提高產品檢測的一致性、產品生產的安全性、降低工人勞動強度以及實行企業的高效安全生產和自動化管理具有不可替代的作用。