(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 202111629082.2 (22)申请日 2021.12.28 (71)申请人 上汽大众汽车有限公司 地址 201805 上海市嘉定区安亭镇于田路 123号 (72)发明人 李献　黄立新　张孟浩　曹诚　 (74)专利代理 机构 上海专利商标事务所有限公 司 31100 专利代理师 孙英杰 (51)Int.Cl. G06V 20/10(2022.01) G06V 10/774(2022.01) G06V 10/764(2022.01) G06V 10/82(2022.01) G06K 9/62(2022.01)G06T 7/00(2017.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 动力总成支承安装质量的检测方法、 工作 台、 检测系统及计算机可读存 储介质 (57)摘要 本发明涉及动力总成支承安装质 量的检测 方法、 工作台、 检测系统及计算机可读 存储介质。 该检测方法包括S1， 获取动力总成支承的图像数 据； S2， 对图像数据进行数据处理； S3， 通过卷积 网络分别对第一螺栓的图像特征数据及第二螺 栓的图像特征数据做特征提取； S4， 通过全连接 网络对卷积网络的输出结果进行判断， 获得动力 总成支承的安装质量。 本发明提出了动力总成支 承安装质量的检测方法、 工作台、 检测系统及计 算机可读存储介质， 能基于 现场的安装图像来自 动判断安装质量， 进而提升动力总成支承的安装 质量。 权利要求书1页 说明书7页 附图4页 CN 114565834 A 2022.05.31 CN 114565834 A 1.一种动力总成支承安装质量的检测方法， 所述安装质量基于发动机支承安装于发动 机上的第一螺 栓和第二螺 栓， 所述检测方法包括 步骤： S1， 获取所述动力总成支承的图像数据； S2， 对所述图像数据进行 数据处理， 包括步骤： S21， 对所述图像数据进行 数据增强； S22， 对于数据增强后的所述图像数据进行目标检测， 截取所述发动机支承与发动机的 连接点位置的图像数据； 同时， 对于数据增强后的所述图像数据进行姿态 识别； S23， 根据姿态 识别的结果， 对 截取的所述连接点 位置的图像数据进行姿态统一； S24， 对姿态统一后的图像数据截取所述第一螺栓的图像特征数据及所述第二螺栓的 图像特征数据； S3， 通过卷积网络分别对所述第 一螺栓的图像特征数据及所述第二螺栓的图像特征数 据做特征提取； S4， 通过全连接网络对所述卷积网络的输出结果进行判断， 获得所述动力总成支承的 安装质量。 2.如权利要求1所述的检测方法， 其特征在于， 在步骤S1中， 通过工位传感器来判断所 述动力总成支承是否安装完毕， 若安装完毕， 通过摄 像头对所述动力总成支承进行拍摄。 3.如权利要求1所述的检测方法， 其特征在于， 在步骤S21中， 所述数据增强包括随机截 取、 随即旋转、 随机翻转和色彩调整。 4.如权利要求1所述的检测方法， 其特征在于， 在步骤S22中， 所述目标检测采用的模型 是基于YOLO V5的迁移学习获得。 5.如权利要求1所述的检测方法， 其特征在于， 在步骤S22中， 所述姿态识别根据拍摄角 度对经过数据增强后的所述图像数据进行分类处 理。 6.如权利要求1所述的检测方法， 其特征在于， 在执行步骤S3之前， 对截取的所述第一 螺栓的图像特 征数据及所述第二螺 栓的图像特 征数据进行二次数据增强。 7.如权利要求1所述的检测方法， 其特征在于， 在步骤S3中， 对截取的所述第一螺栓的 图像特征数据及所述第二螺栓的图像特征数据采用完全相同的所述卷积网络进行特征提 取。 8.一种动力总成支承安装质量的工作台， 包括存储器、 处理器及存储在存储器上并可 在处理器上运行 的计算机程序， 其特征在于， 所述处理器执行所述计算机程序时实现如权 利要求1‑7中任一项所述检测方法的步骤。 9.一种动力总成支承安装质量的检测系统， 其特征在于， 包括工位传感器、 摄像头、 终 端电脑和权利要求8所述的工作台， 所述工位传感器、 摄像头和终端电脑与所述工作台双向 通信， 所述工位传感器用于判断所述动力总成支承 是否安装完 毕， 若安装完 毕， 向所述工作 台发送完成指令， 所述工作台根据所述工位传感器的完成指令向所述摄像头发送拍摄请 求， 所述摄像头根据所述拍摄请求对所述动力总成支承进行拍摄， 并将拍摄图像传送到所 述工作台， 所述终端电脑能获取 所述工作台存 储的检测结果。 10.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 所述计算机程序 被处理器执行时实现如权利要求1 ‑7中任一项所述检测方法的步骤。权　利　要　求　书 1/1 页 2 CN 114565834 A 2动力总成支承安装质量的检测方 法、 工作台、 检测系统及计算 机可读存储介质 技术领域 [0001]本发明涉及整车检测技术领域， 尤其涉及动力总成支承安装质量的检测方法、 工 作台、 检测系统及计算机可读存 储介质。 背景技术 [0002]动力总成支承安装质量对整 车NVH(Noise、 V ibration、 Harshness/噪声、 振动与声 振粗糙度)性能有很大影响， 如车辆启停抖动/怠速抖动/发动机行驶噪声等。 通过对产线动 力总成支承安装质量的检测， 及对检测结果的统计分析， 能不断提升产品的下线质量及产 线的装配质量的可靠稳定， 并在 必要时优化 生产工艺。 [0003]图1示出了动力总成支承安装质量的检测标准的示意图。 如图所示， 发动机支承 101通过第一螺栓102和第二螺栓103安装于发动机104上。 第一螺栓102和第二螺栓103的边 缘到支承安装面105边缘的距离 分别为d1和d2， 当d1＝d2时， 判断动力总成支承的安装质量 良好， 当d1≠d2时， 判断动力总成支承的安装歪 斜， 影响整车质量。 [0004]现有技术中对于动力总成支承的安装质量的检查都是依靠有经验 的工程师在车 间现场进 行抽检， 或在后续的质保车间内进 行人工抽检， 没有相应的自动化检测方法， 效率 低下， 人力物力成本高， 尤其对于有众多不同地区工厂的公司， 无法形成有效的可传 承的经 验。 因为是人工抽查， 无法检查到各产线的每一辆车， 更加无法进行实时返工纠正， 导致动 力总成支承的下线质量 不稳定。 [0005]现有技术中已有很多的基于视觉技术的质量检查方法， 如瑕疵检测、 零部件的有/ 无检测以及损坏程度检测等， 这些方法绝大部 分是采用预训练的卷积网络进 行图片分类的 迁移学习， 网络所提取出 的用于分类的特征是基于整张图片的全局特征， 而且是在大数据 的前提下， 通常训练数据都在万级以上， 在该情况下， 上述的分类特征较为明显的应用领域 (瑕疵/零件有 无/损坏程度等)可以取得很好的效果。 但动力总成支承的安装质量好坏的判 断依据仅仅来自于图片中很小的一部分局部区域， 该类型的图片分类任务被称为细粒度分 类， 即分类并不依赖图像的全局特征， 而仅仅依赖于图像的局部特征， 如不同品牌车辆的分 类、 不同品种的鸟类分类等， 均是通过图像局部特征来进行分类。 这类任务的相较于普通的 (非细粒度分类)图像分类来说， 难度要大很多， 主要在于： 1/类间差异很小(不同品牌的车 辆其外观都是相似的)； 2/类内差异大(同一品牌的车辆 之间反而会有比较大的差异)； 3/决 定分类结果的特 征仅仅存在于图片中的局部区域(车辆分类中的车 标位置)。 发明内容 [0006]针对现有技术的上述问题， 本发明提出了动力总成支承安装质量的检测方法动力 总成支承安装质量的检测方法、 工作台、 检测系统及计算机可读存储介质， 能基于现场的安 装图像来自动判断安装质量， 进 而提升动力总成支承的安装质量。 [0007]具体地， 本发明提出了动力总成支承安装质量的检测方法， 所述安装质量基于发说　明　书 1/7 页 3 CN 114565834 A 3