目标检测技术在变速器装配中的探索与应用

2023-01-04赵锦涛赵峰刘海波

汽车工艺师 2022年12期

赵锦涛，赵峰，刘海波

陕西法士特齿轮有限责任公司陕西宝鸡 722405

随着变速器行业的发展，电控机械式自动变速器（AMT）逐渐取代传统手动变速器（MT）已成为必然趋势，法士特也将AMT变速器作为战略项目产品，相比于传统手动变速器，其严格的质量要求与复杂的外围部件对装配工艺提出了更高的要求。

在变速器总成装配完成后，为避免不合格产品流入市场，终检便作为变速器出厂前的最后一道质量屏障；目前在法士特宝鸡装二车间，针对AMT变速器的终检，仍然借鉴传统产品主要依赖人工检查，但AMT变速器外围件复杂以及多品种小批量的生产模式，使得变速器终检的效率底下且质量控制容易受到人员因素影响，因此，我们需要探索一种更加适合AMT产品终检的手段。

数字化、自动化作为生产制造类企业的发展方向，我们同样需要将这些技术与思维注入到装配工艺中来。本文将以法士特6档AMT变速器为例，探索应用目标检测在装配车间的应用场景。

任务目标与目标检测整体方案规划

1.任务目标

法士特6挡AMT变速器离壳处装配1个吊耳，吊耳装配共两种状态，但具体方向根据协议具体要求变化，本文将此场景为例应用目标检测技术来完成自动检测并给出判断结果。

2.整体方案规划

本次目标检测采用的是YOLOV5算法，它是一种单阶段目标检测的算法，使用Pytorch框架，方便用户训练自己的数据集并投入到生产中，其不仅具有极快的对象处理响应速度，也能够同时满足图片、视频、摄像头多种检测需求，YOLOV5的代码是开源的可以在github获得；要实现此次任务目标主要分为三个步骤：检测模型搭建、检测结果可视化显示、实际效果验证。

硬件准备：计算机、相机（华望免驱USB工业相机）、镜头（华望6～12mm焦距300万像素工业镜头）。

检测模型搭建

检测模型搭建包含检测环境搭建、数据集制作、模型训练、预训练权重选择；其中检测环境的搭建主要为Anaconda的安装、Pytorch环境安装、paddle环境安装和pycharm安装，在网上已有许多资料可供参考参考不作讲述，因此接下来主要阐述关于数据集的制作。

1.数据集制作

此次我们的任务目标是检测6挡AMT离壳的一处吊耳方向，因此就需要在装配现场采集关于此处吊耳装配的照片数据，根据了解吊耳的装配方向分为朝左朝右两种，因此所采集的照片需要包含这两种情况。

1）照片采集（采集的照片数量约100张，可以满足训练需求）。

2）利用labelimg标注数据集 Lambeling是一种开源的图片数据标注工具，在软件安装好后，我们将照片数据放置到待标注的文件夹，对每一张照片中的吊耳进行框选并选择对应标签，标签分为两种：“左”与“右”，框选时注意预选框将吊耳完全选中，标签全部标注后在预先设置的文件夹目录中可以看到标签文件。

3）数据集格式转化由于YOLOV5要求的数据标签格式为TXT格式，所以要将labelimg标注的VOC格式标签转化为TXT文件，同时在转换的过程中需要注意最终转换的TXT文件名称与图片名称保持一致；格式转换完成后打开TXT文件可以看到一行数字，其中第一个数字代表的是目标类别，后边的四个数字是归一化后的标注的中心点坐标和归一化标注框的长和宽。

4）将数据集划分为训练集与验证集在做模型训练前，首先需要将前边得到的数据集划分为训练集与验证集，训练集是用于训练模型的样本集合，主要用来训练神经网络中的参数，而验证集顾名思义是在训练集训练结束后，通过验证集来比较判断各个模型的性能最终找到最佳的参数。一般情况下，训练集与验证集的划分比例为8:2。

5）预训练权重选择 YOLOV5为我们提供了集中预训练权重，我们可以根据不同的检测需求来选择不同的预训练权重，一般情况下预训练权重越大，最终得到的模型检测精度越高，但模型的训练速度就会越慢，本次训练所用的预训练权重选择yolov5s.pt。