CN119510002A 用于方向盘框架检测流水线的检测方法、装置及其可读存储介质 （宁波卓尔汽车零部件有限公司）

本发明提出了一种用于方向盘框架检测流进行装配质量分类或回归预测，训练出检测模据多模态数据与检测结果表征的流水线状态选2通过视觉图像分支提取所述多模态数据的图像中的纹理和形状以通过激光测距数据分支提取所述多模态数据的距离数据的时通过力传感器数据分支提取所述多模态数据的力变化数据的大小和变使用涵盖各种正常及缺陷装配情形的样本数据对多分支深度学习模型进行深度训练，智能体依据当前流水线的综合状态，通过强化学习算2.如权利要求1所述的一种用于方向盘框架检测流采用滤波算法去除噪声干扰，运用统计方法识别并处理异常值3.如权利要求1所述的一种用于方向盘框架检测4.如权利要求1所述的一种用于方向盘框架检测流水线的检测5.如权利要求1所述的一种用于方向盘框架检测6.如权利要求1所述的一种用于方向盘框架检测流水线7.如权利要求1_6任意一项所述的一种用于方向盘框架检测流水线的检测方法，其特3采集模块，用于获取焊接工位的方向盘框架的多角度焊接部位图特征提取模块，用于基于多分支深度学习模型对预处理后的多模态数据进行特征提智能体模块，用于构建强化学习智能体，将流水线的关智能体依据当前流水线的综合状态，通过强化学习算9.一种电子装置，包括存储器和处理器，其45如我司已申请专利CN118237903A一种汽车方向盘框架装配检测流水线，仅采用CCD检测模据进行精确装配质量检测，并借助强化学习智能体根据检测结果动态优化流水线控制参通过视觉图像分支提取多模态数据的图像中的纹理和形状以通过激光测距数据分支提取多模态数据的距离数据的时通过力传感器数据分支提取多模态数据的力变化数据的大小和变使用涵盖各种正常及缺陷装配情形的样本数据对多分支深度学习模型进行深度智能体依据当前流水线的综合状态，通过强化学习算法选择最优控制参数组合，6智能体依据当前流水线的综合状态，通过强化学习算法选择最优控制参数组合，7中所描述的实施方式并不代表与本说明书一个或多个实施例相一致的所有实施方式。相8精确测量焊接零部件之间的微小间隙及相对位置关系，为焊接质量评估提供关键数据支9单元。激光测距仪同时以100Hz的频率测量焊接零部件之间的距离，测量精度达到±[0040]数据采集单元为每个采集到的数据点添加精确的时间戳，时间戳精度达到毫秒[0,1]提高后续深度学习模型处理的效率和准确性。连接神经网络分析，得到一个100维的特征向量。将这三个特征向量进行拼接，得到一个[0047]激光测距数据分支运用一个包含2层LSTM（长短期记忆网络）单元的循环神经网回归预测任务。使用海量涵盖全面正常和缺陷装配情况的样本数据对模型进行深度训练，一个包含2个全连接层的分类器进行装配质量分类。全连接层的神经元数量分别为512和2试验和在实际生产线上进行500次在线学习，智能体逐渐掌握了根据不同流水线状态选择[0060]在实际生产过程中，当检测到某一批次方向盘框架的焊强化学习智能体根据当前流水线状态（包括多模态数据特征和前几个周期的质量统计信[0063]在本实施例中，深度学习模型对一个正在流水线上生产的方向盘框架进行检基于相同的构思，本发明还提出了一种用于方向盘框架检测流水线的检测装置，智能体依据当前流水线的综合状态，通过强化学习算法选择最优控制参数组合，的详细缺陷信息和位置。操作人员可以点击警报窗口查看更详细的多模态数据和检测结tionSpecificIntegratedCircuit，简称为ASIC或者可以被配置成实施本发明实施例的ROM、可编程ROM（ProgrammableRead_OnlyMemory，简称为PROM）、可擦除PROMrasableProgrammableRead_OnlyMemory，简称为EEPROM）、电可改写ROM个以上这些的组合。在合适的情况下，该RAM可以是静态随机存取存储器（StaticRandom_DRAM其中，DRAM可以是快速页模式动态随机存取存储器404（FastPageModeDynamicRandDynamicRandomAccessMemory，简称为EDODRAM）、同步动态随机存取内存[0078]传输设备406可以用来经由一个网络接收或者发送数据。上述的网络具体实例可