通过X射线CT和深度学习识别内部组件装配错误

摘要： 确保复杂产品的所有组件正确组装至关重要。由于许多情况下部分组件被封装在不透明外壳内，目前采用X射线成像技术提取其特征并与已知特征进行比对。但X射线成像在识别内部组件错误装配方面鲁棒性不足，因为某些组件可能相互重叠。为解决该问题，我们提出一种结合X射线计算机断层扫描（CT）与卷积神经网络（CNN）的新型内部组件装配故障检测方法：通过机械旋转产品使X射线CT机获取各内部组件的多视角投影信息，进而利用深度学习实现组件识别。训练CNN模型对内部组件分类并输出各组件坐标后，基于CNN识别结果与CT投影正弦图，可在标准产品的投影数据集中找到对应参考投影。通过比对各组件位置，可识别置换或错位情况。仿真与实验均表明，该方法能有效识别错误装配、缺失装配、组件置换等问题，显著提升产品质量。