本發(fā)明涉及測(cè)試領(lǐng)域，尤其涉及一種生產(chǎn)線上的自動(dòng)化檢測(cè)方法及裝置。

背景技術(shù)：

生產(chǎn)線上對(duì)生產(chǎn)的設(shè)備進(jìn)行質(zhì)量檢測(cè)，如對(duì)設(shè)備的揚(yáng)聲器質(zhì)量進(jìn)行檢測(cè)，包括有無聲、有無大幅度衰減瑕疵，是否有振音瑕疵等，振音指發(fā)出轟轟巨響，產(chǎn)生機(jī)殼和揚(yáng)聲器共振的現(xiàn)象，該現(xiàn)象有多個(gè)因素共同促成，例如設(shè)備的機(jī)殼的材質(zhì)、厚薄程度、設(shè)計(jì)的結(jié)構(gòu)、安裝位置等。

可通過揚(yáng)聲器播放音頻，用人耳鑒別，但是人工檢測(cè)效率低。現(xiàn)有技術(shù)的自動(dòng)化檢測(cè)中用麥克風(fēng)采集揚(yáng)聲器播放的音頻，通過對(duì)采集到的音頻進(jìn)行頻率分析等方法檢測(cè)是否存在缺陷，但是生產(chǎn)線的現(xiàn)場(chǎng)存在噪聲，易造成干擾，對(duì)用采集到的音頻進(jìn)行分析檢測(cè)的難度增加，且振音缺陷檢測(cè)的精準(zhǔn)度大大降低。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的在于提供一種生產(chǎn)線上的自動(dòng)化檢測(cè)方法及裝置，采用生產(chǎn)線上的自動(dòng)化檢測(cè)方法，避免了人工檢測(cè)準(zhǔn)確度低的情況，大大提高了振音缺陷檢測(cè)的精度。

本發(fā)明第一方面提供了一種生產(chǎn)線上的自動(dòng)化檢測(cè)方法，包括：

當(dāng)檢測(cè)到生產(chǎn)線上的待測(cè)設(shè)備播放測(cè)試音頻時(shí)，采集所述待測(cè)設(shè)備在預(yù)設(shè)頻率下的音頻數(shù)據(jù)以及所述音頻數(shù)據(jù)對(duì)應(yīng)的振動(dòng)偏移量；

獲取由振動(dòng)樣本數(shù)據(jù)學(xué)習(xí)訓(xùn)練得到的神經(jīng)網(wǎng)絡(luò)模型；

將所述音頻數(shù)據(jù)和所述振動(dòng)偏移量輸入所述神經(jīng)網(wǎng)絡(luò)模型，并與所述神經(jīng)網(wǎng)絡(luò)模型中的樣本特征空間進(jìn)行比較，輸出比較結(jié)果，由所述比較結(jié)果確定所述待測(cè)設(shè)備的檢測(cè)結(jié)果。

優(yōu)選的，所述當(dāng)檢測(cè)到生產(chǎn)線上的待測(cè)設(shè)備播放測(cè)試音頻時(shí)，采集所述待測(cè)設(shè)備在預(yù)設(shè)頻率下的音頻數(shù)據(jù)以及所述音頻數(shù)據(jù)對(duì)應(yīng)的振動(dòng)偏移量之前，所述方法還包括：

采集所述待測(cè)設(shè)備在所述預(yù)設(shè)頻率下的所述樣本音頻數(shù)據(jù)；以及采集由所述振動(dòng)傳感器獲取到的樣本振動(dòng)偏移量；所述樣本振動(dòng)偏移量與所述預(yù)設(shè)頻率對(duì)應(yīng)；

由所述樣本音頻數(shù)據(jù)和所述樣本振動(dòng)偏移量構(gòu)成所述樣本特征空間，并對(duì)所述樣本特征空間進(jìn)行學(xué)習(xí)訓(xùn)練，訓(xùn)練得到所述神經(jīng)網(wǎng)絡(luò)模型。

優(yōu)選的，將所述音頻數(shù)據(jù)和所述振動(dòng)偏移量輸入所述神經(jīng)網(wǎng)絡(luò)模型，并與所述神經(jīng)網(wǎng)絡(luò)模型中的樣本特征空間進(jìn)行比較，輸出比較結(jié)果，由所述比較結(jié)果確定所述待測(cè)設(shè)備的檢測(cè)結(jié)果，包括：

若所述音頻數(shù)據(jù)對(duì)應(yīng)的所述振動(dòng)偏移量滿足所述神經(jīng)網(wǎng)絡(luò)模型中的預(yù)設(shè)閾值時(shí)，確定所述比較結(jié)果的類別，所述比較結(jié)果的類別包括：振音缺陷設(shè)備或完好設(shè)備。

優(yōu)選的，所述振動(dòng)傳感器包括：光學(xué)振動(dòng)傳感器，所述振動(dòng)偏移量包括：所述光學(xué)振動(dòng)傳感器發(fā)射的光折射在所述待測(cè)設(shè)備后接收的光強(qiáng)度。

優(yōu)選的，所述由所述比較結(jié)果確定所述待測(cè)設(shè)備的檢測(cè)結(jié)果之后，所述方法還包括：

將所述待測(cè)設(shè)備的檢測(cè)結(jié)果輸入所述神經(jīng)網(wǎng)絡(luò)模型，并計(jì)算檢測(cè)準(zhǔn)確率；

若所述計(jì)算得到的準(zhǔn)確率低于參考門限值，由所述待測(cè)設(shè)備的檢測(cè)結(jié)果更 新所述神經(jīng)網(wǎng)絡(luò)模型。

本發(fā)明第二方面提供了一種生產(chǎn)線上的自動(dòng)化檢測(cè)裝置，包括：

采集模塊，用于當(dāng)檢測(cè)到生產(chǎn)線上的待測(cè)設(shè)備播放測(cè)試音頻時(shí)，采集所述待測(cè)設(shè)備在預(yù)設(shè)頻率下的音頻數(shù)據(jù)以及所述音頻數(shù)據(jù)對(duì)應(yīng)的振動(dòng)偏移量；

獲取模塊，用于獲取由振動(dòng)樣本數(shù)據(jù)學(xué)習(xí)訓(xùn)練得到的神經(jīng)網(wǎng)絡(luò)模型；

檢測(cè)模塊，用于將所述音頻數(shù)據(jù)和所述振動(dòng)偏移量輸入所述神經(jīng)網(wǎng)絡(luò)模型，并與所述神經(jīng)網(wǎng)絡(luò)模型中的樣本特征空間進(jìn)行比較，輸出比較結(jié)果，由所述比較結(jié)果確定所述待測(cè)設(shè)備的檢測(cè)結(jié)果。

優(yōu)選的，所述裝置還包括：訓(xùn)練模塊；

所述采集模塊，還用于采集所述待測(cè)設(shè)備在所述預(yù)設(shè)頻率下的所述樣本音頻數(shù)據(jù)；以及采集由所述振動(dòng)傳感器獲取到的樣本振動(dòng)偏移量；所述樣本振動(dòng)偏移量與所述預(yù)設(shè)頻率對(duì)應(yīng)；

所述訓(xùn)練模塊，用于由所述樣本音頻數(shù)據(jù)和所述樣本振動(dòng)偏移量構(gòu)成所述樣本特征空間，并對(duì)所述樣本特征空間進(jìn)行學(xué)習(xí)訓(xùn)練，訓(xùn)練得到所述神經(jīng)網(wǎng)絡(luò)模型。

優(yōu)選的，所述檢測(cè)模塊具體用于：

若所述音頻數(shù)據(jù)對(duì)應(yīng)的所述振動(dòng)偏移量滿足所述神經(jīng)網(wǎng)絡(luò)模型中的預(yù)設(shè)閾值時(shí)，確定所述比較結(jié)果的類別，所述比較結(jié)果的類別包括：振音缺陷設(shè)備或完好設(shè)備。

優(yōu)選的，所述振動(dòng)傳感器包括：光學(xué)振動(dòng)傳感器，所述振動(dòng)偏移量包括：所述光學(xué)振動(dòng)傳感器發(fā)射的光折射在所述待測(cè)設(shè)備后接收的光強(qiáng)度。

優(yōu)選的，所述裝置還包括：

計(jì)算模塊，用于將所述待測(cè)設(shè)備的檢測(cè)結(jié)果輸入所述神經(jīng)網(wǎng)絡(luò)模型，并計(jì) 算檢測(cè)準(zhǔn)確率；

更新模塊，用于在所述計(jì)算得到的準(zhǔn)確率低于參考門限值時(shí)，由所述待測(cè)設(shè)備的檢測(cè)結(jié)果更新所述神經(jīng)網(wǎng)絡(luò)模型。

實(shí)施本發(fā)明具有以下有益效果：

本發(fā)明實(shí)施例中，當(dāng)檢測(cè)到生產(chǎn)線上的待測(cè)設(shè)備播放測(cè)試音頻時(shí)，采集待測(cè)設(shè)備在預(yù)設(shè)頻率下的音頻數(shù)據(jù)以及音頻數(shù)據(jù)對(duì)應(yīng)的振動(dòng)偏移量；獲取由振動(dòng)樣本數(shù)據(jù)學(xué)習(xí)訓(xùn)練得到的神經(jīng)網(wǎng)絡(luò)模型；將音頻數(shù)據(jù)和所述振動(dòng)偏移量輸入神經(jīng)網(wǎng)絡(luò)模型，并與神經(jīng)網(wǎng)絡(luò)模型中的樣本特征空間進(jìn)行比較，輸出比較結(jié)果，由比較結(jié)果確定待測(cè)設(shè)備的檢測(cè)結(jié)果。通過本發(fā)明實(shí)施例，采用生產(chǎn)線上的自動(dòng)化檢測(cè)方法，避免了人工檢測(cè)準(zhǔn)確度低的情況，通過采集待測(cè)設(shè)備在預(yù)設(shè)頻率下的音頻數(shù)據(jù)以及音頻數(shù)據(jù)對(duì)應(yīng)的振動(dòng)偏移量進(jìn)行分析比較確定待測(cè)設(shè)備是否存在振音缺陷，結(jié)合了音頻采集和振動(dòng)測(cè)試，避免了生產(chǎn)線上的聲音或光波對(duì)振音檢測(cè)的干擾，大大提高了振音缺陷檢測(cè)的精度。

附圖說明

圖1為本發(fā)明實(shí)施例提供的一種生產(chǎn)線上的自動(dòng)化檢測(cè)方法的流程圖；

圖2是為本發(fā)明實(shí)施例提供的又一種生產(chǎn)線上的自動(dòng)化檢測(cè)方法的示意圖；

圖3為本發(fā)明實(shí)施例提供的一種生產(chǎn)線上的自動(dòng)化檢測(cè)裝置的結(jié)構(gòu)示意圖。

具體實(shí)施方式

為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點(diǎn)更加清楚明白，以下結(jié)合附圖及實(shí)施例，對(duì)本發(fā)明進(jìn)行進(jìn)一步詳細(xì)說明。應(yīng)當(dāng)理解，此處所描述的具體實(shí)施例僅僅用以解釋本發(fā)明，并不用于限定本發(fā)明。

本發(fā)明實(shí)施例提供一種生產(chǎn)線上的自動(dòng)化檢測(cè)方法及裝置，其中，生產(chǎn)線上的自動(dòng)化檢測(cè)裝置可以為生產(chǎn)線上的檢測(cè)裝備，用于采集數(shù)據(jù)和處理數(shù)據(jù)，如產(chǎn)線上用于檢測(cè)電視機(jī)、顯示器、音響、音箱等產(chǎn)品的機(jī)器視覺機(jī)器人等。本發(fā)明實(shí)施例提供的生產(chǎn)線上包括流水線，待測(cè)設(shè)備、自動(dòng)化檢測(cè)裝置以及傳感器，其中，待測(cè)設(shè)備設(shè)于流水線上，自動(dòng)化檢測(cè)裝置與傳感器連接，自動(dòng)化檢測(cè)裝置可控制待測(cè)設(shè)備。通過本發(fā)明實(shí)施例，可實(shí)現(xiàn)產(chǎn)線上的自動(dòng)化振音檢測(cè)，提高待測(cè)設(shè)備的振音檢測(cè)精度。下述通過具體實(shí)施例詳述。

參見圖1，為本發(fā)明實(shí)施例提供的一種生產(chǎn)線上的自動(dòng)化檢測(cè)方法的示意圖。如圖所示，本發(fā)明實(shí)施例提供的生產(chǎn)線上的自動(dòng)化檢測(cè)方法可以包括步驟S101～S103。

S101，當(dāng)檢測(cè)到生產(chǎn)線上的待測(cè)設(shè)備播放測(cè)試音頻時(shí)，采集待測(cè)設(shè)備在預(yù)設(shè)頻率下的音頻數(shù)據(jù)以及音頻數(shù)據(jù)對(duì)應(yīng)的振動(dòng)偏移量。

具體實(shí)現(xiàn)中，生產(chǎn)線上的待測(cè)設(shè)備在播放測(cè)試音頻，可通過麥克風(fēng)采集待測(cè)設(shè)備播放的測(cè)試音頻，得到音頻數(shù)據(jù)，更進(jìn)一步的，采集在預(yù)設(shè)頻率下的音頻數(shù)據(jù)。例如，用麥克風(fēng)收集待測(cè)設(shè)備的實(shí)際播放的音頻，分別記錄下當(dāng)待測(cè)設(shè)備調(diào)試到頻率25、50、75、100時(shí)，麥克風(fēng)實(shí)際測(cè)量得到的對(duì)應(yīng)音量數(shù)據(jù)的數(shù)組A_sound＝{a₁,a₂,a₃,a₄}。

具體的，以待測(cè)設(shè)備的喇叭所處平面作為系統(tǒng)平面，在一頭安裝紅外激光發(fā)射器，激光器發(fā)出激光照射到待測(cè)設(shè)備的喇叭平面處，在沿光發(fā)射路徑處安裝一個(gè)紅外激光接收器，這兩個(gè)紅外發(fā)射接收器都固定安裝。在紅外接收器精度足夠的情況下，根據(jù)光波反射定律，若待測(cè)設(shè)備的喇叭平面平穩(wěn)沒有移動(dòng)，則紅外激光發(fā)射出來的能量和接收器接收到的能量守恒。

進(jìn)一步的，當(dāng)紅外激光發(fā)射器和接收器正常工作時(shí)，將接收器連接到量化光亮度讀出數(shù)據(jù)d₁。在待測(cè)設(shè)備播放音頻時(shí)，若存在振音缺陷，則表明待測(cè)設(shè)備的機(jī)殼會(huì)隨喇叭進(jìn)行不規(guī)則振動(dòng)，導(dǎo)致出現(xiàn)漫反射現(xiàn)象，紅外激光的光波實(shí)際反射路徑發(fā)生改變，而紅外激光器的接收路徑是不變的，有部分的發(fā)射光波處在接收區(qū)域以外從而導(dǎo)致采集到的光亮度變小，則此時(shí)光亮度量化后讀出數(shù)據(jù)d₁±Δx。

音頻數(shù)據(jù)對(duì)應(yīng)的振動(dòng)偏移量可通過振動(dòng)傳感器采集，振動(dòng)傳感器例如光學(xué)振動(dòng)傳感器。振動(dòng)偏移量包括：光學(xué)振動(dòng)傳感器發(fā)射的光折射在待測(cè)設(shè)備后接收的光強(qiáng)度。可設(shè)置不同的頻率對(duì)應(yīng)于系統(tǒng)發(fā)射不同光亮度的紅外激光。例如，測(cè)試音頻播放10秒以上，每200毫秒定時(shí)采集一次，定量采集50個(gè)音頻數(shù)據(jù)，記錄為ΔX＝{Δx₁,Δx₂,...Δx₅₀}，由采集所得的離散光強(qiáng)度數(shù)據(jù)恢復(fù)成連續(xù)光亮度數(shù)據(jù)，記錄其中頻率為50Hz、75Hz、100Hz、125Hz和150Hz時(shí)對(duì)應(yīng)的光強(qiáng)度數(shù)據(jù)I_Hz＝{i₁,i₂,i₃,i₄,i₅}。

S102，獲取由振動(dòng)樣本數(shù)據(jù)學(xué)習(xí)訓(xùn)練得到的神經(jīng)網(wǎng)絡(luò)模型。

具體實(shí)現(xiàn)中，神經(jīng)網(wǎng)絡(luò)模型為預(yù)先由振動(dòng)樣本數(shù)據(jù)學(xué)習(xí)訓(xùn)練得到，如BP(Back Propagation)神經(jīng)網(wǎng)絡(luò)。更進(jìn)一步的，為步驟S101之前的方法步驟實(shí)現(xiàn)，如下：

采集待測(cè)設(shè)備在預(yù)設(shè)頻率下的樣本音頻數(shù)據(jù)；以及采集由振動(dòng)傳感器獲取到的樣本振動(dòng)偏移量；樣本振動(dòng)偏移量與預(yù)設(shè)頻率對(duì)應(yīng)；

由樣本音頻數(shù)據(jù)和樣本振動(dòng)偏移量構(gòu)成樣本特征空間，并對(duì)樣本特征空間進(jìn)行學(xué)習(xí)訓(xùn)練，訓(xùn)練得到神經(jīng)網(wǎng)絡(luò)模型。

具體的，生產(chǎn)線上的待測(cè)設(shè)備在播放測(cè)試音頻，可通過麥克風(fēng)采集待測(cè)設(shè)備播放的測(cè)試音頻，得到樣本音頻數(shù)據(jù)，更進(jìn)一步的，采集在預(yù)設(shè)頻率下的樣 本音頻數(shù)據(jù)。進(jìn)一步的，為豐富樣本集，設(shè)置待測(cè)設(shè)備每次播放一樣的聲音音頻文件，聲音文件里盡可能涵蓋多頻率連續(xù)的聲音。例如，故設(shè)置播放音頻為連續(xù)周期正弦信號(hào)，紅外激光器發(fā)出的激光是與音頻同步的連續(xù)周期正弦信號(hào)。用紅外接收器定時(shí)采集，例如，測(cè)試音頻播放10秒以上，每200毫秒定時(shí)采集一次，定量采集50個(gè)音頻數(shù)據(jù)，記錄為ΔX’，由采集所得的離散光強(qiáng)度數(shù)據(jù)恢復(fù)成連續(xù)光亮度數(shù)據(jù)，記錄其中頻率為50Hz、75Hz、100Hz、125Hz和150Hz時(shí)對(duì)應(yīng)的光強(qiáng)度數(shù)據(jù)I’_Hz。對(duì)多個(gè)正常的待測(cè)設(shè)備進(jìn)行采集，樣本為Y＝{(A_sound,I_Hz)|A_sound∈(25,50,75,100)}，標(biāo)記為Result＝1；并且對(duì)多個(gè)有振音的電視機(jī)采集，若無多個(gè)含振音缺陷的待測(cè)設(shè)備，則可以用一個(gè)有缺陷的待測(cè)設(shè)備采集多次，樣本為Y′＝{(A_sound,I_Hz)|A_sound∈(25,50,75,100)}，標(biāo)記為Result＝0。

有ΔX’和I’_Hz構(gòu)成樣本特征空間，通過BP(Back Propagation)神經(jīng)網(wǎng)絡(luò)進(jìn)行學(xué)習(xí)訓(xùn)練。例如樣本庫有40個(gè)，每個(gè)樣本有50個(gè)參數(shù)Δx作為第一層細(xì)胞的輸入，輸出學(xué)習(xí)訓(xùn)練結(jié)果，學(xué)習(xí)后得出帶有經(jīng)驗(yàn)的神經(jīng)網(wǎng)絡(luò)。

S103，將音頻數(shù)據(jù)和振動(dòng)偏移量輸入神經(jīng)網(wǎng)絡(luò)模型，并與神經(jīng)網(wǎng)絡(luò)模型中的樣本特征空間進(jìn)行比較，輸出比較結(jié)果，由比較結(jié)果確定待測(cè)設(shè)備的檢測(cè)結(jié)果。

具體實(shí)現(xiàn)中，將采集到的音頻數(shù)據(jù)和振動(dòng)偏移量輸入神經(jīng)網(wǎng)絡(luò)模型中，并與神經(jīng)網(wǎng)絡(luò)模型中的樣本特征空間進(jìn)行比較，進(jìn)行分類，輸出比較結(jié)果，確定比較結(jié)果的類別，比較結(jié)果的類別包括：振音缺陷設(shè)備或完好設(shè)備。

進(jìn)一步可選的，步驟S103具體可以包括：

若音頻數(shù)據(jù)對(duì)應(yīng)的振動(dòng)偏移量滿足神經(jīng)網(wǎng)絡(luò)模型中的預(yù)設(shè)閾值時(shí)，確定比較結(jié)果的類別，比較結(jié)果的類別包括：振音缺陷設(shè)備或完好設(shè)備。

具體實(shí)現(xiàn)中，為了排除生產(chǎn)線上其他同頻率聲音/光波的干擾，可以作以下 約定：測(cè)試時(shí)，系統(tǒng)判斷依據(jù)可以改為在確定待測(cè)設(shè)備頻率情況下，紅外接收器接受到的光強(qiáng)，必須在50Hz、75Hz、100Hz、125Hz和150Hz這5個(gè)頻率下有任意3個(gè)頻率光強(qiáng)處于BP神經(jīng)網(wǎng)絡(luò)里面的預(yù)設(shè)閾值內(nèi)，才能輸出相應(yīng)的神經(jīng)網(wǎng)絡(luò)訓(xùn)練結(jié)果。

因?yàn)樯a(chǎn)線上的聲音/光波的干擾中，極少同時(shí)出現(xiàn)50Hz、75Hz、100Hz、125Hz和150Hz中的任意3個(gè)頻率均存在并對(duì)測(cè)試結(jié)果進(jìn)行干擾的情況，因此，可以大大減少誤判的情況，使得本發(fā)明不需要十分苛刻的安靜環(huán)境，在一般生產(chǎn)線上就能實(shí)現(xiàn)。

進(jìn)一步的，在步驟S103之后，本發(fā)明實(shí)施例提供的方法還可以包括步驟：

將待測(cè)設(shè)備的檢測(cè)結(jié)果輸入神經(jīng)網(wǎng)絡(luò)模型，并計(jì)算檢測(cè)準(zhǔn)確率；

若計(jì)算得到的準(zhǔn)確率低于參考門限值，由待測(cè)設(shè)備的檢測(cè)結(jié)果更新神經(jīng)網(wǎng)絡(luò)模型。

具體實(shí)現(xiàn)中，本發(fā)明實(shí)施例的神經(jīng)網(wǎng)絡(luò)算法還實(shí)現(xiàn)再學(xué)習(xí)功能，將待測(cè)設(shè)備的檢測(cè)結(jié)果返回輸入神經(jīng)網(wǎng)絡(luò)模型中，計(jì)算本次檢測(cè)的準(zhǔn)確率，在準(zhǔn)確率低于參考門限值時(shí)，更新神經(jīng)網(wǎng)絡(luò)模型，并根據(jù)待測(cè)設(shè)備對(duì)神經(jīng)網(wǎng)絡(luò)模型進(jìn)行修正。

如圖2所示，為本發(fā)明實(shí)施例提供的生產(chǎn)線上的自動(dòng)化檢測(cè)方法的又一示意圖，待測(cè)設(shè)備設(shè)于生產(chǎn)線上，自動(dòng)化檢測(cè)裝置可設(shè)于產(chǎn)線上，也可設(shè)于產(chǎn)線外，通過無線通訊。自動(dòng)化檢測(cè)裝置與振動(dòng)傳感器連接，自動(dòng)化檢測(cè)裝置設(shè)有麥克風(fēng)，用于采集音頻數(shù)據(jù)。通過樣本振動(dòng)偏移量和樣本音頻數(shù)據(jù)學(xué)習(xí)訓(xùn)練得到神經(jīng)網(wǎng)絡(luò)模型，在檢測(cè)待測(cè)設(shè)備時(shí)，向訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型輸入振動(dòng)偏移量和音頻數(shù)據(jù)，進(jìn)行分類檢測(cè)，最后輸出結(jié)果，得到檢測(cè)結(jié)果，再將檢測(cè)結(jié)果返回神經(jīng)網(wǎng)絡(luò)模型進(jìn)行再學(xué)習(xí)和校正。

本發(fā)明實(shí)施例提供了一種在生產(chǎn)線上的自動(dòng)化檢測(cè)方法，當(dāng)檢測(cè)到生產(chǎn)線上的待測(cè)設(shè)備播放測(cè)試音頻時(shí)，采集待測(cè)設(shè)備在預(yù)設(shè)頻率下的音頻數(shù)據(jù)以及音頻數(shù)據(jù)對(duì)應(yīng)的振動(dòng)偏移量；獲取由振動(dòng)樣本數(shù)據(jù)學(xué)習(xí)訓(xùn)練得到的神經(jīng)網(wǎng)絡(luò)模型；將音頻數(shù)據(jù)和所述振動(dòng)偏移量輸入神經(jīng)網(wǎng)絡(luò)模型，并與神經(jīng)網(wǎng)絡(luò)模型中的樣本特征空間進(jìn)行比較，輸出比較結(jié)果，由比較結(jié)果確定待測(cè)設(shè)備的檢測(cè)結(jié)果。通過本發(fā)明實(shí)施例，采用生產(chǎn)線上的自動(dòng)化檢測(cè)方法，避免了人工檢測(cè)準(zhǔn)確度低的情況，通過采集待測(cè)設(shè)備在預(yù)設(shè)頻率下的音頻數(shù)據(jù)以及音頻數(shù)據(jù)對(duì)應(yīng)的振動(dòng)偏移量進(jìn)行分析比較確定待測(cè)設(shè)備是否存在振音缺陷，結(jié)合了音頻采集和振動(dòng)測(cè)試，避免了生產(chǎn)線上的聲音或光波對(duì)振音檢測(cè)的干擾，得到的檢測(cè)結(jié)果再返回神經(jīng)網(wǎng)絡(luò)模型進(jìn)行學(xué)習(xí)校正，大大提高了振音缺陷檢測(cè)的精度。

下面將結(jié)合附圖3，對(duì)本發(fā)明實(shí)施例提供的一種生產(chǎn)線上的自動(dòng)化檢測(cè)裝置進(jìn)行詳細(xì)介紹，需要說明的是，圖3所述的裝置為附圖1所示的方法的執(zhí)行主體，為了便于說明，僅示出了與本發(fā)明實(shí)施例相關(guān)的部分，具體技術(shù)細(xì)節(jié)未揭示的，請(qǐng)參照本發(fā)明實(shí)施例圖1和圖2所示的實(shí)施例。

如圖3所示，本發(fā)明實(shí)施例提供的生產(chǎn)線上的自動(dòng)化檢測(cè)裝置包括：采集模塊301、獲取模塊302以及檢測(cè)模塊303。

采集模塊301，用于當(dāng)檢測(cè)到生產(chǎn)線上的待測(cè)設(shè)備播放測(cè)試音頻時(shí)，采集待測(cè)設(shè)備在預(yù)設(shè)頻率下的音頻數(shù)據(jù)以及音頻數(shù)據(jù)對(duì)應(yīng)的振動(dòng)偏移量。

具體實(shí)現(xiàn)中，生產(chǎn)線上的待測(cè)設(shè)備在播放測(cè)試音頻，可通過麥克風(fēng)采集待測(cè)設(shè)備播放的測(cè)試音頻，得到音頻數(shù)據(jù)，更進(jìn)一步的，采集在預(yù)設(shè)頻率下的音頻數(shù)據(jù)。例如，用麥克風(fēng)收集待測(cè)設(shè)備的實(shí)際播放的音頻，分別記錄下當(dāng)待測(cè)設(shè)備調(diào)試到頻率25、50、75、100時(shí)，麥克風(fēng)實(shí)際測(cè)量得到的對(duì)應(yīng)音量數(shù)據(jù)的 數(shù)組A_sound＝{a₁,a₂,a₃,a₄}。

音頻數(shù)據(jù)對(duì)應(yīng)的振動(dòng)偏移量可通過振動(dòng)傳感器采集，振動(dòng)傳感器例如光學(xué)振動(dòng)傳感器。振動(dòng)偏移量包括：光學(xué)振動(dòng)傳感器發(fā)射的光折射在待測(cè)設(shè)備后接收的光強(qiáng)度?？稍O(shè)置不同的頻率對(duì)應(yīng)于系統(tǒng)發(fā)射不同光亮度的紅外激光。例如，測(cè)試音頻播放10秒以上，每200毫秒定時(shí)采集一次，定量采集50個(gè)音頻數(shù)據(jù)，記錄為ΔX＝{Δx₁,Δx₂,...Δx₅₀}，由采集所得的離散光強(qiáng)度數(shù)據(jù)恢復(fù)成連續(xù)光亮度數(shù)據(jù)，記錄其中頻率為50Hz、75Hz、100Hz、125Hz和150Hz時(shí)對(duì)應(yīng)的光強(qiáng)度數(shù)據(jù)I_Hz＝{i₁,i₂,i₃,i₄,i₅}。

獲取模塊302，用于獲取由振動(dòng)樣本數(shù)據(jù)學(xué)習(xí)訓(xùn)練得到的神經(jīng)網(wǎng)絡(luò)模型。

進(jìn)一步可選的，本發(fā)明實(shí)施例提供的裝置還包括：訓(xùn)練模塊304；

采集模塊301，還用于采集待測(cè)設(shè)備在預(yù)設(shè)頻率下的樣本音頻數(shù)據(jù)；以及采集由振動(dòng)傳感器獲取到的樣本振動(dòng)偏移量；樣本振動(dòng)偏移量與預(yù)設(shè)頻率對(duì)應(yīng)；

訓(xùn)練模塊304，用于由樣本音頻數(shù)據(jù)和樣本振動(dòng)偏移量構(gòu)成樣本特征空間，并對(duì)樣本特征空間進(jìn)行學(xué)習(xí)訓(xùn)練，訓(xùn)練得到神經(jīng)網(wǎng)絡(luò)模型。

具體如何訓(xùn)練得到神經(jīng)網(wǎng)絡(luò)模型參見圖1所示，在此不重復(fù)。

檢測(cè)模塊303，用于將音頻數(shù)據(jù)和振動(dòng)偏移量輸入神經(jīng)網(wǎng)絡(luò)模型，并與神經(jīng)網(wǎng)絡(luò)模型中的樣本特征空間進(jìn)行比較，輸出比較結(jié)果，由比較結(jié)果確定待測(cè)設(shè)備的檢測(cè)結(jié)果。

具體實(shí)現(xiàn)中，檢測(cè)模塊303將采集到的音頻數(shù)據(jù)和振動(dòng)偏移量輸入神經(jīng)網(wǎng)絡(luò)模型中，并與神經(jīng)網(wǎng)絡(luò)模型中的樣本特征空間進(jìn)行比較，進(jìn)行分類，輸出比較結(jié)果，確定比較結(jié)果的類別，比較結(jié)果的類別包括：振音缺陷設(shè)備或完好設(shè)備。

進(jìn)一步的，檢測(cè)模塊303具體用于：

若音頻數(shù)據(jù)對(duì)應(yīng)的振動(dòng)偏移量滿足神經(jīng)網(wǎng)絡(luò)模型中的預(yù)設(shè)閾值時(shí)，確定比 較結(jié)果的類別，述比較結(jié)果的類別包括：振音缺陷設(shè)備或完好設(shè)備。

具體實(shí)現(xiàn)中，為了排除生產(chǎn)線上其他同頻率聲音/光波的干擾，可以作以下約定：測(cè)試時(shí)，系統(tǒng)判斷依據(jù)可以改為在確定待測(cè)設(shè)備頻率情況下，紅外接收器接受到的光強(qiáng)，必須在50Hz、75Hz、100Hz、125Hz和150Hz這5個(gè)頻率下有任意3個(gè)頻率光強(qiáng)處于BP神經(jīng)網(wǎng)絡(luò)里面的預(yù)設(shè)閾值內(nèi)，才能輸出相應(yīng)的神經(jīng)網(wǎng)絡(luò)訓(xùn)練結(jié)果。可以大大減少誤判的情況，使得本發(fā)明不需要十分苛刻的安靜環(huán)境，在一般生產(chǎn)線上就能實(shí)現(xiàn)。

進(jìn)一步可選的，本發(fā)明實(shí)施例提供的裝置還包括：計(jì)算模塊305和更新模塊306。

計(jì)算模塊305，用于將待測(cè)設(shè)備的檢測(cè)結(jié)果輸入神經(jīng)網(wǎng)絡(luò)模型，并計(jì)算檢測(cè)準(zhǔn)確率；

更新模塊306，用于在計(jì)算得到的準(zhǔn)確率低于參考門限值時(shí)，由待測(cè)設(shè)備的檢測(cè)結(jié)果更新神經(jīng)網(wǎng)絡(luò)模型。

具體實(shí)現(xiàn)中，本發(fā)明實(shí)施例的神經(jīng)網(wǎng)絡(luò)算法還實(shí)現(xiàn)再學(xué)習(xí)功能，將待測(cè)設(shè)備的檢測(cè)結(jié)果返回輸入神經(jīng)網(wǎng)絡(luò)模型中，計(jì)算模塊305計(jì)算本次檢測(cè)的準(zhǔn)確率，在準(zhǔn)確率低于參考門限值時(shí)，更新模塊306更新神經(jīng)網(wǎng)絡(luò)模型，并根據(jù)待測(cè)設(shè)備對(duì)神經(jīng)網(wǎng)絡(luò)模型進(jìn)行修正。

本發(fā)明實(shí)施例提供了一種在生產(chǎn)線上的自動(dòng)化檢測(cè)裝置，當(dāng)檢測(cè)到生產(chǎn)線上的待測(cè)設(shè)備播放測(cè)試音頻時(shí)，采集模塊用于采集待測(cè)設(shè)備在預(yù)設(shè)頻率下的音頻數(shù)據(jù)以及音頻數(shù)據(jù)對(duì)應(yīng)的振動(dòng)偏移量；獲取模塊用于獲取由振動(dòng)樣本數(shù)據(jù)學(xué)習(xí)訓(xùn)練得到的神經(jīng)網(wǎng)絡(luò)模型；檢測(cè)模塊用于將音頻數(shù)據(jù)和所述振動(dòng)偏移量輸入神經(jīng)網(wǎng)絡(luò)模型，并與神經(jīng)網(wǎng)絡(luò)模型中的樣本特征空間進(jìn)行比較，輸出比較結(jié)果，由比較結(jié)果確定待測(cè)設(shè)備的檢測(cè)結(jié)果。通過本發(fā)明實(shí)施例，采用生產(chǎn)線上的自 動(dòng)化檢測(cè)方法，避免了人工檢測(cè)準(zhǔn)確度低的情況，通過采集待測(cè)設(shè)備在預(yù)設(shè)頻率下的音頻數(shù)據(jù)以及音頻數(shù)據(jù)對(duì)應(yīng)的振動(dòng)偏移量進(jìn)行分析比較確定待測(cè)設(shè)備是否存在振音缺陷，結(jié)合了音頻采集和振動(dòng)測(cè)試，避免了生產(chǎn)線上的聲音或光波對(duì)振音檢測(cè)的干擾，得到的檢測(cè)結(jié)果再返回神經(jīng)網(wǎng)絡(luò)模型進(jìn)行學(xué)習(xí)校正，大大提高了振音缺陷檢測(cè)的精度。

以上所述實(shí)施例僅表達(dá)了本發(fā)明的幾種實(shí)施方式，其描述較為具體和詳細(xì)，但并不能因此而理解為對(duì)本發(fā)明專利范圍的限制。應(yīng)當(dāng)指出的是，對(duì)于本領(lǐng)域的普通技術(shù)人員來說，在不脫離本發(fā)明構(gòu)思的前提下，還可以做出若干變形和改進(jìn)，這些都屬于本發(fā)明的保護(hù)范圍。因此，本發(fā)明專利的保護(hù)范圍應(yīng)以所附權(quán)利要求為準(zhǔn)。