机箱是电脑与智能电子设备等高科技产品关键配件之一,目前机箱装配质量检测标准与检测方法严重滞后于机箱设备行业发展与市场需求。本文以“机箱装配基本单元视觉检测与鉴别关键技术研究”为题,系统分析机箱装配基本单元(Assembly Elementary Unit,AEU)图像特征提取与分类机理,重点研究基于模型深度化机箱AEU图像分类网络技术、基于模型轻量化多种类机箱AEU快速图像分类网络技术、基于图像分类网络机箱装配质量智能鉴别技术等关键技术,开发优化图像分类网络的机箱装配质量智能鉴别系统,这对于实现智能装备检测自动化,推动制造工程智能化检测及仪器学科发展,具有重要学术价值与实际意义。研究工作得到广州市重大科技计划项目(编号:201802030006)的支持。论文研究机箱装配基本单元视觉检测与鉴别系统,从经典图像分类方法、基于深度学习的视觉检测图像分类方法、面向视觉检测的零部件质量鉴别技术等3方面,综述国内外研究进展,确定论文研究内容,具体工作包括:⑴分析面向机箱AEU智能视觉检测与鉴别系统需求,涵盖图像特征提取、图像分类、尺寸提取、AEU装配鉴别等类别。设计智能视觉检测与鉴别系统总体架构和流程,包括数据及制作、图像分类网络、机箱标准字典、坐标定位、质量鉴别、监测数据收集等模块,完成机箱AEU快速且准确分类、机箱装配质量鉴别、机箱检测信息管理等工作。⑵设计基于模型深度化机箱AEU图像分类网络结构,分析机箱AEU图像特征提取与分类机理,制作机箱AEU数据集,并通过过采样法解决机箱AEU数据类别不平衡问题。分析机箱特征提取流程及特点,设计基于深度化网络机箱AEU图像分类方法,融合高维、低维图像特征,提高图像分类效果,使用ELU(Exponential Linear Units,ELU)激活函数、恒等映射、模块化卷积结构设计机箱AEU图像分类网络结构,可有效解决模型退化、梯度下降等问题,实现对机箱AEU图像准确分类,提升Top-1分类准确率。⑶设计基于模型轻量化机箱AEU图像分类网络结构,根据深度化网络图像特征提取机理,进一步研究多种类机箱AEU快速图像分类机理,根据(37)(37)?卷积加速原理,通过基于Winograd算法对卷积加速,并且使用1×1小卷积核结构进一步减少模型参数量,使得模型时间复杂度、空间复杂度有效降低,实现对机箱AEU图像快速、准确分类,降低计算量、减少测试时间。⑷根据机箱AEU智能视觉检测与鉴别系统需求,讨论机箱装配质量智能鉴别思想与标准,根据机箱装配质量检测标准,提出机箱装配质量鉴别依据表及鉴别流程。研究坐标定位机箱AEU尺寸信息提取方法,使用Matlab完成标定,矫正相机畸变,实现AEU图像坐标到世界坐标转换,并修正拍摄角度带来的误差,设计优化图像分类网络的机箱装配质量智能鉴别方法,有效减低检测误差,提高机箱AEU检出率、分类准确率。⑸开展机箱AEU视觉检测与鉴别平台搭建,对平台检测功能、通用性进行测试验证。围绕优化图像分类网络的机箱AEU图像分类、机箱装配质量检测与鉴别两个方面进行试验,综合评价机箱AEU视觉检测与鉴别平台应用效果。