摘要：21世纪，人工智能以人脑对外界刺激的识别，更能发挥其抽象和迭代效应。深度信念网络的提出，实现了人脑多层神经网络信息处理、分析和学习模拟。深度学习在深层神经网络上开展，多层级数量囊括输入层、中间层和输出层等。例如，中有超过上百亿条消息，包括图片、链接及数据等，后台数据分析、广告匹配采用了人工智能技术后端服务。基于此，本篇文章对基于深度学习的机器人电路板自主故障检测系统进行研究，以供参考。 关键词：基于深度学习；机器人；电路板；自主故障；检测系统
引言
建立和模拟人脑进行分析学习的神经网络即深度学习。该方法是机器学习研究中的创新技术，通过模仿人脑机制读取和分析数据。人工智能的机器学习方法是在深度学习背景基础上可与之相媲美的方法，在实现图像、声音和文本识别及机器翻译的智能化方向上大力迈进。下面针对深度学习的机器人电路板自主故障检测系统进行相关设计。
1机器人控制系统的特点
（1）机器人技术与动力学理论、机械力学之间存在紧密的关联性，想要机器人执行特定的某个行为或动作，应该事前设置好合理的技术参数，对于不同的作业场景，对机器人运动的轨迹以及操作行为也会发生相应的变化，机器人运行过程中可以水平移动或垂直移动，结合实际需要合理设置机器人的自由度，以保证机器人可以实现多项操作行为。（2）机器人的每一个自由度都会对应一个独立的私服单元，私服单元可以直接通过计算机系统进行组合配置，通过私服单元相互配置实现机器人完成不同高度操作行为。（3）通过计算机管理系统来控制机器人执行特定的指令，管理系统预留多个多机器人操作行为的路径与方式。
2系统设计
机器人电气控制系统由多个子系统组成,有集中操控系统、主从控制系统、分散控制系统、机器人核心控制器、智能编码器等。机器人的集中操控系统结构简单、价格低廉、容易实现,只需一台计算机便可对机器人进行集中控制。另外,机器人的集中操控系统还具有开放性、便捷性、协调性好等特点,但是其灵活性稍有不足。主从控制系统则是机器人完成坐标变换、运动轨迹生成、高效管理等控制工作的管家和自动维护程序,主要控制机器人的关节
运动,例如摆臂、屈膝等等动作。分散控制系统主要工作是将核心控制系统划分为不同的模块,同时为其分配不同的任务,实现各个模块之间工作的协调。分散系统中不同控制对象和设备之间的信息交互主要通过互联网实现,因此其实时性较好,可扩展性较强。机器人的核心控制器是有效保证其按照指令完成作业的关键构件,是保障其正常工作的关键。核心控制器可以与计算机、互联网之间进行网络通信,使得机器人在作业过程中可以实现多功能操作,有效提高机器人的工作效率。核心控制器对于机器人的控制主要有并行控制和串行控制,因此在工作过程中可以实现人机高效合作。智能编码器则主要有直线型、旋转式、增量式、绝对式4种类型,主要作用是对检测控制对象的位置信息并实施控制。不同类型的编码器有各自的特点,例如,旋转式编码器由发射器、码盘、检测组织等元件构成,发射器指的是光源,码盘指的是光栅盘,而检测组织指的是电路板。绝对式编码器主要通过刻线码道来运行,刻线编码过程中依照2线、4线、8线、16线的次序方式进行,读码方式为二进制代码的方式,因此,光码盘机械位置编码一般不易受到外界电信号的干扰。增量式编码器的结构较为简单、成本较低、精准度较高。
3基于深度学习的机器人电路板自主故障检测系统
3.1锚框设计和数据增强
电路板缺陷图像不同于开源数据集中的常见图像,电路板图像采用工业相机采集,分辨率一般较高,对于微小缺陷,必须设计合理的锚框。因此本文在设计区域提议网络时,针对细小的缺陷,网络每次生成五种尺寸的{4,8,16,32,64},同时生成三个长宽比的锚框{0.5,1,2}。另一方面,由于深度学习算法模型复杂度较高,模型训练往往需要一定数量级的训练数据。由于电路设计的保密性和昂贵价值,很难获取到大量具有良好标注信息的电路板故障检测数据集。因此,为了避免模型过拟合的问题,本文通过数据增强技术对训练数据集进行拓展,以提升模型的训练效果。本文提出的模型采用的数据增强技术包括:调整图像对比度和亮度、增加随机噪声、随机旋转、随机翻转、随机缩放和裁剪。在旋转、裁剪和移动图像时,边界框的相应值也要进行相应的变换。具体数据增强策略如下:(1)对输入图片以0.5的概率进行随机角度的旋转和水平垂直翻转。(2)对输入图片叠加一定高斯噪声并进行随机亮度、对比度的扰动。(3)对图像尺寸进行随机尺寸的放缩变换的多尺度训练,放缩过程保持图像长宽比不变,长边放缩尺寸为[608,640,800,1024,1408]。(4)进行去中心化处理,通过公式X=对数据进行标准化,式中平均值μ=[102.890,115.947,122.772],标准差std=[1,1,1]。
3.2级联神经网络
二阶段的缺陷检测算法一般需要设置训练正负样本的比例,选择正负样本的方法是基于候选框和真值之间的交并比比例。而不同质量的检测框通过不同的阈值得到不同的训练效果,高质量的检测帧往往配合更高的阈值来获得更好的结果。通过级联网络,可以对不同阶段的网络设置不同的交并比阈值,使级联的网络每一级都有更高质量的输入,逐步提高网络输出的准确性。通过实验发现:(1)越高的选取阈值可以得到准确度较高的候选框,但如果一开始就设定较高的阈值网络无法得到足够的正样本。(2)训练后网络对输入的建议框有优化作用。
4机器人技术在电气控制中的应用
4.1电气控制
电气设备控制具有较强的专业性与技术性。随着电气自动化技术的不断发展，自动化设备在工业生产中得到了广泛的应用，并且对促进电气行业的发展也具有重要的作用。现阶段，基于计算机技术和智能化技术的支撑，电气控制的智能化程度不断提高，能够更加灵活地控制设备，确保设备一直处于最佳运行的状态，进而提升工作效率和节约劳动成本，实现以低成本换大效益的目的。
4.2故障诊断应用
电气设备运行过程中，可能会因为外部因素的影响而发生异常，如果不能快速完成故障诊断与定位，将会对整个电气系统的运行状态产生不利影响，导致更大的危害和损失。在电气控制中应用机器人技术，则能够采集与处理设备的各类数据信息，如果功能完善还能存储数据，从而加快电气系统故障诊断的过程，提高故障定位的精准性，进而分析和判断故障发生的原因，并制定具有针对性的措施来解决，保证在最短的时间内使电气系统恢复正常运行，满足生产要求。
结束语
近年来，随着机器人技术不断得到优化与完善，这项技术在电力设备生产制造活动中的运用程度越来越高，可以强化对设备的控制。深度学习的训练和推理均依赖于图形处理器加速，无论是图像识别还是自然语言处理，性能和效率对于深度学习推理而言都至关重要。在维护操作安全性的同时，它可存储、处理和分析敏感数据。
参考文献
[1]黄威,袁廷翼,邓百川,邹文峰,张锋,曹晖.基于深度学习的机器人电路板自主故障检测系统[J].电工电能新技术,2020,41(02):72-80.
[2]娄娜,李宏辉,陈昊伟,白广华.基于人机交互的高速机电设备电路故障检测[J].微型电脑应用,2020,37(09):92-96.
[3]王民.FANUC机器人常见故障及处理措施探讨[J].南方农机,2020,51(12):37.
[4]郑旭,李亚光,邱辉.机器人故障分析及可靠性测试的必要性[J].中国仪器仪表,2019(10):29-33.
[5]王振.单中心达芬奇机器人手术系统故障分析及对策[D].南京大学,2018.
