一种定转子矽钢片的冲压质量管理方法及系统

技术领域

本发明涉及智能检测技术领域，具体涉及一种定转子矽钢片的冲压质量管理方法及系统。

背景技术

定子矽钢片是实现电机各项电磁性能核心零部件，其质量与性能直接决定了电机的性能、能效以及稳定性等关键指标，而冲压工艺是制造矽钢片的重要环节，因此，需要对矽钢片做好质量检测和管控，以确保矽钢片的质量和精度，但现有的矽钢片冲压质量检测方法效率较低，准确率也不高。

发明内容

本申请提供了一种定转子矽钢片的冲压质量管理方法及系统，用于解决现有技术中定转子矽钢片冲压质量管理方法效率较低、准确率低的技术问题。

本申请的第一个方面，提供了一种定转子矽钢片的冲压质量管理方法，所述方法包括：通过第一图像采集器，采集待进行冲压质量检测的定转子矽钢片的图像，获得第一图像；通过冲压缺陷检测模块，根据第一冲压缺陷类型和第二冲压缺陷类型，构建第一缺陷检出规则和第二缺陷检出规则，对第一图像进行处理和缺陷检出，获得第一缺陷数量和第二缺陷数量，并计算获得缺陷数量；采用第二图像采集器阵列，采集定转子矽钢片内多个槽孔的图像，获得多个第二图像，其中，第二图像采集器阵列内的多个第二图像采集器与定转子矽钢片内的多个槽孔对应；通过冲压规格检测模块，根据多个第二图像，进行槽孔相似度分析，获得多个槽孔相似度，并结合定转子矽钢片的标准槽孔规格信息，进行槽孔合规度分析，获得多个槽孔合规度；基于多个槽孔相似度和多个槽孔合规度，进行槽孔冲压质量计算，获得槽孔冲压质量信息；采用质量分类模块，根据所述缺陷数量和槽孔冲压质量信息，通过定转子冲片质量识别器识别获得质量等级和管理方案，对定转子矽钢片进行管理。

本申请的第二个方面，提供了一种定转子矽钢片的冲压质量管理系统，所述系统包括：第一图像采集模块，所述第一图像采集模块用于通过第一图像采集器，采集待进行冲压质量检测的定转子矽钢片的图像，获得第一图像；缺陷数量计算模块，所述缺陷数量计算模块用于通过冲压缺陷检测模块，根据第一冲压缺陷类型和第二冲压缺陷类型，构建第一缺陷检出规则和第二缺陷检出规则，对第一图像进行处理和缺陷检出，获得第一缺陷数量和第二缺陷数量，并计算获得缺陷数量；第二图像采集模块，所述第二图像采集模块用于采用第二图像采集器阵列，采集定转子矽钢片内多个槽孔的图像，获得多个第二图像，其中，第二图像采集器阵列内的多个第二图像采集器与定转子矽钢片内的多个槽孔对应；槽孔合规度分析模块，所述槽孔合规度分析模块用于通过冲压规格检测模块，根据多个第二图像，进行槽孔相似度分析，获得多个槽孔相似度，并结合定转子矽钢片的标准槽孔规格信息，进行槽孔合规度分析，获得多个槽孔合规度；槽孔冲压质量信息获取模块，所述槽孔冲压质量信息获取模块用于基于多个槽孔相似度和多个槽孔合规度，进行槽孔冲压质量计算，获得槽孔冲压质量信息；钢片质量管理模块，所述钢片质量管理模块用于采用质量分类模块，根据所述缺陷数量和槽孔冲压质量信息，通过定转子冲片质量识别器识别获得质量等级和管理方案，对定转子矽钢片进行管理。

本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：

本申请提供的一种定转子矽钢片的冲压质量管理方法，涉及智能检测技术领域，通过采集待进行冲压质量检测的定转子矽钢片的图像，进行处理和缺陷检出，得到缺陷数量，采集定转子矽钢片内多个槽孔的图像，进行槽孔分析和冲压质量计算，获得槽孔冲压质量信息，根据缺陷数量和槽孔冲压质量信息，获得质量等级和管理方案，对定转子矽钢片进行管理，解决了现有技术中定转子矽钢片冲压质量管理方法效率较低、准确率低的技术问题，实现了通过图像识别技术进行关键质量缺陷识别，并进行系统性的质量评级和管理，提高质量管理效率和准确率的技术效果。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本申请实施例提供的一种定转子矽钢片的冲压质量管理方法流程示意图；

图2为本申请实施例提供的一种定转子矽钢片的冲压质量管理方法中获得第一缺陷数量和第二缺陷数量的流程示意图；

图3为本申请实施例提供的一种定转子矽钢片的冲压质量管理方法中对所述多个第二图像进行相似度分析，获得多个槽孔相似度以及多个槽孔合规度的流程示意图；

图4为本申请实施例提供的一种定转子矽钢片的冲压质量管理系统结构示意图。

附图标记说明：第一图像采集模块11，缺陷数量计算模块12，第二图像采集模块13，槽孔合规度分析模块14，槽孔冲压质量信息获取模块15，钢片质量管理模块16。

具体实施方式

本申请提供了一种定转子矽钢片的冲压质量管理方法，用于解决现有技术中定转子矽钢片冲压质量管理方法效率较低、准确率低的技术问题。

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整的描述。显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。

需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或服务器不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或模块。

实施例一

如图1所示，本申请提供了一种定转子矽钢片的冲压质量管理方法，所述方法包括：

P10：通过第一图像采集器，采集待进行冲压质量检测的定转子矽钢片的图像，获得第一图像；

可选的，在冲压工位上方的中央部位，布设所述第一图像采集器，并通过灯光布置，使成品定转子矽钢片打光均匀，以保证采集到的图像内钢片形状标准、轮廓清晰、无阴影，在定转子矽钢片冲压完成后，使用所述第一图像采集装置进行成品定转子矽钢片的图像采集，获得待检测定转子矽钢片的正面图像，以此作为第一图像，可以反映待检测定转子矽钢片的外观质量。

P20：通过冲压缺陷检测模块，根据第一冲压缺陷类型和第二冲压缺陷类型，构建第一缺陷检出规则和第二缺陷检出规则，对第一图像进行处理和缺陷检出，获得第一缺陷数量和第二缺陷数量，并计算获得缺陷数量；

示例性的，所述冲压缺陷检测模块是用来进行转子矽钢片的外表面缺陷识别的模块，可以针对性的识别转子矽钢片表面的凸起和凹陷瑕疵，根据第一冲压缺陷类型和第二冲压缺陷类型，构建第一缺陷检出规则和第二缺陷检出规则，所述第一冲压缺陷类型和第二冲压缺陷类型分别指凹陷白点缺陷和凸起白点缺陷，所述第一缺陷检出规则和第二缺陷检出规则可以是根据灰度值识别来确定缺陷的位置和大小，分别根据所述第一缺陷检出规则和第二缺陷检出规则，对第一图像进行处理和缺陷检出，获得第一缺陷数量和第二缺陷数量，也就是凹陷白点数量和凸起白点数量，相加得到缺陷数量，可以反映定转子矽钢片的表面质量。

进一步的，如图2所示，本申请实施例步骤P20还包括：

P21：根据第一冲压缺陷类型的缺陷平均大小，设置第一检测算子和第一缺陷检出规则，其中，所述第一冲压缺陷类型为凹陷白点；

P22：根据第二冲压缺陷类型的缺陷平均大小，设置第二检测算子和第二缺陷检出规则，其中，所述第二冲压缺陷类型为凸起白点；

P23：采用第一检测算子、第一缺陷检出规则、第二检测算子和第二缺陷检出规则，对所述第一图像进行处理和缺陷检出，获得第一缺陷数量和第二缺陷数量。

具体的，通过历史冲压缺陷检出数据，计算第一冲压缺陷类型的缺陷平均大小，也就是凹陷白点的平均面积大小，设置第一检测算子和第一缺陷检出规则，所述第一检测算子就是第一移动算子，也就是凹陷白点的单次检测区域的大小，用来移动遍历所述第一图像的所有区域，进行缺陷识别，例如设置为10*10的像素区域，所述第一缺陷检出规则就是凹陷白点的识别规则，可以是根据灰度值特征进行识别。

同理，根据凸起白点的缺陷平均大小，设置第二检测算子和第二缺陷检出规则。进一步的，分别采用第一检测算子和二检测算子，遍历所述第一图像的所有图像区域，参照第一缺陷检出规则和第二缺陷检出规则，进行缺陷检出，通过缺陷特征识别，辨别凹陷白点和凸起白点，并分别进行数量累计，获得第一缺陷数量和第二缺陷数量。

进一步的，本申请实施例步骤P23还包括：

P23-1：对第一图像进行灰度化处理，获得灰度第一图像；

P23-2：按照检测步长，采用第一检测算子对灰度第一图像进行划分，并基于第一缺陷检出规则进行检出，其中，第一缺陷检出规则包括，以划分区域内中心像素点的灰度值为第一阈值，判断其他像素点的灰度值是否小于误差补偿后的第一阈值，将存在判断为是的划分区域作为缺陷区域，并基于判断为是像素点的数量，作为缺陷区域大小信息，获得第一数量和多个第一缺陷区域大小信息；

P23-3：按照检测步长，采用第二检测算子对灰度第一图像进行划分，并基于第二缺陷检出规则进行检出，其中，第二缺陷检出规则包括，以划分区域内中心像素点的灰度值为第二阈值，判断其他像素点的是否大于误差补偿后的第二阈值，获得第二数量和多个第二缺陷区域大小信息；

P23-4：基于第一数量、多个第一缺陷区域大小信息、第二数量和多个第二缺陷区域大小信息，计算获得缺陷数量。

应当理解的是，对所述第一图像进行灰度化处理，得到灰度第一图像，所述灰度化处理就是将多通道的彩色图像转换为单通道的灰度图像，可以有效地去除颜色对图像识别的影响，同时降低图像处理的复杂度。进一步的，按照检测步长，采用第一检测算子对灰度第一图像进行区域划分，所述检测步长是指移动算子进行区域划分和检出的移动步长，例如每次移动5像素点的距离。

进一步的，按照第一缺陷检出规则进行检出，所述第一缺陷检出规则包括，以划分区域内中心像素点的灰度值为第一阈值，判断区域内其他像素点的灰度值是否小于误差补偿后的第一阈值，所述误差补偿为根据图像灰度误差进行补偿的灰度值范围，比如没有缺陷的矽钢片的灰度图像的灰度值分布区间大小为50，那就可以按照±25，对第一阈值进行灰度误差补偿。由于凹陷白点中心点比其他区域更白，灰度值更大，若其他区域灰度值小于误差补偿后的第一阈值，则说明该中心点为凹陷中心，将存在判断为是的划分区域作为缺陷区域，也就是将除了无缺陷的像素点外，灰度值小于误差补偿后的第一阈值的像素点作为缺陷区域，并将判断为是的像素点的数量作为缺陷区域大小，由此获得第一数量和多个第一缺陷区域大小信息，也就是凹陷白点的数量和多个凹陷白点的面积大小。

同理，按照检测步长，采用第二检测算子对灰度第一图像进行区域划分，并基于第二缺陷检出规则进行凸起白点检出，所述第二缺陷检出规则包括，以划分区域内中心像素点的灰度值为第二阈值，判断其他像素点的是否大于误差补偿后的第二阈值，由此获得第二数量和多个第二缺陷区域大小信息，也就是凸起白点的数量和多个凸起白点的面积大小。通过多个第一缺陷区域大小信息和多个第二缺陷区域大小信息，参照缺陷区域标准面积，将所述第一数量和第二数量进行调整，并将调整后的所述第一数量和第二数量相加，得到缺陷数量。

进一步的，本申请实施例步骤P23-4还包括：

P23-41：基于定转子矽钢片的冲压质量检测记录，计算获取第一缺陷平均大小信息和第二缺陷平均大小信息；

P23-42：根据所述多个第一缺陷区域大小信息的均值与第一缺陷平均大小信息的比值，对第一数量调整计算，获得第一缺陷数量；

P23-43：根据所述多个第二缺陷区域大小信息的均值与第二缺陷平均大小信息的比值，对第二数量调整计算，获得第二缺陷数量；

P23-44：加和第一缺陷数量和第二缺陷数量，获得所述缺陷数量。

其中，通过定转子矽钢片的历史冲压质量检测记录，采集多个历史缺陷大小信息，并分别计算第一缺陷平均大小信息和第二缺陷平均大小信息，也就是凹陷白点和凸起白点的平均面积大小，以此作为面积衡量标准，例如设置为1，计算当前所述多个第一缺陷区域大小信息的均值与第一缺陷平均大小信息的比值，根据比值来对所述第一数量进行调整，获得第一缺陷数量，也就是基于标准面积的凹陷白点数量，例如比值为1.2，则标准的凹陷白点数量应为所述第一数量的1.2倍。同理，计算所述多个第二缺陷区域大小信息的均值与第二缺陷平均大小信息的比值，并根据对第二数量进行调整计算，获得第二缺陷数量，以达到提高缺陷的检出精度的目的，加和所述第一缺陷数量和第二缺陷数量，获得所述缺陷数量。

P30：采用第二图像采集器阵列，采集定转子矽钢片内多个槽孔的图像，获得多个第二图像，其中，第二图像采集器阵列内的多个第二图像采集器与定转子矽钢片内的多个槽孔对应；

示例性的，采用第二图像采集器阵列，采集定转子矽钢片内多个槽孔的图像，所述第二图像采集器阵列是由多个第二图像采集器组成的阵列，所述第二图像是指定转子矽钢片多个槽孔的外观图像，所述多个第二图像采集器与定转子矽钢片内的多个槽孔一一对应，并且设置在每个槽孔的正上方，通过所述第二图像采集器阵列，分别采集定转子矽钢片内多个槽孔的外观图像，以此作为多个第二图像，可以反映定转子矽钢片内的多个槽孔的外观形状、尺寸等质量特征。

P40：通过冲压规格检测模块，根据多个第二图像，进行槽孔相似度分析，获得多个槽孔相似度，并结合定转子矽钢片的标准槽孔规格信息，进行槽孔合规度分析，获得多个槽孔合规度；

可选的，通过冲压规格检测模块，结合多个第二图像以及定转子矽钢片的标准槽孔规格信息，进行槽孔相似度分析和槽孔合规度分析，所述槽孔相似度分析是对比分析各槽孔之间的相似程度，可以用来判断各槽孔的尺寸规格是否均匀一致，所述槽孔合规度分析是对比分析各槽孔的规格尺寸与标准槽孔规格信息的匹配度，可以用来判断各槽孔的尺寸规格是否符合标准要求。

进一步的，如图3所示，本申请实施例步骤P40还包括：

P41：基于定转子矽钢片的冲压质量检测数据记录，获取样本第二图像集合，并基于定转子矽钢片冲压的标准槽孔规格信息，获取多个槽孔的多个标准第二图像；

P42：对样本第二图像集合内的样本第二图像进行组合，并基于槽孔尺寸进行相似度计算评估，获得样本第二图像组合集和样本相似度集；

P43：对样本第二图像集合内的样本第二图像结合多个标准第二图像进行合规度计算评估，获得样本合规度集；

P44：基于孪生网络，采用所述样本第二图像组合集和样本相似度集作为训练数据，构建并训练相似度识别分支；

P45：基于孪生网络，采用所述样本第二图像集合、多个标准第二图像和样本合规度集，构建并训练合规度识别分支，结合所述相似度识别分支，获得槽孔检测器；

P46：采用所述槽孔检测器，对所述多个第二图像进行相似度分析，获得多个槽孔相似度以及多个槽孔合规度。

可选的，通过定转子矽钢片的冲压质量检测数据记录，采集，多个槽孔样本图像，组成样本第二图像集合，并根据定转子矽钢片冲压的标准槽孔规格信息，获取多个槽孔的多个标准第二图像，进一步的，对样本第二图像集合内的样本第二图像进行两两随机组合，并基于随机组合进行槽孔尺寸相似度计算，根据尺寸差异的大小设定不同的相似度指数，组成样本相似度集以及对应的样本第二图像组合集。

进一步的，将样本第二图像集合内的样本第二图像，分别与多个标准第二图像进行合规度计算评估，也就是计算样本图像中的槽孔尺寸与标准尺寸的吻合度，并设定相应的合规度指数，组成样本合规度集。基于孪生网络，采用所述样本第二图像组合集和样本相似度集作为训练数据，构建相似度识别分支，并使用训练数据进行训练、验证和测试，直至输出结果达到收敛且满足预设的准确度要求，得到所述相似度识别分支，可以用来识别各槽孔之间的相似度。所述孪生网络是以两个样本为输入，输出其嵌入高维空间的表征，来比较两个样本的相似程度，且权重共享的两个神经网络拼接而成的。

同理，基于孪生网络的架构，采用所述样本第二图像集合、多个标准第二图像和样本合规度集作为训练数据，构建并训练合规度识别分支，由所述相似度识别分支、所述合规度识别分支，共同构成槽孔检测器，采用所述槽孔检测器，分别对所述多个第二图像进行相似度分析和合规度分析，获得多个槽孔相似度以及多个槽孔合规度，可以反映当前定转子矽钢片的槽孔质量。

P50：基于多个槽孔相似度和多个槽孔合规度，进行槽孔冲压质量计算，获得槽孔冲压质量信息；

进一步的，本申请实施例步骤P50还包括：

P51：根据所述多个槽孔相似度，计算获取平均槽孔相似度；

P52：根据多个槽孔合规度，计算获得平均槽孔合规度；

P53：基于平均槽孔相似度和平均槽孔合规度，计算获得槽孔冲压质量信息。

在本申请一种可能的实施例中，对所述多个槽孔相似度进行平均数计算，获得平均槽孔相似度，并基于多个槽孔合规度，计算获得平均槽孔合规度，将所述平均槽孔相似度和平均槽孔合规度相乘，将乘积作为所述槽孔冲压质量信息，可以反映定转子矽钢片的槽孔部位的冲压质量。

P60：采用质量分类模块，根据所述缺陷数量和槽孔冲压质量信息，通过定转子冲片质量识别器识别获得质量等级和管理方案，对定转子矽钢片进行管理。

进一步的，本申请实施例步骤P60还包括：

P61：基于定转子矽钢片的冲压质量检测数据记录，处理获取多个样本定转子矽钢片的样本缺陷数量集合和样本槽孔冲压质量信息集合，并评估获取样本质量等级集合和多个样本管理方案；

P62：采用样本缺陷数量集合、样本槽孔冲压质量信息集合、样本质量等级集合和多个样本管理方案，基于决策树，构建定转子冲片质量识别器；

P63：采用所述定转子冲片质量识别器，对缺陷数量和槽孔冲压质量信息进行分类，获得所述质量等级和管理方案。

具体的，采用质量分类模块，根据所述缺陷数量和槽孔冲压质量信息，进行定转子矽钢片的质量评级和管理方案匹配。首先通过检索定转子矽钢片的冲压质量检测数据记录，采集多个样本定转子矽钢片的样本缺陷数量和样本槽孔冲压质量信息，构成样本缺陷数量集合和样本槽孔冲压质量信息集合，并按照样本缺陷数量和样本槽孔冲压质量，分别对多个样本定转子矽钢片进行质量评级，获取样本质量等级集合，制定多个样本管理方案。

进一步的，采用样本缺陷数量集合、样本槽孔冲压质量信息集合、样本质量等级集合和多个样本管理方案作为训练数据，结合决策树原理，训练得到定转子冲片质量识别器，所述决策树是一个流程图形式的分类方法，其中每个中间结点代表某个属性或某组属性的测试，每个分支则对应了该测试的不同结果。所述定转子冲片质量识别器包含多个分类节点和多个分类结果，采用所述定转子冲片质量识别器，通过多个分类节点对所述缺陷数量和槽孔冲压质量信息进行分类，获得所述质量等级和管理方案，对所述定转子矽钢片进行冲压质量管理。

综上所述，本申请实施例至少具有如下技术效果：

本申请通过采集待进行冲压质量检测的定转子矽钢片的图像，进行处理和缺陷检出，得到缺陷数量，采集定转子矽钢片内多个槽孔的图像，进行槽孔分析和冲压质量计算，获得槽孔冲压质量信息，根据缺陷数量和槽孔冲压质量信息，获得质量等级和管理方案，对定转子矽钢片进行管理。

达到了通过图像识别技术进行关键质量缺陷识别，并进行系统性的质量评级和管理，提高质量管理效率和准确率的技术效果。

实施例二

基于与前述实施例中一种定转子矽钢片的冲压质量管理方法相同的发明构思，如图4所示，本申请提供了一种定转子矽钢片的冲压质量管理系统，本申请实施例中的系统与方法实施例基于同样的发明构思。其中，所述系统包括：

第一图像采集模块11，所述第一图像采集模块11用于通过第一图像采集器，采集待进行冲压质量检测的定转子矽钢片的图像，获得第一图像；

缺陷数量计算模块12，所述缺陷数量计算模块12用于通过冲压缺陷检测模块，根据第一冲压缺陷类型和第二冲压缺陷类型，构建第一缺陷检出规则和第二缺陷检出规则，对第一图像进行处理和缺陷检出，获得第一缺陷数量和第二缺陷数量，并计算获得缺陷数量；

第二图像采集模块13，所述第二图像采集模块13用于采用第二图像采集器阵列，采集定转子矽钢片内多个槽孔的图像，获得多个第二图像，其中，第二图像采集器阵列内的多个第二图像采集器与定转子矽钢片内的多个槽孔对应；

槽孔合规度分析模块14，所述槽孔合规度分析模块14用于通过冲压规格检测模块，根据多个第二图像，进行槽孔相似度分析，获得多个槽孔相似度，并结合定转子矽钢片的标准槽孔规格信息，进行槽孔合规度分析，获得多个槽孔合规度；

槽孔冲压质量信息获取模块15，所述槽孔冲压质量信息获取模块15用于基于多个槽孔相似度和多个槽孔合规度，进行槽孔冲压质量计算，获得槽孔冲压质量信息；

钢片质量管理模块16，所述钢片质量管理模块16用于采用质量分类模块，根据所述缺陷数量和槽孔冲压质量信息，通过定转子冲片质量识别器识别获得质量等级和管理方案，对定转子矽钢片进行管理。

进一步的，所述缺陷数量计算模块12还用于执行以下步骤：

根据第一冲压缺陷类型的缺陷平均大小，设置第一检测算子和第一缺陷检出规则，其中，所述第一冲压缺陷类型为凹陷白点；

根据第二冲压缺陷类型的缺陷平均大小，设置第二检测算子和第二缺陷检出规则，其中，所述第二冲压缺陷类型为凸起白点；

采用第一检测算子、第一缺陷检出规则、第二检测算子和第二缺陷检出规则，对所述第一图像进行处理和缺陷检出，获得第一缺陷数量和第二缺陷数量。

进一步的，所述缺陷数量计算模块12还用于执行以下步骤：

对第一图像进行灰度化处理，获得灰度第一图像；

按照检测步长，采用第一检测算子对灰度第一图像进行划分，并基于第一缺陷检出规则进行检出，其中，第一缺陷检出规则包括，以划分区域内中心像素点的灰度值为第一阈值，判断其他像素点的灰度值是否小于误差补偿后的第一阈值，将存在判断为是的划分区域作为缺陷区域，并基于判断为是像素点的数量，作为缺陷区域大小信息，获得第一数量和多个第一缺陷区域大小信息；

按照检测步长，采用第二检测算子对灰度第一图像进行划分，并基于第二缺陷检出规则进行检出，其中，第二缺陷检出规则包括，以划分区域内中心像素点的灰度值为第二阈值，判断其他像素点的是否大于误差补偿后的第二阈值，获得第二数量和多个第二缺陷区域大小信息；

基于第一数量、多个第一缺陷区域大小信息、第二数量和多个第二缺陷区域大小信息，计算获得缺陷数量。

进一步的，所述缺陷数量计算模块12还用于执行以下步骤：

基于定转子矽钢片的冲压质量检测记录，计算获取第一缺陷平均大小信息和第二缺陷平均大小信息；

根据所述多个第一缺陷区域大小信息的均值与第一缺陷平均大小信息的比值，对第一数量调整计算，获得第一缺陷数量；

根据所述多个第二缺陷区域大小信息的均值与第二缺陷平均大小信息的比值，对第二数量调整计算，获得第二缺陷数量；

加和第一缺陷数量和第二缺陷数量，获得所述缺陷数量。

进一步的，所述槽孔合规度分析模块14还用于执行以下步骤：

基于定转子矽钢片的冲压质量检测数据记录，获取样本第二图像集合，并基于定转子矽钢片冲压的标准槽孔规格信息，获取多个槽孔的多个标准第二图像；

对样本第二图像集合内的样本第二图像进行组合，并基于槽孔尺寸进行相似度计算评估，获得样本第二图像组合集和样本相似度集；

对样本第二图像集合内的样本第二图像结合多个标准第二图像进行合规度计算评估，获得样本合规度集；

基于孪生网络，采用所述样本第二图像组合集和样本相似度集作为训练数据，构建并训练相似度识别分支；

基于孪生网络，采用所述样本第二图像集合、多个标准第二图像和样本合规度集，构建并训练合规度识别分支，结合所述相似度识别分支，获得槽孔检测器；

采用所述槽孔检测器，对所述多个第二图像进行相似度分析，获得多个槽孔相似度以及多个槽孔合规度。

进一步的，所述槽孔冲压质量信息获取模块15还用于执行以下步骤：

根据所述多个槽孔相似度，计算获取平均槽孔相似度；

根据多个槽孔合规度，计算获得平均槽孔合规度；

基于平均槽孔相似度和平均槽孔合规度，计算获得槽孔冲压质量信息。

进一步的，所述钢片质量管理模块16还用于执行以下步骤：

基于定转子矽钢片的冲压质量检测数据记录，处理获取多个样本定转子矽钢片的样本缺陷数量集合和样本槽孔冲压质量信息集合，并评估获取样本质量等级集合和多个样本管理方案；

采用样本缺陷数量集合、样本槽孔冲压质量信息集合、样本质量等级集合和多个样本管理方案，基于决策树，构建定转子冲片质量识别器；

采用所述定转子冲片质量识别器，对缺陷数量和槽孔冲压质量信息进行分类，获得所述质量等级和管理方案。

需要说明的是，上述本申请实施例先后顺序仅仅为了描述，不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

以上所述仅为本申请的较佳实施例，并不用以限制本申请，凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

本说明书和附图仅仅是本申请的示例性说明，且视为已覆盖本申请范围内的任意和所有修改、变化、组合或等同物。显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样，倘若本申请的这些修改和变型属于本申请及其等同技术的范围之内，则本申请意图包括这些改动和变型在内。