The invention provides a component arc welding quality detection method. Firstly, a certain number of different types of welding joint pictures of the same component arc welding are collected, and a sample library is established. Taking one part of the sample database as training set and the other part as testing set, extracting training set and target weld joint area pictures in each sample based on template matching algorithm of spatial correlation method, defining weld joint quality types, labeling weld joint quality types of all pictures in training set manually, and building convolutional neural network based on tensorflow framework, In the training set, all kinds of target welding joint area pictures are input into the convolutional neural network to train the machine learning classifier. Finally, the target welding joint area pictures in the S test set are classified by the trained machine learning classifier, and the classification result is the corresponding welding joint quality type. The invention can quickly find the quality problems of arc welding of components in pictures.
【技术实现步骤摘要】
一种元件电弧焊焊接质量检测方法
本专利技术涉及焊接质量检测
,尤其涉及一种元件电弧焊焊接质量检测方法。
技术介绍
元件的焊接质量检测是指对焊接成果的检测,目的是保证焊接结构的完整性、可靠性、安全性和使用性。传统的人工检测需要根据焊接结构说明书,技术标准,工艺文件,施工图样等进行检测,对于外观质量的检测主要有尺寸检验、几何形状检测、外表伤痕检测几个方面入手,可以采取射线探伤、超声波探伤、着色检验等方法进行辅助检测。但是传统的人工检测分类存在很多不足,只依靠人眼和一些检验规则进行检测分类难免会出现不少错误并且消耗大量的时间和劳动力在重复性工作上。进行例如射线探伤等辅助检测方法又可能会有较高的成本,所以高效且智能化的元件焊接质量检测分类方法成了当前实际生产中的重要需求。
技术实现思路
针对现有技术存在的缺陷,本专利技术提供一种元件电弧焊焊接质量检测方法。为实现上述技术目的,本专利技术的技术方案是:一种元件电弧焊焊接质量检测方法,包括以下步骤:S1利用相机拍摄,采集一定数量的同一元件电弧焊的多种不同类型的焊接头图片,建立样本库。将样本库中的样本分为两部分,其中一部分作为训练集,训练集用于训练机器学习分类器。另一部分作为测试集,测试集用于识别其所对应的焊接质量类型。如将样本库中70%的样本作为训练集,30%的样本作为测试集。S2基于空间相关法的模板匹配算法提取训练集以及测试集中各样本(焊接头图片)中的目标焊接头区域图片。S2.1在样本库中的所有焊接头图片中寻找所有焊接头图片均具有的共同特征,截取其中一个焊接头图片中的共同特征部分的图像作为模板匹配时的模板,即作为焊 ...
【技术保护点】
1.一种元件电弧焊焊接质量检测方法,其特征在于:包括以下步骤:S1利用相机拍摄,采集一定数量的同一元件电弧焊的多种不同类型的焊接头图片,建立样本库;将样本库中的样本分为两部分,其中一部分作为训练集,训练集用于训练机器学习分类器;另一部分作为测试集,测试集用于识别其所对应的焊接质量类型;S2基于空间相关法的模板匹配算法提取训练集以及测试集中各样本中的目标焊接头区域图片;S3定义焊接头质量类型;S4对训练集中的所有图片中所示的焊接头质量类型进行人工标注;基于tensorflow框架搭建卷积神经网络,将训练集中各类别的所有目标焊接头区域图片输入卷积神经网络中,训练机器学习分类器;S5对S2中得到的测试集中各样本图像中的目标焊接头区域图片分别用S4中训练好的机器学习分类器进行分类,分类结果就是其对应的焊接头质量类型。
【技术特征摘要】
1.一种元件电弧焊焊接质量检测方法,其特征在于:包括以下步骤:S1利用相机拍摄,采集一定数量的同一元件电弧焊的多种不同类型的焊接头图片,建立样本库;将样本库中的样本分为两部分,其中一部分作为训练集,训练集用于训练机器学习分类器;另一部分作为测试集,测试集用于识别其所对应的焊接质量类型;S2基于空间相关法的模板匹配算法提取训练集以及测试集中各样本中的目标焊接头区域图片;S3定义焊接头质量类型;S4对训练集中的所有图片中所示的焊接头质量类型进行人工标注;基于tensorflow框架搭建卷积神经网络,将训练集中各类别的所有目标焊接头区域图片输入卷积神经网络中,训练机器学习分类器;S5对S2中得到的测试集中各样本图像中的目标焊接头区域图片分别用S4中训练好的机器学习分类器进行分类,分类结果就是其对应的焊接头质量类型。2.根据权利要求1所述的元件电弧焊焊接质量检测方法,其特征在于:在S4中,还包括图像数据增强步骤,对训练集中所有类别中的各目标焊接头区域图片分别进行翻转,缩小,放大,旋转,这样训练集中各种类别中的数据量扩大为原来的四倍,得到图像数据增强后的训练集;用S3中定义的焊接头质量类型,对图像数据增强后的训练集中的所有图片中所示的焊接头质量类型进行人工标注;基于tensorflow框架搭建卷积神经网络,将图像数据增强后的训练集中各类别的所有目标焊接头区域图片输入卷积神经网络中,训练机器学习分类器。3.根据权利要求1或2所述的元件电弧焊焊接质量检测方法,其特征在于:S1中,将样本库中70%的样本作为训练集,30%的样本作为测试集。4.根据权利要求1或2所述的元件电弧焊焊接质量检测方法,其特征在于:S2通过以下步骤实现:S2.1在样本库中的所有焊接头图片中寻找所有焊接头图片均具有的共同特征,截取其中一个焊接头图片中的共同特征部分的图像作为模板匹配时的模板,即作为焊接头的模板子图像w(x,y);S2.2基于空间相关性的图像模板匹配;设样本图像f(x,y)的大小为M*N和模板子图像w(x,y)的大小为J*K,则样本图像与...
【专利技术属性】
技术研发人员:刘忠,冯旸赫,金广垠,黄金才,程光权,马扬,梁星星,周玉珍,王琦,
申请(专利权)人:中国人民解放军国防科技大学,
类型:发明
国别省市:湖南,43
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。