【技术实现步骤摘要】
一种増材制造过程中零件缺陷在线检测的方法及检测系统
本专利技术属于増材制造领域，更具体地，涉及一种増材制造过程中零件缺陷在线检测的方法及检测系统。
技术介绍
增材制造作为一种零件快速逐层堆叠加工成型方式，具有一体化制造、零件工艺质量高、快速成型等优势，在高端制造业如航空航天领域大型结构件和高端精密部件如医疗器件等领域应用广泛，高端制造业对增材制造零部件的工艺质量提出了严格的要求，因此迫切需要提出和实施增材制造零件工艺质量精密检测方法，尤其是零件缺陷检测方法。然而，现有的增材制造零件缺陷检测方法主要存在以下的劣势：一是增材制造零件通常是大型结构件，检测区域大，使用传统的电涡流探伤、超声探伤的检测范围有限，存在很多检测盲区，难以完全检测到零件加工表面和内部的缺陷，二是传统的基于图像处理的缺陷检测方法应用在增材制造零件表面的缺陷检测时，由于实时检测时加工环境复杂，缺陷类型多样，导致缺陷检测的准确度不够高，难以直接应用在实际的增材制造缺陷检测中，三是采用卷积神经网络和机器学习分类算法实现缺陷特征提取和分类，图像特征提取后进行...
【技术保护点】
1.一种増材制造过程中零件缺陷在线检测的方法，其特征在于，该方法包括下列步骤：/n(a)采集増材制造过程中的零件表面缺陷的图像，对缺陷图像中的缺陷类型和位置进行标注，以此获得缺陷类型和位置确定的图像，利用该图像训练缺陷预测的卷积神经网络模型，即预测模型，该预测模型中包括图像缺陷区域生成模块和图像分类定位模块，所述图像缺陷区域生成模块用于在待预测图像中搜寻并由搜寻的结果重构生成缺陷区域，所述图像分类定位模块用于在待预测图像中对缺陷类型进行分类和准确定位；/n(b)将待预测图像输入所述预测模型中的图像缺陷区域生成模块，提取并获得该待预测图像对应的特征图，然后根据该特征图获得缺陷...
【技术特征摘要】
1.一种増材制造过程中零件缺陷在线检测的方法，其特征在于，该方法包括下列步骤：
(a)采集増材制造过程中的零件表面缺陷的图像，对缺陷图像中的缺陷类型和位置进行标注，以此获得缺陷类型和位置确定的图像，利用该图像训练缺陷预测的卷积神经网络模型，即预测模型，该预测模型中包括图像缺陷区域生成模块和图像分类定位模块，所述图像缺陷区域生成模块用于在待预测图像中搜寻并由搜寻的结果重构生成缺陷区域，所述图像分类定位模块用于在待预测图像中对缺陷类型进行分类和准确定位；
(b)将待预测图像输入所述预测模型中的图像缺陷区域生成模块，提取并获得该待预测图像对应的特征图，然后根据该特征图获得缺陷的大小、尺寸和位置，具体按照下列步骤进行：
(b1)在所述特征图上设定多个尺寸的滑动窗口，并将每个滑动窗口中划分为多个候选窗口，将所述每个滑动窗口在所述特征图上进行扫描，并提取每个滑动窗口中每个所述候选窗口中的特征，以此获得每个滑动窗口中所有候选窗口中对应的特征，将所有滑动窗口中提取的特征进行融合，以此获得由多个候选窗口组合形成的缺陷；
(b2)将步骤(b1)中形成缺陷的候选窗口以及该候选窗口中的特征映射至所述待预测图像中，以此获得所述候选窗口以及每个候选窗口中的特征在所述预测图像中的位置；
(b3)在所述预测图像中将所述候选窗口划分为多个区域，对每个区域进行池化运算，以此获得在所述预测图像中缺陷所在的区域，包括缺陷的大小、尺寸和初步的位置；
(c)将经过步骤(b3)获得的缺陷所在的区域输入所述预测模型中的图像缺陷分类定位模块中，获得缺陷的类型和具体位置。
2.如权利要求1所述的一种増材制造过程中零件缺陷在线检测的方法，其特征在于，在步骤(c)中，所述获得的缺陷类型是通过计算步骤(b3)中的缺陷对应的缺陷类型的概率，其中概率最大的缺陷类型即为预测的缺陷类型。
3.如权利要求...
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。