电阻点焊焊核直径的确定方法、装置、系统、电子设备及存储介质制造方法及图纸

本申请实施例所公开的一种电阻点焊焊核直径的确定方法、装置、系统、电子设备及存储介质，其中，方法包括利用人工智能领域的图片识别技术，直接获取超声波探测的当前焊点的回波图片和当前焊点对应的探头直径数据，并将特征处理后的当前焊点的回波图片和当前焊点对应的独热编码后的探头直径数据输入训练后的焊核直径确定模型中，可以得到高准确率的当前焊点的焊核直径。整个处理过程中全部由应用程序实现，无需升级超声波设备，可以节约购买设备成本，也可以节约检测人员培训成本。

【技术实现步骤摘要】
电阻点焊焊核直径的确定方法、装置、系统、电子设备及存储介质
本专利技术涉及焊接制造
，尤其涉及一种电阻点焊焊核直径的确定方法、装置、系统、电子设备及存储介质。
技术介绍
电阻点焊是一项技术成熟、成本低廉的简单工艺，被广泛应用于汽车白车身连接，但是，电阻点焊存在比较明显的缺点，一是焊接质量受外界环境因素影响，二是焊接质量无法通过目视进行检测。目前，可以根据焊核的直径大小来判断焊核的不良类型，并根据焊核的不良类型采取不同的返修和追溯方案。当检测到焊核直径为标准直径的75％及以下时，判定焊核为虚焊焊核，当检测到焊核直径在标准直径的75％-100％范围内时，判定焊核为小焊核。现有的技术中，检测焊核直径的方法主要有三类：全破坏检测、半破坏检测和超声波无损检测，其中，全破坏检测的准确度最高，可以检测所有焊点的直径，但是检测后的零部件无法再投入使用需要报废，成本较高；半破坏的准确度次于全破坏检测，虽然不会报废零部件，但是会存在部分焊点由于位置原因而无法被检测到，适用性有限，此外，焊核直径也无法准确测量，只能够通过经验估测；超声波无损检测本文档来自技高网...

【技术保护点】
1.一种电阻点焊焊核直径的确定方法，其特征在于，包括：/n获取当前焊点的回波图片和所述当前焊点对应的探头直径数据；/n对所述当前焊点的回波图片进行特征处理，得到第一数据；/n其中，所述特征处理包括根据预设比例压缩所述当前焊点的回波图片，得到压缩后的回波图片，对所述压缩后的回波图片进行灰度处理，得到灰度数据，对所述灰度数据进行二值化处理，并将二值化处理后的灰度数据与噪音数值集合中对应的噪音数值相加；所述噪音数值集合中所有噪音数值的均值为0，且标准差为1；/n对所述当前焊点对应的探头直径数据进行独热编码，得到当前焊点对应的编码后的探头直径数据；/n将所述第一数据和所述当前焊点对应的编码后的探头直径...

【技术特征摘要】
1.一种电阻点焊焊核直径的确定方法，其特征在于，包括：
获取当前焊点的回波图片和所述当前焊点对应的探头直径数据；
对所述当前焊点的回波图片进行特征处理，得到第一数据；
其中，所述特征处理包括根据预设比例压缩所述当前焊点的回波图片，得到压缩后的回波图片，对所述压缩后的回波图片进行灰度处理，得到灰度数据，对所述灰度数据进行二值化处理，并将二值化处理后的灰度数据与噪音数值集合中对应的噪音数值相加；所述噪音数值集合中所有噪音数值的均值为0，且标准差为1；
对所述当前焊点对应的探头直径数据进行独热编码，得到当前焊点对应的编码后的探头直径数据；
将所述第一数据和所述当前焊点对应的编码后的探头直径数据输入训练后的焊核直径确定模型中，输出所述当前焊点的焊核直径。


2.根据权利要求1所述的方法，其特征在于，所述焊核直径确定模型的训练步骤包括：
获取历史数据集；所述历史数据集中包括多个历史焊点的回波图片、每个历史焊点对应的探头直径数据和所述每个历史焊点的实际焊核直径；
对所述历史焊点的回波图片进行特征处理，得到第二数据；
其中，所述特征处理包括根据所述预设比例压缩所述历史焊点的回波图片，得到压缩后的回波图片，对所述压缩后的回波图片进行灰度处理，得到灰度数据，对所述灰度数据进行二值化处理，并将二值化处理后的灰度数据与噪音数值集合中对应的噪音数值相加；所述噪音数值集合中所有噪音数值的均值为0，且标准差为1；
对所述每个历史焊点对应的探头直径数据进行独热编码，得到所述每个历史焊点对应的编码后的探头直径数据；
构建预设机器学习模型，将所述预设机器学习模型确定为当前机器学习模型；
基于所述当前机器学习模型，对所述第二数据与所述每个历史焊点对应的编码后的探头直径数据进行预测操作，确定预测焊核直径；
根据所述预测焊核直径和所述实际焊核直径确定均方误差，得到损失值；
当所述损失值大于所述预设阈值时，基于所述损失值进行反向传播，对所述当前机器学习模型进行更新以得到更新后的机器学习模型，将所述更新后的机器学习模型重新确定为当前机器学习模型；重复步骤：对所述第二数据与所述每个历史焊点对应的编码后的探头直径数据进行预测操作，确定预测焊核直径；
当所述损失值小于或者等于所述预设阈值时，将所述当前机器学习模型确定为所述焊核直径确定模型，将所述损失值对应的模型参数确定为所述焊核直径确定模型的参数。


3.根据权利要求2所述的方法，其特征在于，所述焊核直径确定模型包括第一卷积层、第二卷积层、第一全连接层、数据合并层和第二全连接层；
所述第一卷积层、所述第二卷积层、所述第一全连接层、所述数据合并层和所述第二全连接层依次串行连接；
所述数据合并层包括第一输入端和第二输入端，所述第一输入端用于输入所述第一全连接层的输出数据，所述第二输入端用于输入所述每个历史焊点对应的编码后的探头直径数据。


4.根据权利要求3所述的方法，其特征在于，所述第一卷积层、所述第二卷积层、所述第一全连接层和所述第二全连接层均包括多个感知机，所述多个感知机中每个感知机对应含有多个权重系数；
所述对所述当前机器学习模型进行更新以得到更新后的机器学习模型，将所述更新后的机器学习模型重新确定为当前机器学习模型，包括：
对所述第一卷积层、所述第二卷积层、所述第一全连接层和所述第二全连接层中每个感知机对应的多个权重系数进行调整，得到所述更新后的机器学习模型；
将所述更新后的机器学习模型重新确定为当前机器学习模型。


5.根据权利要求1所述的方法，其特征在于，所述回波图片的像素矩阵中含有多个单元像素，所述多个单元像素中单元像素含有第一颜色变量、第二颜色变量或第三颜色变量，
所述对所述压缩后的回波图片进行灰度处理，得到灰度数据，包括：
根据第一预设值和所述第一颜色变量确定单元像素的第一灰度子数据，根据第二预设值和所述第二颜色变量确定单元像素的第二灰度子数据，根据第三预设值和所述第三颜色变量确定单元像素的第三灰度子数据；
确定所述第一灰度子数据、所述第二灰度子数据和所...

【专利技术属性】
技术研发人员：彭飞，冯波，何洪岩，
申请(专利权)人：浙江吉利汽车研究院有限公司，浙江吉利控股集团有限公司，
类型：发明
国别省市：浙江;33