一种焊缝缺陷的自动检测方法及其系统技术方案

本发明专利技术提供一种焊缝缺陷的自动检测方法及其系统，其中，方法包括获取待检测焊缝的待检测数字图像；对待检测数字图像进行预处理，得到裁剪后的待检测数字图像；将裁剪后的待检测数字图像输入第一深度语义分割网络模型中，对待检测数字图像的第一焊缝缺陷进行检测，得到第一缺陷图；将裁剪后的待检测数字图像输入第二深度语义分割网络模型中，对待检测数字图像的第二焊缝缺陷进行检测，得到第二缺陷图；将第一缺陷图和第二缺陷图进行融合处理，得到融合缺陷图；对融合缺陷图进行处理，将得到对应于每个焊缝缺陷的缺陷数据结合检测标准表获取焊缝缺陷的缺陷信息，得到包括所有缺陷信息的检测报告。本发明专利技术的有益效果为提高检测精度和提高检测效率。

【技术实现步骤摘要】
一种焊缝缺陷的自动检测方法及其系统
本专利技术涉及焊接检测
，尤其涉及一种焊缝缺陷的自动检测方法及其系统。
技术介绍
目前焊接是现在制造领域的一种重要工艺方法之一，随着我国工业化程度的不断提高，焊接技术广泛应用于基建制造、航空航天、冶金工业、石油化工、国防科工和装备制造等各个关键领域。焊接按照焊接工艺可以分为气焊、电阻焊、电弧焊、感应焊接、激光焊接等，同时按照焊接方式可以分为自动焊、半自动焊和手动焊。在焊接时，焊接件受生产设备和生产工艺的影响可能会出现外观缺陷和内部缺陷，例如焊瘤、咬边、焊接变形和凹陷等外观缺陷能够直接通过肉眼识别，但是像未熔合、未焊透、裂纹、条形缺陷，圆形缺陷，夹钨/夹铜等内部缺陷需要通过无损检测技术辨别。而这些内部缺陷会降低焊接产品的质量，极大地影响结构的使用性能，焊接的失效轻则在日常的应用过程中易发生腐蚀，疲劳破坏，重则导致系统的崩溃，甚至造成灾难性的后果。因此，除了外部缺陷检查之外，需要对焊接内部结构进行有效的无损检测，以避免不合格的焊件进入市场，投入使用，保障经济效益，更为人身安全提供强有力的保障。目前主本文档来自技高网...

【技术保护点】
1.一种焊缝缺陷的自动检测方法，其特征在于，包括以下步骤：/n步骤S1，获取待检测焊缝的待检测数字图像；/n步骤S2，对所述待检测数字图像进行预处理，以得到裁剪后的所述待检测数字图像；/n步骤S3，将裁剪后的所述待检测数字图像输入第一深度语义分割网络模型中，以对所述待检测数字图像的第一焊缝缺陷进行检测，得到第一缺陷图；和/n将裁剪后的所述待检测数字图像输入第二深度语义分割网络模型中，以对所述待检测数字图像的第二焊缝缺陷进行检测，得到第二缺陷图；/n步骤S4，将所述第一缺陷图和所述第二缺陷图进行融合处理，以得到融合缺陷图；/n步骤S5，对所述融合缺陷图进行处理，以得到对应于每个焊缝缺陷的缺陷数据...

【技术特征摘要】
1.一种焊缝缺陷的自动检测方法，其特征在于，包括以下步骤：
步骤S1，获取待检测焊缝的待检测数字图像；
步骤S2，对所述待检测数字图像进行预处理，以得到裁剪后的所述待检测数字图像；
步骤S3，将裁剪后的所述待检测数字图像输入第一深度语义分割网络模型中，以对所述待检测数字图像的第一焊缝缺陷进行检测，得到第一缺陷图；和
将裁剪后的所述待检测数字图像输入第二深度语义分割网络模型中，以对所述待检测数字图像的第二焊缝缺陷进行检测，得到第二缺陷图；
步骤S4，将所述第一缺陷图和所述第二缺陷图进行融合处理，以得到融合缺陷图；
步骤S5，对所述融合缺陷图进行处理，以得到对应于每个焊缝缺陷的缺陷数据，并将每个所述焊缝缺陷的所述缺陷数据结合检测标准表获取所述焊缝缺陷的缺陷信息，以得到包括所有所述缺陷信息的检测报告；
其中，所述焊缝缺陷包括所述第一焊缝缺陷和所述第二焊缝缺陷。


2.如权利要求1所述的自动检测方法，其特征在于，所述步骤S3具体包括以下步骤：
得到第一缺陷图的步骤包括：
采用所述第一深度语义分割网络模型的滑动窗口对所述待检测数字图像进行预分割，并将预分割后的所述待检测数字图像分别输入到第一网络结构中，以通过所述第一网络结构对预分割后的所述待检测数字图像的所述第一焊缝缺陷进行检测，得到第一缺陷图；
其中，所述第一网络结构包括第一编码器网络结构和第一解码器网络结构，所述第一编码器网络结构和所述第一解码器网络结构组成非对称结构；
得到第二缺陷图的步骤包括：
采用所述第二深度语义分割网络模型的滑动窗口对所述待检测数字图像进行预分割，并将预分割后的所述待检测数字图像分别输入到第二网络结构中，以通过所述第二网络结构对预分割后的所述待检测数字图像的所述第二焊缝缺陷进行检测，得到第二缺陷图；
其中，所述第二网络结构包括第二编码器网络结构和第二解码器网络结构，所述第二编码器网络结构和所述第二解码器网络结构组成非对称结构。


3.如权利要求2所述的自动检测方法，其特征在于，所述第一编码器网络结构和所述第二编码器网络结构均包括至少一个第一卷积块、多个第二卷积块和多个倒残差空洞卷积冗余块；
其中，所述第一卷积块包括至少一层普通卷积层；
所述第二卷积块包括至少一层普通卷积层和至少一层深度可分离卷积层；
所述倒残差空洞卷积冗余块包括两层普通卷积层和一层深度可分离卷积层，深度可分离卷积层设置在两层普通卷积层之间；
所述第一编码器网络结构采用至少一条连接信号与所述第一解码器网络结构连接；
所述第二编码器网络结构采用至少一条连接信号与所述第二解码器网络结构连接；
所述倒残差空洞卷积冗余块中的深度可分离卷积层采用膨胀系数为2的空洞卷积；
所述第一解码器网络结构和所述第二解码器网络结构均包括多层普通卷积层，多层上采样层和一层输出层。


4.如权利要求1所述的自动检测方法，其特征在于，第一深度语义分割网络模型采用的损失函数如下述公式所示：
Loss1＝λ1·CE1+(1-λ1)·Tversky；






其中，λ1用于表示CE1函数和Tversky函数在损失函数中的比率；
C1用于表示所述待检测数字图像的第一分类数量，所述第一分类包括：
第一种分类，所述第一焊缝缺陷中的圆缺、条缺；
第二种分类，所述第一焊缝缺陷中的夹钨缺陷和夹铜缺陷；
第三种分类，所述待检测数字图像的焊缝背景；
i用于表示所述待检测数字图像上的像素点的横坐标；
j用于表示所述待检测数字图像上的像素点的纵坐标；
image用于表示所述待检测数字图像；
k1用于表示所述待检测数字图像的当前第一分类；
pk1(i,j)用于表示所述待检测数字图像上的像素点为当前第一分类的预测概率；
qk1(i,j)用于表示所述待检测数字图像上的像素点为当前第一分类的真实概率；
TP用于表示实际为正样本预测正确的样本；
FP用于表示实际为负样本预测错误的样本；
FN用于表示实际为正样本预测错误的样本；
α用于表示权重值。


5.如权利要求1所述的自动检测方法，其特征在于，第二深度语义分割网络模型采用的损失函数如下述公式所示：
Loss2＝λ2·CE2+(1-λ2)·Tversky；






其中，λ2用于表示CE2函数和Tversky函数在损失函数中的比率；
m用于表示所述待检测数字图像上的像素点的不同邻域点；
C2用于表示所述待检测数字图像的第二分类数量，所述第二分类...

【专利技术属性】
技术研发人员：王粤，邓杨，尚玉婷，
申请(专利权)人：浙江工商大学，
类型：发明
国别省市：浙江;33