基于多域表达数据增强及模型自优化的不锈钢焊缝缺陷检测方法技术

本发明专利技术公开了一种基于多域表达数据增强及模型自优化的不锈钢焊缝缺陷高效检测方法。本发明专利技术方法将一维回波时域信号衍生至时频域、格拉姆角场域和马尔可夫转移场域等空间域；将各空间域构建的数据集依次输入MobileNetV3神经网络，选择特征表达最丰富的空间域作为最终训练数据集；构建多尺度深度可分离卷积对MobileNetV3进行改进，以增强网络的识别性能；同时，提出粒子群

Stainless steel weld defect detection method based on multi domain expression data enhancement and model self optimization

【技术实现步骤摘要】
基于多域表达数据增强及模型自优化的不锈钢焊缝缺陷检测方法


[0001]本专利技术涉及焊缝缺陷类型识别
，具体为一种基于多域表达数据增强及模型自优化的不锈钢焊缝缺高效陷检测方法。

技术介绍

[0002]焊接工艺广泛应用于航天、机械、能源动力等重要领域，对焊缝缺陷进行检测是保证安全生产的重要环节。目前，工业生产中仍大量应用人工检测方法对焊缝缺陷进行检测识别，需要专业检测人员分析缺陷的严重程度并对缺陷类型定性。随着人工智能的发展，计算机视觉和机器学习已经成功于不锈钢焊缝检测领域。
[0003]Silva Lucas C等人提出了一个利用超声TOFD信息识别焊缝未熔合、未焊透、夹渣、气孔和无缺陷五种类型的决策支持系统，该决策支持系统以极限学习机为基础，采用TOFD信号分段的频谱作为训练特征，识别准确率最高可达97％。Muravyov,S.V.等人提出了一种自动缺陷识别算法，用于通过摄影图像对焊接缺陷进行检测和分类。该算法在分割后的图像中选择缺陷域，提取图像的几何特征，并将缺陷分为无缺陷、空腔、纵向裂纹、横向裂纹、烧穿和多缺陷六类，识别准确本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多域表达数据增强及模型自优化的不锈钢焊缝缺陷检测方法，其特征在于：包括如下步骤：(1)、一维超声检测时域信号采集使用超声探伤仪和超声斜探头对未熔合、气孔、夹渣、未焊透、裂纹五类不锈钢焊缝缺陷样板进行A型回波数据采集、标签标记，构建时域训练数据集和时域测试数据集；(2)、一维超声检测信号多空间域表征将一维检测信号时域训练数据集和时域测试数据集衍生到时频域、格拉姆角场域、马尔可夫转移场域的空间域中，分别构建时频域、格拉姆角和场域、格拉姆角差场域、马尔可夫转移场域的训练数据集和测试数据集；将构建的多域训练数据集分别输入至轻量级卷积神经网络MobileNetV3，并分别用多域测试数据集进行验证，通过分类准确率对比选择特征表达最丰富的空间域构建下一步所用训练数据集Ⅰ和测试数据集Ⅱ；(3)、多尺度轻量型卷积神经网络模型构建a、选择MobileNteV3作为不锈钢焊缝缺陷识别的基础网络；b、多尺度深度可分离卷积构建多尺度深度可分离卷积为：将输入的M个特征图分别用M个不同尺寸的卷积核进行深度卷积，通过填充操作保证经过不同尺寸卷积核卷积后的输出特征图大小一致；之后将多尺度卷积的输出特征通过通道拼接，输出M个含有多尺度信息的特征图，并进一步通过1
×
1卷积将该输出映射到新的通道空间；c、将上述的多尺度深度可分离卷积替换原MobileNteV3网络中的深度可分离卷积，完成多尺度MobileNteV3轻量型网络模型构建；(4)、基于粒子群
‑
混沌麻雀搜素算法的自适应焊缝缺陷识别网络模型结构/参数优化a、基于粒子群
‑
混沌麻雀搜素算法的搜索策略优化
ⅰ
、从改进SSA自适应性角度出发，加入扰动因子p来自适应改变警戒麻雀数量，以式(13)来更新种群中警戒者比例，使警戒者数量可自适应减少且种群的完整性不遭破坏；式中，SD为警戒者比例，t为SSA当前迭代次数，T为SSA总迭代次数；
ⅱ
、将SSA中预警值、发现者所占比例、扰动因子、带有警戒值的麻雀比例的取值范围作为PSO的搜索空间，设置粒子群数量、学习因子取值、最大迭代次数，在搜索空间随机初始化每个粒子的速度和位置，根据目标函数计算每个粒子的适应值；
ⅲ
、通过每个粒子的适应度值更新其个体极值p
best
和全局极值g
best
，根据式(15)和式(16)调整粒子的位置和速度，x
i
＝x
i
+v
i
ꢀꢀꢀꢀꢀꢀꢀ
(16)式中，v
i
和x
i
分别代表粒子的速度和位置，c1和c2是学习因子，随机函数rand()是介于
(0,1)之间的随机数；
ⅳ
、当达到PSO的最大迭代次数或全部最优位置满足最小界限时，完成PSO对SSA中关键参数的选择，将找到的预警值、发现者比例、扰动因子、带有警戒值的麻雀比例传递到SSA中；
ⅴ
、利用Tent混沌映射对SSA种群进行初始化，根据式(14)，当i＝1时，可产生一个D维的混沌个体，继续迭代至i＝m时，产生m个D维向量的个体；Tent混沌映射表达式为：式中，d为初始化变量数目，i为映射次数，第i次映射的混沌个体；
ⅵ
、利用式(17)将混沌个体映射到定义域对应的搜索空间，完成麻雀种群初始化，即进行步骤b中的粗度层间压缩和超参数精度寻优；式中，X
id
为种群第i个个体的第d维位置，X
ub,d
为第d维的上界，X
lb,d
为第d维的下界；b、自适应焊缝缺陷识别网络模型结构/参数优化
ⅰ
、粗度层间压缩：将每只麻雀的6个维度分别对应于MobileNetV3中可删减替换的6个网络模块，保留原模块、替换为多尺度模块、删除模块为每个维度的搜索空间，根据搜索策略和评估策略进行第一轮搜索，通过迭代找到最优麻雀个体信息，完成模型压缩，确定多尺度MobileNetV3网络模型结构；
ⅱ
、超参数精度寻优：将每只麻雀的10个维度分别对应于多尺度MobileNetV3的10个待定参数，并确定搜索空间：学习率、梯度下降函数、多尺度深度可分离卷积的激活函数、训练批次大小、多尺度深度可分离卷积中卷积核大小，根据搜索策略和评估策略进行第二轮搜索，经算法迭代在搜索空间内找到模型最优参数，最终实现自适应多尺度MobileNetV3网络模型构建。2.根据权利要求1所述的一种基于多域表达数据增强及模型自优化的不锈钢焊缝缺陷检测方法，其特征在于：...

【专利技术属性】
技术研发人员：张睿，赵娜，白晓露，傅留虎，潘理虎，蔡江辉，宋仁旺，
申请(专利权)人：太原科技大学，
类型：发明
国别省市：