【技术实现步骤摘要】
一种可用于冲压件表面微缺陷成像的检测方法
[0001]本专利技术属于光学干涉测量
，具体涉及一种可用于冲压件表面微缺陷成像的检测方法。
技术介绍
[0002]目前，冲压件是利用模具和冲头对金属薄板进行冲压所形成的产品，被广泛应用于汽车、航空航天和核工业等领域。然而，在冲压过程中，由于各种因素的影响，冲压件可能会出现拉伤、划痕、压伤、暗坑、扭曲等表面微缺陷，这些不同尺度微缺陷仅凭人工方法是无法正确全面识别出的，严重影响着冲压件产品质量。因此，实现冲压件表面中的微缺陷高精度成像是亟待解决的关键技术问题。
[0003]由于其具有非接触、高精度和可定量的优势特点，相移干涉术在微纳器件形貌成像、细胞成像等领域得到了广泛的应用研究。在单波长相移干涉术中，由于使用反正切函数计算出的相位通常被包裹在(
‑
π,π]中，因此此相位是不连续的。为了消除不连续的相位，目前主要有两种解决方法：相位解包裹方法和双波长相移干涉术方法。相位解包裹方法不仅复杂、耗时，尤其是当包裹相位存在畸变相位时，该方法无法获得真实相位。双波...
【技术保护点】
【技术特征摘要】
1.一种可用于冲压件表面微缺陷成像的检测方法，其特征在于，它包括：步骤S1、收集若干张数的微缺陷冲压件广义相移双波长干涉图和对应的微缺陷冲压件各单波长干涉图；步骤S2、对收集到的微缺陷冲压件广义相移双波长干涉图和对应的微缺陷冲压件各单波长干涉图进行裁剪后，构建微缺陷冲压件干涉图数据集；步骤S3、设计基于深度学习的微缺陷冲压件双波长干涉图解耦卷积神经网络；步骤S4、利用所述微缺陷冲压件干涉图数据集，对所述基于深度学习的微缺陷冲压件双波长干涉图解耦卷积神经网络进行训练和验证，直至满足预设迭代训练次数或者预设误差精度要求，结束训练；步骤S5、获得基于卷积神经网络的微缺陷冲压件双波长干涉图解耦模型；步骤S6、将微缺陷冲压件三帧广义相移双波长干涉图输入到所述基于卷积神经网络的微缺陷冲压件双波长干涉图解耦模型中，即可分别得到各波长微缺陷冲压件三帧广义相移干涉图；步骤S7、利用最小二乘迭代方法对所述各波长微缺陷冲压件三帧广义相移干涉图进行处理，即可分别得到各波长微缺陷冲压件包裹相位；步骤S8、对所述各波长微缺陷冲压件包裹相位进行相减，即可形成微缺陷冲压件免解包相位。2.根据权利要求1所述的一种可用于冲压件表面微缺陷成像的检测方法，其特征在于，所述步骤S1中的微缺陷冲压件各单波长干涉图的表达公式为：I
k
(x,y)＝I
λ1,k
(x,y)+I
λ2,k
(x,y),k＝0,1,2,...,K上式表示第k帧微缺陷冲压件广义相移双波长干涉图I
k
，其中，x和y分别为空间坐标，I
λ1,k
为微缺陷冲压件单波长λ1的干涉图，I
λ2,k
为微缺陷冲压件单波长λ2的干涉图，K表示微缺陷冲压件广义相移双波长干涉图数。3.根据权利要求2所述的一种可用于冲压件表面微缺陷成像的检测方法，其特征在于，所述微缺陷冲压件单波长λ1的干涉图的表达公式为：上式表示波长λ1的第k帧微缺陷冲压件单波长干涉图I
λ1,k
，其中，a
λ1
(x,y)为背景强度项，b
λ1
(x,y)为调制幅值，表示微缺陷冲压件波长λ1下的待测相位，δ
λ1,k
为相移。4.根据权利要求2所述的一种可用于冲压件表面微缺陷成像的检测方法，其特征在于，所述微缺陷冲压件单波长λ2的干涉图的表达公式为：上式表示波长λ2的第k帧微缺陷冲压件单波长干涉图I
λ2,k
，其中，a
λ2
(x,y)为背景强度项，b
λ2
(x,y)为调制幅值，表示微缺陷冲压件波长λ2下的待测相位，δ
λ2,k
为相移。5.根据权利要求1所述的一种可用于冲压件表面微缺陷成像的检测方法，其特征在于，所述步骤S1中的波长与相移之间的关系，可表示为：δ
λ1,k
/δ
λ2,k
＝λ2/λ1＞1其中，δ
λ1,0
＝δ
λ2,0
＝0。6.根据权利要求1所述的一种可用于冲压件表面微缺陷成像的检测方法，其特征在于，
所述步骤S2中的裁剪，包括如下步骤：将微缺陷冲压件广义相移双波长干涉图和对应的微缺陷冲压件各单波长干涉图裁剪成128
×
128大小的像素尺寸。7.根据权利要求1所述的一种可用于冲压件表面微缺陷成像的检测方法，其特征在于，所述步骤S3中的设计基于深度学习的微缺陷冲压件双波长干涉图解耦卷积神经网络，包括如下步骤：步骤S31、所述基于深度学习的微缺陷冲压件双波长干涉图解耦卷积神...
【专利技术属性】
技术研发人员：徐小青，黄文波，王霆，孟雨涵，薄康莹，
申请(专利权)人：常州工利精机科技有限公司，
类型：发明
国别省市：
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。