一种基于深度学习的焊缝图像缺陷的检测方法技术

本发明专利技术公开了一种基于深度学习的焊缝图像缺陷的检测方法，包括将带有焊缝的焊件通过人工识别分类得到包含不同焊缝类型的焊件；获取分类后焊件的图像数据并经过预处理转换为焊件图像，然后将焊件图像按照焊缝类型分类存储并进行随机打乱形成焊缝数据集；通过使用tenserflow调用ResNet50网络模型，将焊缝数据集分为测试集、训练集、验证集并将训练集数据输入ResNet50网络模型对模型训练；将带有焊缝的焊件的图像输入经过训练的ResNet50网络模型，通过网络模型判断输出焊件的焊缝类型。采用本方法效率得到提高。用本方法效率得到提高。

【技术实现步骤摘要】
一种基于深度学习的焊缝图像缺陷的检测方法


[0001]本专利技术涉及焊缝图像缺陷的检测方法，具体涉及基于深度学习的焊缝图像缺陷的检测方法。

技术介绍

[0002]随着工业的不断发展，各行各业对所需设备的数量以及质量要求的不断提高，这就对材料的质量和结构要求更加严格。焊接作为传统工艺上的基本连接方法，在机械制造、石油化工、航空航天等众多领域都有广泛的应用。然而由于受到焊接环境因素的影响，焊接过程中经常会产生裂纹、气孔、错边等各种缺陷问题，进而影响焊件的质量以及结构性能。在传统的焊缝缺陷检测中，主要依赖人工对每个焊件进行逐个的检查。这种方法依赖于个人经验，易受个人主观影响，且效率低下，不能满足工业化生产的需求，所以使用有效的方法检测焊缝轮廓缺陷已迫在眉睫。
[0003]目前，关于焊缝图像缺陷的检测方法已经有了许多方案，例如中国专利申请号 CN202011091643.3、中国专利申请号CN202110965549.4均使用了X射线对焊缝图像进行收集，并通过深度学习网络模型对缺陷进行检测，这些专利技术虽在一定程度上提高了焊缝缺陷检测精度，但需本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的焊缝图像缺陷的检测方法，其特征在于包括以下步骤：步骤一、将带有焊缝的焊件通过人工识别分类得到包含不同焊缝类型的焊件，不同焊缝类型的焊件可以包括具有正常焊缝的焊件、带有错边缺陷焊缝的焊件、带有裂缝缺陷焊缝的焊件、带有气孔缺陷焊缝的焊件；步骤二、获取分类后焊件的图像数据并经过预处理转换为焊件图像，然后将焊件图像按照焊缝类型分类存储并进行随机打乱形成焊缝数据集；步骤三、通过使用tensorflow调用ResNet50网络模型，将焊缝数据集分为测试集、训练集、验证集并将训练集数据输入ResNet50网络模...

【专利技术属性】
技术研发人员：冯雪松，李剑，于永新，
申请(专利权)人：天津大学，
类型：发明
国别省市：