焊缝缺陷的检测、模型训练方法、系统、设备和存储介质技术方案

本发明专利技术提供一种焊缝缺陷的检测、模型训练方法、系统、设备和存储介质，检测方法包括：获取焊接工件图像；将焊接工件图像输入焊缝检测模型，以由焊缝检测模型识别出焊接工件图像中的焊缝区域；从焊接工件图像中截取对应于焊缝区域的焊缝图像；将焊缝图像输入缺陷检测模型，以由缺陷检测模型对焊缝图像进行焊缝缺陷检测并输出焊缝缺陷信息。本发明专利技术通过焊缝检测模型识别出焊接工件图像中的焊缝区域，通过缺陷检测模型对焊缝图像进行焊缝缺陷检测，能够高质量地从各种尺寸和拍摄角度的焊接工件图像识别出焊缝区域，并且能够准确地从焊缝区域对应的焊缝图像识别出焊缝缺陷信息，对大量的焊缝缺陷种类具有良好的判别性，提高了检测的准确性和精准度。准确性和精准度。准确性和精准度。

【技术实现步骤摘要】
焊缝缺陷的检测、模型训练方法、系统、设备和存储介质


[0001]本专利技术涉及焊接
，尤其涉及一种焊缝缺陷的检测、模型训练方法、系统、设备和存储介质。

技术介绍

[0002]在工业生产过程中,有大量的物料(如钢管等)需要进行连接，折弯等操作。在焊接过程中，由于存在焊接参数(焊接功率、保护气体流量、焊接速度)可能由于调节不当及焊接环境复杂等不确定因素，导致焊缝内部出现凹陷、咬边、气孔、未熔合、熔宽余高未达标等内部缺陷。
[0003]这些缺陷不仅影响焊缝外观形貌，而且会造成焊缝连接强度下降，从而影响焊接构件产品质量，甚至会使产品报废。为了保证焊接件产品质量，工厂通常会设置检测环节来对焊缝区域进行缺陷检测，以保证产品能在工业环境中安全稳定的长时间使用。
[0004]目前常用的技术方案为基于单阶段模型的检查系统，详细如下：
[0005](1)拍摄若干包含焊缝及缺陷的图片，进行预处理并标注缺陷；
[0006](2)设计简易的神经网络模型；
[0007](3)利用标注后的图片和神经网络模型进行训练，训练后的模型本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种焊缝缺陷的检测方法，其特征在于，包括：获取焊接工件图像；将所述焊接工件图像输入焊缝检测模型，以由所述焊缝检测模型识别出所述焊接工件图像中的焊缝区域；其中，所述焊缝区域表征焊缝在所述焊接工件图像中所处的区域，所述焊缝检测模型由若干标识有焊缝区域的样本图像对第一二阶段目标检测模型训练得到；从所述焊接工件图像中截取对应于所述焊缝区域的焊缝图像；将所述焊缝图像输入缺陷检测模型，以由所述缺陷检测模型对所述焊缝图像进行焊缝缺陷检测并输出焊缝缺陷信息；其中，所述缺陷检测模型由若干标注有焊缝缺陷信息的焊缝样本图像对第二二阶段目标检测模型训练得到。2.如权利要求1所述的焊缝缺陷的检测方法，其特征在于，所述第一二阶段目标检测模型包括依次连接的第一卷积神经网络、第一特征金字塔网络和第一区域生成网络；和/或，在所述焊缝检测模型的训练过程中采用Adam优化器。3.如权利要求1所述的焊缝缺陷的检测方法，其特征在于，所述第二二阶段目标检测模型包括依次连接的第二卷积神经网络、第二特征金字塔网络和第二区域生成网络；和/或，在所述缺陷检测模型的训练过程中，采用Adam优化器；和/或，在所述缺陷检测模型的训练过程中，对所述焊缝样本图像进行数据增强操作。4.如权利要求3所述的焊缝缺陷的检测方法，其特征在于，所述焊缝缺陷信息包括：焊缝的缺陷种类和缺陷在所述焊缝图像中的坐标；所述第二区域生成网络包括第一卷积层、分类分支和回归分支，所述第一卷积层的输出分别与所述分类分支和所述回归分支连接，所述分类分支输出所述缺陷种类，所述回归分支输出所述缺陷在所述焊缝图像中的坐标；所述分类分支包括依次连接的第一全连接层和第二全连接层，所述回归分支包括依次连接的第二卷积层和第三全连接层。5.如权利要求1所述的焊缝缺陷的检测方法，其特征在于，在所述将所述焊接工件图像输入焊缝检测模型的步骤之前，所述检测方法还包括：将所述焊接工件图像缩放得到归一化后的焊接工件图像，其中，所述归一化后的焊接工件图像的长度为预设长度，所述焊接工件图像的长宽比在缩放前后保持不变；所述将所述焊接工件图像输入焊缝检测模型的步骤具体包括：将所述归一化后的焊接工件图像输入所述焊缝检测模型。6.如权利要求1所述的焊缝缺陷的检测方法，其特征在于，在所述将所述焊缝图像输入缺陷检测模型的步骤之前，所述检测方法还包括：将所述焊缝图像缩放得到归一化后的焊缝图像，其中，所述归一化后的焊缝图像的长度为预设长度，所述焊缝图像的长宽比在缩放前后保持不变；所述将所述焊缝图像输入缺陷检测模型的步骤具体包括：将所述归一化后的焊缝图像输入所述缺陷检测模型。7.如权利要求1所述的焊缝缺陷的检测方法，其特征在于，所述焊缝检测模型还输出所述焊缝区域对应的第一置信度；所述从所述焊接工件图像中截取对应于所述焊缝区域的焊缝图像的步骤具体包括：筛选第一出置信度大于第一置信度阈值的目标焊缝区域；
从所述焊接工件图像中截取对应于所述目标焊缝区域的焊缝图像；和/或，所述缺陷检测模型还输出所述焊缝缺陷信息对应的第二置信度；所述输出焊缝缺陷信息的步骤具体包括：筛选第二置信度大于第二置信度阈值的目标焊缝缺陷信息。8.一种焊缝缺陷模型的训练方法，其特征在于，包括：获取若干样本图像，所述样本图像标注有焊缝区域信息；将所述样本图像输入第一二阶段目标检测模型，以由所述第一二阶段目标检测模型识别出所述样本图像中的焊缝区域信息；将从所述样本图像中截取的对应于所述焊缝区域信息的焊缝图像作为焊缝样本图像，并输入第二二阶段目标检测模型，以由所述第二二阶段目标检测模型对所述焊缝样本图像进行焊缝缺陷检测并输出焊缝缺陷信息；其中，所述焊缝样本图像标注有焊缝缺陷信息；确定每次迭代训练过程中所述第一二阶段目标检测模型输出的焊缝区域信息与标注的焊缝区域信息的第一差异，以及所述第二二阶段目标检测模型输出的焊缝缺陷信息与标注的焊缝缺陷信息的第二差异；基于所...

【专利技术属性】
技术研发人员：董亚明，毛晴，杨家荣，刘文奇，王昭，谢齐辉，陈萱，尹逊玉，张亚平，
申请(专利权)人：上海商汤科技开发有限公司，
类型：发明
国别省市：