基于激光超声的深度学习三维重建缺陷检测系统与方法技术方案

本发明专利技术提供一种基于激光超声的深度学习三维重建缺陷检测系统与方法，所述系统包括运动控制模块、激光扫描模块、数据采集模块、信号处理模块和结果显示模块。其通过分步激光扫描在航空复合材料表面产生激光超声信号，并使用二维运动平台搭载激光测振仪进行信号采集，最终通过创建基于生成对抗网络的LANDT网络进行零件内部自动化三维重建，输出拼接过后的零件三维图像，可以对复合材料表面和内部缺陷的进行自动化检测，并将检测结果实时三维成像，从而能够直观地观察到零件内部缺陷情况，实现了在有效提高复合材料表面和内部检测的准确率的同时还能够很好地降低生产成本的目的。的同时还能够很好地降低生产成本的目的。的同时还能够很好地降低生产成本的目的。

【技术实现步骤摘要】
基于激光超声的深度学习三维重建缺陷检测系统与方法


[0001]本专利技术涉及激光超声无损检测
，尤其涉及一种基于激光超声的深度学习三维重建复材缺陷检测系统与方法。

技术介绍

[0002]随着航空制造产业的飞速发展，近年来航空航天飞行器中大量使用纤维增强复合材料，这被视为减轻飞机机体质量和降低直接运维成本的有效方法。碳纤维复合材料是碳化纤维和塑料的完美结合，与金属相比较有其独特的优势：坚固，很硬，尤其重量轻。飞机上应用碳纤维复合材料到可使其重量减少至多30%，这是其他技术手段很难以企及的。此外，该材料兼具纤维的柔曲性和可编织性，既可担任结构材料承载负荷，又可作为功能材料发挥作用，因此发展更大更轻的碳纤维复合材料叶片是一种趋势，研究更多的碳纤维复合材料叶片检测方法也很有意义。
[0003]激光超声检测技术是利用激光来激发和检测超声的无损检测技术，与传统的压电超声技术相比，激光超声检测技术具有非接触、宽带以及点发射接收等优点。因此在材料表征、缺陷检测、加工过程监测，以及复杂形貌的工件或高温、高压、腐蚀、辐射等特殊环境下设备的检测或监测中得以应用。
[0004]激光超声检测技术作为一门交叉学科技术，它很好的结合了超声学和激光技术学的优点，应用传统超声波的强穿透能力，又同时应用到了光学检测的非接触 性，通过激光激发和接收超声波实现对被检试样的无损检测。
[0005]相比于其他无损检测技术，激光超声检测技术具有成本低、易操作、精度高等优势，在未来无损探伤领域有很大的发展潜力。然而，现有的激光超声激发与检测方法一般采用LabView进行编程与控制，虽然能够准确地得出检测结果，但编程方式不够灵活，无法使材料内部的检测结果直观显示，加大了分析内部缺陷的难度；而工业CT技术可以直观地看到材料内部的缺陷情况，但却受限于设备价格昂贵，无法检测大体积零件或厚度较厚的零件。
[0006]中国专利公开号为CN101435784B公开了一种涡轮叶片CT检测装置及其检测方法，通过X射线照射叶片，并调整叶片的倾斜角，实现对叶片各个方向的裂纹进行检测。这种检测方法采用的射线源价格昂贵，检测装置体积大无法做原位检测，且需要调整叶片角度以防止漏检垂直于射线的裂纹，使得成像速度较慢且检测效率较低。
[0007]中国专利公开号为CN111537444A公开了一种重复频率虚拟调控的激光超声无损检测方法及系统，其利用利用激光超声系统对被测结构进行扫描，获取低重复频率激励的导波波场数据；根据所述低重复频率激励的导波波场数据，重构虚拟重复频率激励的导波波场数据；根据所述虚拟重复频率激励的导波波场数据，计算不同重复频率激励的损伤图像；根据所述损伤图像确定检测效果最佳的激光激励的重复频率；根据所述检测效果最佳的激光激励的重复频率进行无损检测。这种检测方法虽然可以有较高的检测精度。

技术实现思路

[0008]本专利技术的目的在于克服上述
技术介绍
中的不足，实现材料内部缺陷的位置定位与三维重建，通过激光超声与深度学习相结合的方式对检测零件进行内部三维重建，直观地将材料表面和内部缺陷展示出来，用于解决工业检测中工业CT价格昂贵、无法检测大型零件或厚度较高的零件和激光超声检测编程不灵活的技术问题。
[0009]为实现上述目的，本专利技术首先提供了一套成本低性能强的基于激光超声的深度学习三维重建缺陷检测系统，该系统包括：XY二维运动平台、Q开关Nd：YAG激光器、XZ二维运动平台、Vibroflex激光测振仪、二维偏转振镜、待测航空复合材料零件、工控机、显示器。
[0010]所述XY二维运动平台提供XY向的位移，所述Q开关Nd：YAG激光器产生连续的激光脉冲， 所述XZ二维运动平台提供XZ向二维运动， 所述Vibroflex激光测振仪检测零件振动，所述二维偏转振镜实现激光器的连续偏转扫描，所述工控机包括控制模块和信号处理模块。
[0011]优选地，工控机是整个系统控制和数据处理的核心，其软件包括上述控制模块与上述信号处理模块。其中上述控制模块包括通过串口与上述XY二维运动平台、Q开关Nd：YAG激光器、XZ二维运动平台、Vibroflex激光测振仪和二维偏转振镜进行通信，实现整个激光扫描过程的连续高效进行，并且完成零件振动的数据采集；上述信号处理模块是对上述测振仪得到的图像进行信号处理，逐步实现信号波形绘制、零件扫描点厚度的测量、零件外形轮廓的绘制、零件扫描点缺陷深度的定位，零件扫描点内部图像的分层绘制，最终完成待测零件的三维重建工作。
[0012]其次，本专利技术实施例还提供了一种基于激光超声的深度学习三维重建缺陷检测方法，基于上述的基于激光超声的深度学习三维重建缺陷检测系统，包括以下步骤：S101：通过工控机完成硬件参数的初始化，包括脉冲激光器、二维振镜、激光测振仪和二维运动平台的参数初始化。设置激光器和二维振镜的扫描参数，并将搭载激光测振仪的二位运动平台位移参数与之相匹配。
[0013]S102：激光器发出连续脉冲激光，激光直射打到二维振镜上，通过二维振镜的同步扫描使激光连续偏转，完成当前位置在航空复合材料上的连续扫描，从而在待测复合材料的表面产生激光超声信号；S103：通过控制XZ向二维运动平台使得激光测振仪与待测零件上的激光扫描点同步运动，始终保持垂直位置进行激光超声信号采集，从而得到连续的激光扫描信号，并将这些信号数据保存到工控机数据处理模块。
[0014]S104：将测振仪采集到的激光超声信号进行数据预处理，分析超声信号并得到时域与频域的波形图，从而根据脉冲时间间隔得到材料当前扫描点的厚度，从而可以得到材料该扫描位置的三维轮廓图。
[0015]S105：得到激光超声波形图后，将其导入创新性提出的LANDT神经网络进行训练学习，设置训练的初始参数学习率与batchsize，通过300轮次的训练之后，可以自动分析出待测零件表面与内部的缺陷，并通过位置和深度信息将其进行逐层三维重建，生成到上述步骤中的三维轮廓图中。
[0016]S106：XY二维运动平台移动到下一位置，重复上述步骤S102
‑
S105，将每一个激光
扫描区域的零件都进行三维重建后，根据XY二维运动平台的位移对各扫描区域三维重建的零件进行图像拼接，从而得到最终的总体零件三维重建图。
[0017]S107：将总体的三维重建零件图输出到显示器上，从而完成零件表面和内部缺陷的自动化检测并可直观地观察出零件的缺陷位置和大小。
[0018]进一步地，在步骤S105中，本实施例中创新性地提出了LANDT神经网络，该网络基于生成对抗网络实现，其模型参数与数据集的获得通过以下步骤实现：步骤一：对尽可能多的包含已知缺陷的航空复合材料进行激光超声检测，将检测得到的时域与频域波形图进行手动标注，将缺陷位置示出并记录其图像位置，将标签信息生成LANDT神经网络所需要的txt文件。
[0019]步骤二：对于检测的零件进行手动的三维图像生成，并将缺陷位置进行标注，并将其与步骤一中的波形图与标签信息相对应，从而得到生本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于激光超声的深度学习三维重建缺陷检测系统，其特征在于，所述系统包括： XY二维运动平台（101）、Q开关Nd：YAG激光器（102）、XZ二维运动平台（103）、Vibroflex激光测振仪（104）、二维偏转振镜（105）、待测航空复合材料零件（106）、工控机（107）、显示器（108）；所述XY二维运动平台（101）提供XY向的位移，所述Q开关Nd：YAG激光器（102）位于所述XY二维运动平台（101）上，用于产生连续的激光脉冲，所述二维偏转振镜（105）实现Q开关Nd：YAG激光器（102）的连续偏转扫描，所述Q开关Nd：YAG激光器（102）发射的激光脉冲打到待测航空复合材料零件（106）上； 所述XZ二维运动平台（103）提供XZ向二维运动， 所述Vibroflex激光测振仪（104）位于XZ二维运动平台（103）上，用于检测零件振动；所述工控机（107）包括控制模块和信号处理模块。2.根据权利要求1所述的基于激光超声的深度学习三维重建缺陷检测系统，其特征在于：所述工控机（107）控制模块与所述XY二维运动平台（101）、Q开关Nd：YAG激光器（102）、XZ二维运动平台（103）、Vibroflex激光测振仪（104）和二维偏转振镜（105）进行通信，完成待测航空复合材料零件（106）振动的数据采集；所述工控机（107）信号处理模块对所述Vibroflex激光测振仪（104）得到的图像进行信号处理，实现信号波形绘制、零件扫描点厚度的测量、零件外形轮廓的绘制、零件扫描点缺陷深度的定位，零件扫描点内部图像的分层绘制，最终完成待测零件的三维重建工作。3.一种基于激光超声的深度学习三维重建缺陷检测方法，基于权利要求1中所述的基于激光超声的深度学习三维重建缺陷检测系统，其特征在于，包括以下步骤：基于所述检测系统采集待测航空复合材料零件（106）表面的激光超声信号，根据所述激光超声信号得到当前激光扫描点的三维轮廓图；将所述三维轮廓图输入到LANDT神经网络中训练所述LANDT神经网络，实现对当前激光扫描点的三维重建；将所述待测航空复合材料零件（106）的每一个激光扫描点都进行三维重建后，根据XY二维运动平台（101）的位移对各扫描区域三维重建的零件进行图像拼接，从而得到最终的总体零件三维重建图；将所述待测航空复合材料零件（106）的三维重建图输出到显示器（108）上，从而完成零件表面和内部缺陷的自动化检测，直观地观察出零件的缺陷位置和大小。4.根据权利要求3所述的基于激光超声的深度学习三维重建缺陷检测方法，其特征在于，所述基于所述检测系统采集待测航空复合材料零件（106）表面的激光超声信号，根据所述激光超声信号得到当前激光扫描点的三维轮廓图，具体为：S101：通过工控机（107）完成硬件参数的初始化；S102：Q开关Nd：YAG激光器（102）发出连续脉冲激光，激光直射打到二维偏转振镜（105）上，通过二维偏转振镜（105）的同步扫描使激光连续偏转，完成当前位置在待测航空复合材料零件（106）上的连续扫描，从而在待测航空...

【专利技术属性】
技术研发人员：陆永华，杨昊铮，徐嘉骏，胡佳辉，卢正威，
申请(专利权)人：南京航空航天大学无锡研究院，
类型：发明
国别省市：