本发明专利技术提供了一种激光除漆的检测方法、装置、设备及可读存储介质，包括：获取由声波采集器采集到样本在激光除漆过程中的声波数据、以及由图像采集器采集到样本在激光除漆过程中的视觉图像；对所述声波数据进行减维处理以生成降维数据，并将所述降维数据通过GAF格拉姆角场转换为和所述视觉图像对齐的声波二维图像；调用引入经过CBAM注意力机制优化过的DPN网络和CBAM网络分别对声波二维图像和视觉图像进行特征提取，并分别生成声波特征和视觉特征；对所述声波特征和视觉特征进行拼接融合以生成融合结果，根据所述融合结果生成样本的分类结果。旨在解决现有技术中对样本表面激光除漆时的检测能力不足的问题。漆时的检测能力不足的问题。漆时的检测能力不足的问题。
【技术实现步骤摘要】
一种激光除漆的检测方法、装置、设备及可读存储介质
[0001]本专利技术涉激光除漆检测领域，特别涉及一种激光除漆的检测方法、装置、设备及可读存储介质。
技术介绍
[0002]在激光清洗过程中不论是等离子体声波还是热弹性声波，都会导致光声信号也随之变化。声波信号对清洗样本的临界状态变化非常敏感，且不受主观因素的影响，通过声波信号强度的变化可以准确判别样本局部区域的洁净程度和混淆区域的状态变化。因此，可以通过检测激光清洗时的声波信号变化准确判别激光清洗过程中样本局部区域的状态变化；
[0003]声波信号的变化仅在样本极小区域内效果明显，对样本的整体状态进行检测时，大量的声波信号会显著增加样本整体的判别难度，对整体样本的清洗状态判别并没有优势，难以满足复杂的检测任务。在单一视觉图像检测清洗的过程中，由于漆层厚度、材料以及不同区域可能产生的热积累效应不同，导致激光清洗过程中区域轮廓间是渐变变化的，区域内色调、纹理及反射率仅有微小变化，但在微观检测下，形貌已经发生较大改变，即样本状态类别转变，该变化带来过渡区间而使得边界轮廓混淆，人眼观察容易混淆判断。如图1所示，通过对样本的视觉图像进行检测，可以对其整体的样本状态进行判断，但对混淆样本及临界状态的微观变化感知不强。
[0004]有鉴于此，提出本申请。
技术实现思路
[0005]本专利技术公开了一种激光除漆的检测方法、装置、设备及可读存储介质，旨在解决现有技术中对样本表面激光除漆时的检测能力不足的问题。
[0006]本专利技术第一实施例公开了一种激光除漆的检测方法，包括：
[0007]获取由声波采集器采集到样本在激光除漆过程中的声波数据、以及由图像采集器采集到样本在激光除漆过程中的视觉图像；
[0008]对所述声波数据进行减维处理以生成降维数据，并将所述降维数据通过GAF格拉姆角场转换为和所述视觉图像对齐的声波二维图像；
[0009]调用引入经过CBAM注意力机制优化过的DPN网络和CBAM网络分别对声波二维图像和视觉图像进行特征提取，并分别生成声波特征和视觉特征；
[0010]对所述声波特征和视觉特征进行拼接融合以生成融合结果，根据所述融合结果生成样本的分类结果。
[0011]优选地，所述对所述声波数据进行减维处理以生成降维数据，并将所述降维数据通过GAF格拉姆角场转换为和所述视觉图像对齐的声波二维图像，具体为：
[0012]对所述声波数据进行分段聚合近似，生成降维数据；
[0013]将所述降维数据在笛卡尔坐标系的时间序列通过归一化缩放至[
‑
1,1]，并将缩放
后的时间序列转换至极坐标系上；
[0014]调用反余弦函数将所述缩放后的时间序列转化为在极坐标系上的角度,并根据所述角度生成Gram矩阵；
[0015]根据所述Gram矩阵对每一段声波数据进行转换生成和所述视觉图像对齐的声波二维图像。
[0016]优选地，调用引入经过CBAM注意力机制优化过的DPN网络对声波二维图像进行特征提取，生成声波特征，具体为：
[0017]将所述声波二维图像进行大尺度卷积和池化后输入四个Dense Block，以提取声波二维图像的特征，其中，Dense Block之间通过Transition层连接，每个Dense Block包括多个Bottleneck，其中，每个Bottleneck嵌入有CBAM注意力机制；
[0018]对所述声波二维图像的特征进行可视化以生成声波特征。
[0019]优选地，调用引入经过CBAM注意力机制优化过的CBAM网络对视觉图像进行特征提取，生成视觉特征，具体为：
[0020]将所述视觉图像进行大尺度卷积和池化后输入四个Block，以提取视觉图像的特征，其中，每一所述Block包括多个用于与CBAM注意力机制连接的Bottleneckm,且每一所述Block都存在一个Transition层；
[0021]对所述视觉图像的特征进行可视化以生成视觉特征。
[0022]优选地，所述对所述声波特征和视觉特征进行拼接融合以生成融合结果，根据所述融合结果生成样本的分类结果，具体为：
[0023]将所述声波特征和视觉特征进行特征拼接并池化，生成融合结果；
[0024]将所述融合结果输入至全连接层和Softmax函数进行分类预测，生成样本的分类结果。
[0025]本专利技术第二实施例提供了一种激光除漆的检测装置，包括：
[0026]数据获取单元，用于获取由声波采集器采集到样本在激光除漆过程中的声波数据、以及由图像采集器采集到样本在激光除漆过程中的视觉图像；
[0027]数据降维单元，用于对所述声波数据进行减维处理以生成降维数据，并将所述降维数据通过GAF格拉姆角场转换为和所述视觉图像对齐的声波二维图像；
[0028]特征生成单元，调用引入经过CBAM注意力机制优化过的DPN网络和CBAM网络分别对声波二维图像和视觉图像进行特征提取，并分别生成声波特征和视觉特征；
[0029]分类结果生成单元，用于对所述声波特征和视觉特征进行拼接融合以生成融合结果，根据所述融合结果生成样本的分类结果。
[0030]优选地，所述数据降维单元具体用于：
[0031]对所述声波数据进行分段聚合近似，生成降维数据；
[0032]将所述降维数据在笛卡尔坐标系的时间序列通过归一化缩放至[
‑
1,1]，并将缩放后的时间序列转换至极坐标系上；
[0033]调用反余弦函数将所述缩放后的时间序列转化为在极坐标系上的角度,并根据所述角度生成Gram矩阵；
[0034]根据所述Gram矩阵对每一段声波数据进行转换生成和所述视觉图像对齐的声波二维图像。
[0035]优选地，所述分类结果生成单元，具体用于：
[0036]将所述声波特征和视觉特征进行特征拼接并池化，生成融合结果；
[0037]将所述融合结果输入至全连接层和Softmax函数进行分类预测，生成样本的分类结果。
[0038]本专利技术第三实施例提供了一种激光除漆的检测设备，包括存储器以及处理器，所述存储器内存储有计算机程序，所述计算机程序能够被所述处理器执行，以实现如上任意一项所述的一种激光除漆的检测方法。
[0039]本专利技术第四实施例提供了一种计算机可读存储介质，存储有计算机程序，所述计算机程序能够被所述计算机可读存储介质所在设备的处理器执行，以实现如上任意一项所述的一种激光除漆的检测方法。
[0040]基于本专利技术提供的一种激光除漆的检测方法、装置、设备及可读存储介质,其通过声波采集器和图像采集器在样本进行激光除漆过程中的声波数据和视觉图像，接着将声波数据进行减维处理以生成降维数据，并将所述降维数据通过GAF格拉姆角场转换为和所述视觉图像对齐的声波二维图像，调用引入经过CBAM注意力机制优化过的DPN网络对声波二维图像进行特征提取，调用引入经过CBAM注意力机制优化过本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种激光除漆的检测方法，其特征在于，包括：获取由声波采集器采集到样本在激光除漆过程中的声波数据、以及由图像采集器采集到样本在激光除漆过程中的视觉图像；对所述声波数据进行减维处理以生成降维数据，并将所述降维数据通过GAF格拉姆角场转换为和所述视觉图像对齐的声波二维图像；调用引入经过CBAM注意力机制优化过的DPN网络和CBAM网络分别对声波二维图像和视觉图像进行特征提取，并分别生成声波特征和视觉特征；对所述声波特征和视觉特征进行拼接融合以生成融合结果，根据所述融合结果生成样本的分类结果。2.根据权利要求1所述的一种激光除漆的检测方法，其特征在于，所述对所述声波数据进行减维处理以生成降维数据，并将所述降维数据通过GAF格拉姆角场转换为和所述视觉图像对齐的声波二维图像，具体为：对所述声波数据进行分段聚合近似，生成降维数据；将所述降维数据在笛卡尔坐标系的时间序列通过归一化缩放至[
‑
1,1]，并将缩放后的时间序列转换至极坐标系上；调用反余弦函数将所述缩放后的时间序列转化为在极坐标系上的角度,并根据所述角度生成Gram矩阵；根据所述Gram矩阵对每一段声波数据进行转换生成和所述视觉图像对齐的声波二维图像。3.根据权利要求1所述的一种激光除漆的检测方法，其特征在于，调用引入经过CBAM注意力机制优化过的DPN网络对声波二维图像进行特征提取，生成声波特征，具体为：将所述声波二维图像进行大尺度卷积和池化后输入四个Dense Block，以提取声波二维图像的特征，其中，Dense Block之间通过Transition层连接，每个Dense Block包括多个Bottleneck，其中，每个Bottleneck嵌入有CBAM注意力机制；对所述声波二维图像的特征进行可视化以生成声波特征。4.根据权利要求1所述的一种激光除漆的检测方法，其特征在于，调用引入经过CBAM注意力机制优化过的CBAM网络对视觉图像进行特征提取，生成视觉特征，具体为：将所述视觉图像进行大尺度卷积和池化后输入四个Block，以提取视觉图像的特征，其中，每一所述Block包括多个用于与CBAM注意力机制连接的Bottleneckm,且每一所述Block都存在一个Transition层；对所述视觉图像的特征进行可视化以生成视觉特征...
【专利技术属性】
技术研发人员：黄海鹏，
申请(专利权)人：厦门理工学院，
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。