端塞焊缝缺陷检测模型训练方法、检测方法和电子设备技术

本发明专利技术提供了一种端塞焊缝缺陷检测模型训练方法、检测方法和电子设备，涉及图像处理技术领域，解决了缺陷检测准确度较低的问题。该方法包括：获取多个端塞图像样本及其对应的缺陷位置和缺陷类型；对各端塞图像样本进行端塞焊缝定位处理及分割处理，得到各端塞图像样本对应的焊缝缺陷图像；将多个焊缝缺陷图像输入至初始端塞焊缝缺陷检测模型中，得到各端塞图像样本对应的预测缺陷位置和预测缺陷类型；根据各端塞图像样本对应的缺陷位置、缺陷类型、预测缺陷位置和预测缺陷类型，对初始端塞焊缝缺陷检测模型的模型参数进行更新，使得训练得到的端塞焊缝缺陷检测模型，可以准确地检测端塞焊缝的缺陷位置和缺陷类型，提高了缺陷检测结果的准确度。检测结果的准确度。检测结果的准确度。

【技术实现步骤摘要】
端塞焊缝缺陷检测模型训练方法、检测方法和电子设备


[0001]本专利技术涉及图像处理
，尤其涉及一种端塞焊缝缺陷检测模型训练方法、检测方法和电子设备。

技术介绍

[0002]在工业制造
，通常会涉及焊接工序，例如，在管状零件两端采用焊接技术将端塞与管状零件焊接，焊接完成后，通常需要对端塞焊缝的质量进行检测，以剔除质量不合格的产品，从而提高产品良率。
[0003]在对端塞焊缝的质量进行检测时，主要是对端塞焊缝是否存在缺陷进行检测。现有技术中，通常是采用人工检测的方法对端塞焊缝是否存在缺陷进行检测，但是，该种方法受限于检测人员的专业水平，因此，会导致缺陷检测结果的准确度较低。

技术实现思路

[0004]本专利技术提供一种端塞焊缝缺陷检测模型训练方法、检测方法和电子设备，可以准确地检测出端塞焊缝的缺陷位置和缺陷类型，从而提高了缺陷检测结果的准确度。
[0005]本专利技术提供一种端塞焊缝缺陷检测模型训练方法，该端塞焊缝缺陷检测模型训练方法可以包括：获取多个端塞图像样本，以及各端塞图像样本对应的缺陷位置和缺陷类型；其中，所述缺陷类型包括气胀、未焊透、气孔、或者夹钨中的至少一种。
[0006]对所述各端塞图像样本进行端塞焊缝定位处理以及分割处理，得到所述各端塞图像样本对应的焊缝缺陷图像。
[0007]将所述多个端塞图像样本各自对应的焊缝缺陷图像输入至初始端塞焊缝缺陷检测模型中，得到所述各端塞图像样本对应的预测缺陷位置和预测缺陷类型。
[0008]根据所述各端塞图像样本对应的缺陷位置、缺陷类型、预测缺陷位置和预测缺陷类型，对所述初始端塞焊缝缺陷检测模型的模型参数进行更新，以得到训练后的端塞焊缝缺陷检测模型。
[0009]根据本专利技术提供的一种端塞焊缝缺陷检测模型训练方法，所述初始端塞焊缝缺陷检测模型包括输入网络、骨干网络、检测头网络以及输出网络；所述将所述多个端塞图像样本各自对应的焊缝缺陷图像输入至初始端塞焊缝缺陷检测模型中，得到所述各端塞图像样本对应的预测缺陷位置和预测缺陷类型，包括：针对所述各端塞图像样本执行以下处理：将所述端塞图像样本对应的焊缝缺陷图像输入至所述输入网络中，并通过所述输入网络将所述焊缝缺陷图像输入至所述骨干网络中，得到所述端塞图像样本对应的特征图。
[0010]将所述端塞图像样本对应的特征图输入至所述检测头网络中，得到所述端塞图像样本对应的预测缺陷位置和预测缺陷类型，并通过所述输出网络输出所述端塞图像样本对
应的预测缺陷位置和预测缺陷类型。
[0011]根据本专利技术提供的一种端塞焊缝缺陷检测模型训练方法，所述对所述各端塞图像样本进行端塞焊缝定位处理以及分割处理，得到所述各端塞图像样本对应的焊缝缺陷图像，包括：针对所述各端塞图像样本，对所述端塞图像样本进行定位处理，得到包括端塞焊缝区域的区域图像。
[0012]对所述区域图像进行分割处理，得到所述端塞图像样本对应的所述焊缝缺陷图像。
[0013]根据本专利技术提供的一种端塞焊缝缺陷检测模型训练方法，所述获取多个端塞图像样本，包括：获取第一数量个端塞图像样本。
[0014]对所述第一数量个端塞图像样本进行拼接处理，得到所述多个端塞图像样本；其中，所述拼接处理包括随机缩放、随机裁剪、或者随机排布中的至少一种。
[0015]根据本专利技术提供的一种端塞焊缝缺陷检测模型训练方法，所述根据所述各端塞图像样本对应的缺陷位置、缺陷类型、预测缺陷位置和预测缺陷类型，对所述初始端塞焊缝缺陷检测模型的模型参数进行更新，包括：针对所述各端塞图像样本，根据所述端塞图像样本对应的缺陷位置和预测缺陷位置，构造所述端塞图像样本对应的回归损失函数；并根据所述端塞图像样本对应的缺陷类型和预测缺陷类型，构造所述端塞图像样本对应的分类损失函数。
[0016]根据所述各端塞图像样本对应的分类损失函数和回归损失函数，对所述初始端塞焊缝缺陷检测模型的模型参数进行更新。
[0017]本专利技术还提供一种端塞焊缝缺陷检测方法，该端塞焊缝缺陷检测方法可以包括：获取待检测端塞图像。
[0018]对所述待检测端塞图像进行端塞焊缝定位处理以及分割处理，得到所述待检测端塞图像对应的焊缝缺陷图像。
[0019]将所述焊缝缺陷图像输入至端塞焊缝缺陷检测模型中，得到所述待检测端塞图像对应的缺陷位置和缺陷类型；其中，所述端塞焊缝缺陷检测模型为上述任一项所述的端塞焊缝缺陷检测模型，所述缺陷类型包括气胀、未焊透、气孔、或者夹钨中的至少一种。
[0020]根据本专利技术提供的一种端塞焊缝缺陷检测方法，所述将所述焊缝缺陷图像输入至端塞焊缝缺陷检测模型中，得到所述待检测端塞图像对应的缺陷类型，包括：将所述焊缝缺陷图像输入至所述端塞焊缝缺陷检测模型中的输入网络中，并通过所述输入网络将所述焊缝缺陷图像输入至所述端塞焊缝缺陷检测模型中的骨干网络中，得到所述焊缝缺陷图像对应的特征图。
[0021]将所述焊缝缺陷图像对应的特征图输入至所述端塞焊缝缺陷检测模型中的检测头网络中，得到所述待检测端塞图像对应的缺陷位置和缺陷类型，并通过所述端塞焊缝缺陷检测模型中的输出网络输出所述待检测端塞图像对应的缺陷位置和缺陷类型。
[0022]本专利技术还提供一种端塞焊缝缺陷检测模型训练装置，该端塞焊缝缺陷检测模型训练装置可以包括：第一获取单元，用于获取多个端塞图像样本，以及各端塞图像样本对应的缺陷位
置和缺陷类型；其中，所述缺陷类型包括气胀、未焊透、气孔、或者夹钨中的至少一种。
[0023]第一处理单元，用于对所述各端塞图像样本进行端塞焊缝定位处理以及分割处理，得到所述各端塞图像样本对应的焊缝缺陷图像。
[0024]第二处理单元，用于将所述多个端塞图像样本各自对应的焊缝缺陷图像输入至初始端塞焊缝缺陷检测模型中，得到所述各端塞图像样本对应的预测缺陷位置和预测缺陷类型。
[0025]更新单元，用于根据所述各端塞图像样本对应的缺陷位置、缺陷类型、预测缺陷位置和预测缺陷类型，对所述初始端塞焊缝缺陷检测模型的模型参数进行更新，以得到训练后的端塞焊缝缺陷检测模型。
[0026]根据本专利技术提供的一种端塞焊缝缺陷检测模型训练装置，所述初始端塞焊缝缺陷检测模型包括输入网络、骨干网络、检测头网络以及输出网络；所述第二处理单元，具体用于针对所述各端塞图像样本执行以下处理：将所述端塞图像样本对应的焊缝缺陷图像输入至所述输入网络中，并通过所述输入网络将所述焊缝缺陷图像输入至所述骨干网络中，得到所述端塞图像样本对应的特征图；将所述端塞图像样本对应的特征图输入至所述检测头网络中，得到所述端塞图像样本对应的预测缺陷位置和预测缺陷类型，并通过所述输出网络输出所述端塞图像样本对应的预测缺陷位置和预测缺陷类型。
[0027]根据本专利技术提供的一种端塞焊缝缺陷检测模型训练装置，所述第一处理单元，具体用于针对所述各端塞图像样本，对所述端塞图像样本进行定位处理，得到包括端塞焊缝区域的区域图像；对所述区域图像进行分割处理，得到所述端塞图像样本对本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种端塞焊缝缺陷检测模型训练方法，其特征在于，包括：获取多个端塞图像样本，以及各端塞图像样本对应的缺陷位置和缺陷类型；其中，所述缺陷类型包括气胀、未焊透、气孔、或者夹钨中的至少一种；对所述各端塞图像样本进行端塞焊缝定位处理以及分割处理，得到所述各端塞图像样本对应的焊缝缺陷图像；将所述多个端塞图像样本各自对应的焊缝缺陷图像输入至初始端塞焊缝缺陷检测模型中，得到所述各端塞图像样本对应的预测缺陷位置和预测缺陷类型；根据所述各端塞图像样本对应的缺陷位置、缺陷类型、预测缺陷位置和预测缺陷类型，对所述初始端塞焊缝缺陷检测模型的模型参数进行更新，以得到训练后的端塞焊缝缺陷检测模型。2.根据权利要求1所述的端塞焊缝缺陷检测模型训练方法，其特征在于，所述初始端塞焊缝缺陷检测模型包括输入网络、骨干网络、检测头网络以及输出网络；所述将所述多个端塞图像样本各自对应的焊缝缺陷图像输入至初始端塞焊缝缺陷检测模型中，得到所述各端塞图像样本对应的预测缺陷位置和预测缺陷类型，包括：针对所述各端塞图像样本执行以下处理：将所述端塞图像样本对应的焊缝缺陷图像输入至所述输入网络中，并通过所述输入网络将所述焊缝缺陷图像输入至所述骨干网络中，得到所述端塞图像样本对应的特征图；将所述端塞图像样本对应的特征图输入至所述检测头网络中，得到所述端塞图像样本对应的预测缺陷位置和预测缺陷类型，并通过所述输出网络输出所述端塞图像样本对应的预测缺陷位置和预测缺陷类型。3.根据权利要求1所述的端塞焊缝缺陷检测模型训练方法，其特征在于，所述对所述各端塞图像样本进行端塞焊缝定位处理以及分割处理，得到所述各端塞图像样本对应的焊缝缺陷图像，包括：针对所述各端塞图像样本，对所述端塞图像样本进行定位处理，得到包括端塞焊缝区域的区域图像；对所述区域图像进行分割处理，得到所述端塞图像样本对应的所述焊缝缺陷图像。4.根据权利要求1
‑
3任一项所述的端塞焊缝缺陷检测模型训练方法，其特征在于，所述获取多个端塞图像样本，包括：获取第一数量个端塞图像样本；对所述第一数量个端塞图像样本进行拼接处理，得到所述多个端塞图像样本；其中，所述拼接处理包括随机缩放、随机裁剪、或者随机排布中的至少一种。5.根据权利要求1
‑
3任一项所述的端塞焊缝缺陷检测模型训练方法，其特征在于，所述根据所述各端塞图像样本对应的缺陷位置、缺陷类型、预测缺陷位置和预测缺陷类型，对所述初始端塞焊缝缺陷检测模型的模型参数进行更新，包括：针对所述各端塞图像样本，根据所述端塞图像样本对应的缺陷位置和预测缺陷位置，构造所述端塞图像样本对应的回归损失函数；并根据所述端塞图像样本对应的缺陷类型和预测缺陷类型，构造所述端塞图像样本对应的分类损失函数；根据所述各端塞图像样本对应的分类损失函数和回归损失函数，对所述初始端塞焊缝缺陷检测模型的模型参...

【专利技术属性】
技术研发人员：王禹，齐振国，单飞虎，曲佳佳，刘聪，李晶，李春喜，
申请(专利权)人：北京东方国信科技股份有限公司，
类型：发明
国别省市：