本发明专利技术公开了一种喷油嘴表面缺陷的检测方法、装置及计算设备，方法包括：获取喷油嘴的表面图像的预处理图像；将预处理图像输入到目标检测网络中，得到缺陷检测结果，并将缺陷检测结果与其对应的喷油嘴的表面图像进行合并；对合并后的图像进行筛选，确定喷油嘴的表面缺陷类型。本发明专利技术的技术方案可提升喷油嘴表面缺陷检测的准确率。陷检测的准确率。陷检测的准确率。
【技术实现步骤摘要】
喷油嘴表面缺陷的检测方法、装置及计算设备
[0001]本专利技术涉及缺陷检测领域，尤其涉及一种喷油嘴表面缺陷的检测方法、装置、计算设备及可读存储介质。
技术介绍
[0002]喷油嘴是发动机系统中的核心部件，直接影响着缸内可燃混合气体的生成和燃烧的过程，但由于喷油嘴零件本身较小且易受到加工技术的限制，在生产过程中，不可避免地会在其内部留下划痕、刀痕、磕碰、台阶纹、震纹等不同种类的缺陷。
[0003]目前，喷油嘴的缺陷检测在实际应用中大多采用的是人工检测。然而，人工检测存在主观性强、劳动强度大、效率低、检测精度低等问题，因此，研究具有高效高精度的喷油嘴缺陷检测技术对提升发动机系统的稳定性以及减少有害气体的排放具有重要意义。
[0004]为此，亟需一种喷油嘴表面缺陷的检测方案，以解决现有技术方案中存在的问题。
技术实现思路
[0005]为此，本专利技术提供一种喷油嘴表面缺陷的检测方法、装置、计算设备及可读存储介质，以解决或至少缓解上面存在的问题。
[0006]根据本专利技术的第一个方面，提供一种喷油嘴表面缺陷的检测方法，包括：获取喷油嘴的表面图像的预处理图像；将预处理图像输入到目标检测网络中，得到缺陷检测结果，并将缺陷检测结果与其对应的喷油嘴的表面图像进行合并；对合并后的图像进行筛选，确定喷油嘴的表面缺陷类型。
[0007]可选地，在根据本专利技术的喷油嘴表面缺陷的检测方法中，目标检测网络通过下述方式训练：获取喷油嘴多个部位上同一类型的缺陷的图像并进行融合；通过生成式对抗网络，将融合后的图像进行重构；通过重构后的图像训练目标检测网络。
[0008]可选地，在根据本专利技术的喷油嘴表面缺陷的检测方法中，目标检测网络的训练数据包括重构后的图像和包含干扰信息的图像。
[0009]可选地，在根据本专利技术的喷油嘴表面缺陷的检测方法中，目标检测网络的损失函数为：
[0010][0011][0012]其中，S
×
S为网格数量，3表明头部的检测器数量，Anchor≤T用以筛选正样本，cla为类别的数量，分别为刀痕缺陷、划伤缺陷、磕碰缺陷、纤维干扰、油滴干扰、脏污干扰6类。p
gt
和p
p
分别是标签和预测的类别，cla
gt
为真实标签类别，cla
p
为预测标签类别。
[0013]可选地，在根据本专利技术的喷油嘴表面缺陷的检测方法中，获取喷油嘴的表面图像
的预处理图像，包括：获取喷油嘴的表面图像，喷油嘴的表面图像包括圆环区域图像和矩形区域图像；通过求取圆环区域图像中圆环外径、内径和圆心坐标，对圆环区域图像进行展开，得到圆环区域展开图；将矩形区域图像输入训练好的感兴趣区域提取网络，得到矩形区域图像中的感兴趣区域的图像；将圆环区域展开图和感兴趣区域的图像进行切分，得到喷油嘴的表面图像的预处理图像。
[0014]可选地，在根据本专利技术的喷油嘴表面缺陷的检测方法中，还包括：在对圆环区域展开图和感兴趣区域的图像进行切分时，相邻的图像之间保留部分重叠区域。
[0015]可选地，在根据本专利技术的喷油嘴表面缺陷的检测方法中，对合并后的图像进行筛选，包括：通过非极大值抑制算法，消除合并后的图像中的冗余的缺陷区域。
[0016]可选地，在根据本专利技术的喷油嘴表面缺陷的检测方法中，对合并后的图像进行筛选，包括：对合并后的图像的对比度和大小进行筛选。
[0017]可选地，在根据本专利技术的喷油嘴表面缺陷的检测方法中，喷油嘴的表面缺陷类型包括刀痕缺陷、划伤缺陷和磕碰缺陷。
[0018]可选地，在根据本专利技术的喷油嘴表面缺陷的检测方法中，干扰信息包括纤维、油滴和脏污。
[0019]可选地，在根据本专利技术的喷油嘴表面缺陷的检测方法中，目标检测网络为yolov5。
[0020]根据本专利技术的第二个方面，提供一种喷油嘴表面缺陷的检测装置，包括：图像获取模块，适于获取喷油嘴的表面图像的预处理图像；缺陷检测模块，适于将预处理图像输入到目标检测网络中，得到缺陷检测结果，并将缺陷检测结果与其对应的喷油嘴的表面图像进行合并；缺陷确定模块，适于对合并后的图像进行筛选，确定喷油嘴的表面缺陷类型。
[0021]可选地，在根据本专利技术的喷油嘴表面缺陷的检测装置中，缺陷检测模块还适于：获取喷油嘴多个部位上同一类型的缺陷的图像并进行融合，通过生成式对抗网络，将融合后的图像进行重构，以便通过重构后的图像训练目标检测网络。
[0022]根据本专利技术的第三个方面，提供一种计算设备，包括：至少一个处理器；存储器，存储有程序指令，其中，程序指令被配置为适于由上述至少一个处理器执行，程序指令包括用于执行如上所述的方法的指令。
[0023]根据本专利技术的第四个方面，提供一种存储有程序指令的可读存储介质，当该程序指令被计算设备读取并执行时，使得该计算设备执行如上所述的方法。
[0024]根据本专利技术的技术方案，通过对喷油嘴表面图像进行预处理，并经过目标检测网络的检测，可以得到缺陷的初步检测结果，通过对缺陷的检测结果与表面图像进行合并，并进行筛选，最终可以确定喷油嘴表面缺陷的类型，通过对表面图像进行预处理、目标检测网络的引入、以及对检测后图像进行筛选，提升了喷油嘴表面缺陷检测的准确率。
[0025]进一步地，结合喷油嘴的特点，通过对针对喷油嘴表面缺陷检测的目标检测网络损失函数的改进，提升了目标检测网络的鲁棒性和准确性。在实际应用中，将本专利技术的方案投入喷油嘴表面缺陷的检测流程中，可极大地加快喷油嘴零件的缺陷检测速度，实现缺陷的自动检测，优化流水线生产中的瓶颈环节，提高生产效率。
[0026]上述说明仅是本专利技术技术方案的概述，为了能够更清楚了解本专利技术的技术手段，而可依照说明书的内容予以实施，并且为了让本专利技术的上述和其它目的、特征和优点能够更明显易懂，以下特举本专利技术的具体实施方式。
附图说明
[0027]为了实现上述以及相关目的，本文结合下面的描述和附图来描述某些说明性方面，这些方面指示了可以实践本文所公开的原理的各种方式，并且所有方面及其等效方面旨在落入所要求保护的主题的范围内。通过结合附图阅读下面的详细描述，本公开的上述以及其它目的、特征和优势将变得更加明显。遍及本公开，相同的附图标记通常指代相同的部件或元素。
[0028]图1示出了计算设备100的物理组件(即，硬件)的框图；
[0029]图2示出了根据本专利技术一个实施例的喷油嘴表面缺陷的检测方法200的流程图；
[0030]图3示出了喷油嘴的示意图；
[0031]图4示出了根据本专利技术一个实施例的喷油嘴的表面图像的示意图；
[0032]图5示出了根据本专利技术一个实施例的表面缺陷类型和干扰信息的示意图；
[0033]图6示出了根据本专利技术一个实施例的生成式对抗网络的示意图；
[0034]图7示出了根据本专利技术一个实施例的喷油嘴表面缺陷的检测装置700的示意图。
具体实施方式
[0035]下面将本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种喷油嘴表面缺陷的检测方法，包括：获取所述喷油嘴的表面图像的预处理图像；将所述预处理图像输入到目标检测网络中，得到缺陷检测结果，并将所述缺陷检测结果与其对应的所述喷油嘴的表面图像进行合并；对合并后的图像进行筛选，确定所述喷油嘴的表面缺陷类型。2.根据权利要求1所述的方法，其中，所述目标检测网络通过下述方式训练：获取喷油嘴多个部位上同一类型的缺陷的图像并进行融合；通过生成式对抗网络，将融合后的图像进行重构；通过重构后的图像训练所述目标检测网络。3.根据权利要求2所述的方法，其中，所述目标检测网络的训练数据包括重构后的图像和包含干扰信息的图像。4.根据权利要求1至3中任一项所述的方法，其中，所述目标检测网络的损失函数为：4.根据权利要求1至3中任一项所述的方法，其中，所述目标检测网络的损失函数为：其中，S
×
S为网格数量，3表明头部的检测器数量，Anchor≤T用以筛选正样本，cla为类别的数量，分别为刀痕缺陷、划伤缺陷、磕碰缺陷、纤维干扰、油滴干扰、脏污干扰6类。p
gt
和p
p
分别是标签和预测的类别,cla
gt
为真实标签类别，cla
p
为预测标签类别。5.根据权利要求1至4中任一项所述的方法，其中，所述获取所述喷油嘴的表面图像的预处理图像，包括：获取所述喷油嘴的表面图像，所述喷油嘴的表面图像包括圆环区域图像和矩...
【专利技术属性】
技术研发人员：刘坚，周飞滔，索鑫宇，
申请(专利权)人：江苏优普纳科技有限公司，
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。