一种激光选区熔化缺陷在线监测方法技术

本发明专利技术公开了一种激光选区熔化缺陷在线监测方法，该方法包括下述步骤：采集零件铺粉、激光扫描后的图像，剪裁成单个零件图像；预处理后的单个零件图像经降采样得到第一特征图；构建零件缺陷参数向量，在一维格式线性扩展、排列为二维格式后经上采样得到第二特征图，融合第一特征图和第二特征图得到融合特征图；融合特征图经卷积层、批归一化层、LeakyReLU激活函数得到第三特征图；提取第三特征图特征得到第四特征图；采用全局平均池化将第四特征图转为第五特征图，第五特征图经过第一卷积、LeakyReLU激活函数、第二卷积、归一化指数函数得到缺陷对应类别。本发明专利技术提升缺陷检测的准确率，对不同激光选区熔化设备有很好的适应性。对不同激光选区熔化设备有很好的适应性。对不同激光选区熔化设备有很好的适应性。

【技术实现步骤摘要】
一种激光选区熔化缺陷在线监测方法


[0001]本专利技术涉及图像识别
，具体涉及一种激光选区熔化缺陷在线监测方法。

技术介绍

[0002]激光选区熔化技术是增材制造技术中的重要技术之一，该技术利用铺粉车在基板上铺一层金属粉末，利用激光熔化零件对应的区域，随后基板在成形缸中下降一定高度，不断循环这一过程，直到零件制造完成，然而，由于工艺参数、设备环境、粉末质量等因素的影响，零件制造过程中会产生多种不同的缺陷，比如翘曲、球化、欠熔合、过熔合、飞溅、碎片、肿块、超高和裂纹等肉眼可见的宏观缺陷以及气孔、内部裂纹、夹杂等肉眼不可见的微观缺陷。缺陷的累积可能使得零件出现形状畸变，以及表面粗糙度、致密度的改变，从而影响零件的机械性能。
[0003]激光选区熔化过程中的分层制造模式使得研究人员可以便捷的在零件生产过程中收集大量数据，并进行在线质量监测。目前常用的监测工具有：计算机断层扫描、高速摄像机、红外摄像机、工业照相机、超声波、声信号、光电二极管等。在监测过程中，一般采用以上一种和几种监测工具的组合，因为高速摄像机、红外摄像机、超声波、声信号等只能检测零件的微观缺陷，而宏观缺陷是微观缺陷累积到一定程度在宏观尺度的显现，对于宏观缺陷的检测将能直接检测零件的缺陷以及尺寸精度，有着更为直观的意义。
[0004]目前，在使用工业相机的监测方法中，监测效果多受到设备光照环境的影响，因为金属表面存在反光现象，即使是使用相同的加工参数的零件，在不同光照条件下也可能会有不同的视觉效果。不同的光照也会影响缺陷在图像中的明显程度，从而影响检测效果。
[0005]Petrich等人研究了三种不同照明(前面、侧面和顶部照明)及三种照明图像融合对分类性能的影响，实验发现采用融合不同照明图像的分类效果远好于采用单一照明图像的分类效果，但使用不同光照图像融合的算法需要在不同光照下采集图像，会导致耗时增加，影响零件加工进程。
[0006]Gobert等人用5个传感器形成了8种照明条件并分别采集8张图像，将每层的8张图像用SVM集成分类器进行融合，并利用仿射变换将零件的CT扫描结果对应到分层图像中，利用CT数据标记的参考点从分层图像中提取特征。最后采用集成分类器进行训练，最终在交叉验证中准确率约为85％。但此方法依赖于CT数据与图像数据的对应，CT数据不能原位采集数据的特性使得这种方式不利于现场采样分析；
[0007]郎利辉等人使用高速相机进行旁轴监测，但只能监测熔池，确定扫描过程是否有缺陷，得不到零件整体形貌。
[0008]Li等人融合了数码相机、麦克风和光电二极管三种传感器测量的信息，没有将设备、零件结构、加工参数、加工过程等已知信息进行应用，导致信息利用不充分，并且使用多传感器融合的监测方法虽然能补充不同种类的信息，但同样带来监测成本提升的问题，在需要密封的激光选区熔化设备成形腔中安装多个不同传感器也增加了设备改造难度。

技术实现思路

[0009]为了克服现有技术存在的缺陷与不足，本专利技术提供一种激光选区熔化缺陷在线监测方法，本专利技术基于工业相机进行缺陷实时在线监测，在不改变设备光照环境的条件下，使用已知信息制作的缺陷参数向量为工业相机采集到的图像补充信息，从而提升粉床和零件上缺陷检测的准确率，提高零件质量与生产效率。
[0010]为了达到上述目的，本专利技术采用以下技术方案：
[0011]本专利技术提供一种激光选区熔化缺陷在线监测方法，包括下述步骤：
[0012]采集零件制造过程中铺粉后和激光扫描后的图像，并将整张图像剪裁，形成单个零件的图像；
[0013]将单个零件的图像进行图像预处理，将图像的尺寸进行统一，进行两次降采样操作得到第一特征图；
[0014]构建零件对应的缺陷参数向量，将零件对应的缺陷参数组合成一维缺陷参数向量，经过三次线性扩展和LeakyReLU激活函数，分别输出不同长度的一维向量，包括第一个一维向量、第二个一维向量和第三个一维向量，将第三个一维向量调整维度，排列为二维格式，进行两次上采样操作得到第二特征图；
[0015]将第一特征图和第二特征图进行特征融合，得到融合特征图；
[0016]将融合特征图经过卷积层、批归一化层、LeakyReLU激活函数，得到第三特征图；
[0017]采用多个特征提取块提取第三特征图的特征，得到第四特征图；
[0018]采用全局平均池化将第四特征图转化为第五特征图，第五特征图经过第一卷积、LeakyReLU激活函数、第二卷积、归一化指数函数得到缺陷对应的类别。
[0019]作为优选的技术方案，缺陷参数向量对应的缺陷参数包括工艺参数、零件位置参数、加工过程参数、零件结构参数。
[0020]作为优选的技术方案，工艺参数包括熔道间距、激光功率、扫描速度和层厚；
[0021]零件位置参数设置为包含整个零件的最小外接矩形框的左下角的x坐标与y坐标相对于可成形区域的位置；
[0022]加工过程参数包括填充策略、扫描模式、是否是实体与支撑的交叠区、是否是第一层零件实体、工艺参数是否突变、零件实体在当前层的实际厚度；
[0023]零件结构参数包括零件的最小角度、零件是否有复杂结构、零件是否有细长结构、零件是否有悬垂结构，所述复杂结构包括薄壁结构和点阵结构，所述细长结构表示为长宽值超过设定阈值的结构。
[0024]作为优选的技术方案，在构建零件对应的缺陷参数向量的步骤中，还包括零件的原始向量设置步骤，设置零件的原始向量，对原始向量进行归一化处理。
[0025]作为优选的技术方案，所述进行两次降采样操作得到第一特征图，具体步骤包括：
[0026]第一次降采样操作具体为：预处理后的单个零件的图像经过设有8个卷积核、卷积核大小3
×
3、步距为1、填充为1的卷积层，批归一化层，LeakyReLU激活函数，窗口大小为2
×
2、步距为2、填充为0的最大池化层，得到8
×
128
×
128大小的一组特征图；
[0027]第二次降采样操作具体为：第一次降采样得到的特征图经过有16个卷积核、卷积核大小3
×
3、步距为1、填充为1的卷积层，批归一化层，LeakyReLU激活函数，窗口大小为2
×
2、步距为2、填充为0的最大池化层，得到16
×
64
×
64大小的一组特征图作为第一特征图。
[0028]作为优选的技术方案，所述进行两次上采样操作得到第二特征图，具体步骤包括：
[0029]第一次上采样操作具体为：排列为二维格式的第三个一维向量经过设有8个卷积核、卷积核大小2
×
2、步距为2、填充为0的转置卷积层，批归一化层，LeakyReLU激活函数，得到8
×
32
×
32大小的一组特征图；
[0030]第二次上采样操作具体为：第一次上采样得到的特征图经过设有16个卷积核本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种激光选区熔化缺陷在线监测方法，其特征在于，包括下述步骤：采集零件制造过程中铺粉后和激光扫描后的图像，并将整张图像剪裁，形成单个零件的图像；将单个零件的图像进行图像预处理，将图像的尺寸进行统一，进行两次降采样操作得到第一特征图；构建零件对应的缺陷参数向量，将零件对应的缺陷参数组合成一维缺陷参数向量，经过三次线性扩展和LeakyReLU激活函数，分别输出不同长度的一维向量，包括第一个一维向量、第二个一维向量和第三个一维向量，将第三个一维向量调整维度，排列为二维格式，进行两次上采样操作得到第二特征图；将第一特征图和第二特征图进行特征融合，得到融合特征图；将融合特征图经过卷积层、批归一化层、LeakyReLU激活函数，得到第三特征图；采用多个特征提取块提取第三特征图的特征，得到第四特征图；采用全局平均池化将第四特征图转化为第五特征图，第五特征图经过第一卷积、LeakyReLU激活函数、第二卷积、归一化指数函数得到缺陷对应的类别。2.根据权利要求1所述的激光选区熔化缺陷在线监测方法，其特征在于，缺陷参数向量对应的缺陷参数包括工艺参数、零件位置参数、加工过程参数、零件结构参数。3.根据权利要求2所述的激光选区熔化缺陷在线监测方法，其特征在于，工艺参数包括熔道间距、激光功率、扫描速度和层厚；零件位置参数设置为包含整个零件的最小外接矩形框的左下角的x坐标与y坐标相对于可成形区域的位置；加工过程参数包括填充策略、扫描模式、是否是实体与支撑的交叠区、是否是第一层零件实体、工艺参数是否突变、零件实体在当前层的实际厚度；零件结构参数包括零件的最小角度、零件是否有复杂结构、零件是否有细长结构、零件是否有悬垂结构，所述复杂结构包括薄壁结构和点阵结构，所述细长结构表示为长宽值超过设定阈值的结构。4.根据权利要求1所述的激光选区熔化缺陷在线监测方法，其特征在于，在构建零件对应的缺陷参数向量的步骤中，还包括零件的原始向量设置步骤，设置零件的原始向量，对原始向量进行归一化处理。5.根据权利要求1所述的激光选区熔化缺陷在线监测方法，其特征在于，所述进行两次降采样操作得到第一特征图，具体步骤包括：第一次降采样操作具体为：预处理后的单个零件的图像经过设有8个卷积核、卷积核大小3
×
3、步距为1、填充为1的卷积层，批归一化层，LeakyReLU激活函数，窗口大小为2
×
2、步距为2、填充为0的最大池化层，得到8
×
128
×
128大小的一组特征图；第二次降采样操作具体为：第一次降采样得到的特征图经过有16个卷积核、卷积核大小3
×
3、步距为1、填充为1的卷积层，批归一化层，LeakyReLU激活函数，窗口大小为2
×
2、步距为2、填充为0的最大池化层，得到16
×
64
×
64大小的一组特征图作为第一特征图。6.根据权利要求1所述的激光选区熔化缺陷在线监测方法，其特征在于，所述进行两次上采样操作得到第二特征图，具体步骤包括：第一次上采样操作具体为：排列为二维格式的第三个一维向量经过设有8个卷积核、卷
积核大小2
×
...

【专利技术属性】
技术研发人员：姜子萌，张英杰，张傲明，马晨光，邓祎凡，袁政辉，程浪，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：