选区激光熔化过程的质量监测、缺陷定位方法及系统技术方案

本发明专利技术公开了一种选区激光熔化过程的质量监测、缺陷定位方法及系统，本发明专利技术对选区激光熔化过程中的熔池图像进行实时采集；其次对属于同一打印层的各熔池图像进行熔池轮廓提取，计算熔池面积和熔池轮廓最小包围矩形的中心点；创建一个与所述熔池图像相同尺寸的空白图像，并将每个熔池轮廓最小包围矩形的中心点在空白图像中对应位置进行标记；将所述空白图像进行网格划分，将标记所在网格填入对应熔池的熔池面积数值，生成网格矩阵；将所述网格矩阵分块，每一分块转化为一个灰度子图像；将灰度子图像输入训练好的神经网络模型，得到质量分类结果。分类结果。分类结果。

【技术实现步骤摘要】
选区激光熔化过程的质量监测、缺陷定位方法及系统


[0001]本专利技术涉及激光打印
，尤其涉及一种选区激光熔化过程的质量监测方法及系统。

技术介绍

[0002]增材制造技术以其柔性定制化生产、制造模型数字化的特点不断地改变传统生产方式。粉末床激光选区熔化(LPBF)以其能够使用广泛的金属粉末材料，无需通过粘结剂即可制造结构复杂、复合材料的轻量化金属结构件被认为是最具前景的主流技术，广泛地应用于航空航天、军工、医疗器械制造、车辆以及一般金属零件制造领域。
[0003]目前LPBF技术在制造工艺、设备控制、无损检测等方面仍不够成熟，所制造的金属工件中会出现一些缺陷，极大地影响金属结构工件的强度、表面粗糙度等工件质量，降低了良品率。改善良品率的研究主要关注3方面：1)加工过程工件的实时监测；2)加工过程中熔池形貌特征的实时监测与反馈控制；3)铺粉质量的自动实时监控等。其中，熔池形貌特征的实时监测与反馈控制最受关注，其利用高速相机对金属粉末增材制造加工过程进行在线实时监测，并实时处理图像、提取特征信息、分析结果，并反馈控制加工过程，能有效改善加工品质，实现激光选区熔化过程中的打印质量监测与缺陷定位，为成形过程质量缺陷的闭环反馈调控奠定了技术基础。
[0004]公开号为CN 113077423 A的文件公开了一种基于卷积神经网络的激光选区熔化熔池图像分析系统，能够对熔池图像进行分类与识别，捕捉熔池、溅射的轮廓大小、数量多少和动态的行为变化，并且对激光选区熔化过程中熔池图像进行评价分析。不过该方法是直接采用的熔池图像进行神经网络分类，而选区激光熔化的打印速度快，得到的熔池图像数量往往是海量的，该系统无法在兼顾实时监测的同时对大量熔池图像进行复杂处理，且对熔池图像的缺陷分析并不能实现缺陷定位。

技术实现思路

[0005]专利技术目的：本专利技术针对现有技术存在的问题，提供一种选区激光熔化过程的质量监测方法及系统。
[0006]技术方案：本专利技术所述的选区激光熔化过程的质量监测方法，包括以下步骤：
[0007](1)对选区激光熔化过程中的熔池图像进行实时采集；
[0008](2)对属于同一打印层的各熔池图像进行熔池轮廓提取，计算熔池面积和熔池轮廓最小包围矩形的中心点；
[0009](3)创建一个与所述熔池图像相同尺寸的空白图像，并将每个熔池轮廓最小包围矩形的中心点在空白图像中对应位置进行标记；
[0010](4)将所述空白图像进行网格划分，将标记所在网格填入对应熔池的熔池面积数值，生成网格矩阵；
[0011](5)将所述网格矩阵分块，每一分块转化为一个灰度子图像；
[0012](6)将灰度子图像输入训练好的神经网络模型，得到质量分类结果。
[0013]进一步的，步骤(1)中采用高速相机旁轴监测实现熔池图像采集。
[0014]进一步的，步骤(2)具体包括：
[0015](2.1)对熔池图像依次进行图像灰度化、双边滤波、二值化阈值处理与开运算处理，得到熔池轮廓；
[0016](2.2)根据熔池轮廓计算熔池面积；
[0017](2.3)绘出熔池轮廓的最小包围矩形，并计算最小包围矩形的中心点。
[0018]进一步的，步骤(4)具体包括：
[0019](4.1)将所述空白图像进行网格划分，划分后的网格数量与属于同一打印层的熔池图像的帧数相当；
[0020](4.2)将标记所在网格填入对应熔池的熔池面积数值，若同一个网格中含有标记，则在该网格内填入多个标记对应熔池面积的平均值，若网格不含标记，则在该网格内填入周围8个网格的熔池面积平均值，从而生成网格矩阵。
[0021]进一步的，步骤(5)具体包括：
[0022](5.1)将所述网格矩阵进行归一化，即将所述网格矩阵中的数映射到[0，255]之间，具体公式为：
[0023][0024]其中，X是归一化前网格矩阵中网格中的数，X
norm
是归一化后网格中的数，X
max
是归一化前网格矩阵中最大值，X
min
是归一化前网格矩阵中最小值；
[0025](5.2)将归一化后的网格矩阵分为多个子网格矩阵，将每个子网格矩阵转化为一个灰度图像。
[0026]进一步的，步骤(6)中所述神经网络模型为改进的LeNet5网络，具体包括依次连接的第一卷积层、第一批归一化操作、第一池化层、第二卷积层、第二批归一化操作、第二池化层、全局平均池化层、softmax函数。。对所述神经网络模型训练时，将不同的工艺条件下采集的熔池图像处理得到的灰度图作为训练样本。
[0027]本专利技术所述的选区激光熔化过程的缺陷定位方法，根据上述质量监测方法获取质量分类结果，将质量分类结果不满足阈值的灰度子图像对应的位置作为缺陷所在位置。
[0028]本专利技术所述的选区激光熔化过程的质量监测系统包括：
[0029]采集模块，用于对选区激光熔化过程中的熔池图像进行实时采集；
[0030]熔池图像处理模块，用于对属于同一打印层的各熔池图像进行熔池轮廓提取，计算熔池面积和熔池轮廓最小包围矩形的中心点；
[0031]图像标记模块，用于创建一个与所述熔池图像相同尺寸的空白图像，并将每个熔池轮廓最小包围矩形的中心点在空白图像中对应位置进行标记；
[0032]网格矩阵生成模块，用于将所述空白图像进行网格划分，将标记所在网格填入对应熔池的熔池面积数值，生成网格矩阵；
[0033]灰度图像生成模块，用于将所述网格矩阵分块，每一块转化为一个灰度子图像；
[0034]分类模块，用于将灰度子图像输入训练好的神经网络模型，得到每个灰度子图像的质量分类结果。
[0035]进一步的，所述网格矩阵生成模块具体包括：
[0036]网格划分单元，用于将所述空白图像进行网格划分，划分后的网格数量与属于同一打印层的熔池图像的帧数相当；
[0037]数值填充单元，用于将标记所在网格填入对应熔池的熔池面积数值，若同一个网格中含有标记，则在该网格内填入多个标记对应熔池面积的平均值，若网格不含标记，则在该网格内填入周围8个网格的熔池面积平均值，从而生成网格矩阵。
[0038]本专利技术所述的选区激光熔化过程的缺陷定位系统，包括上述质量监测系统和缺陷定位模块，所述缺陷定位模块用于将质量分类结果不满足阈值的灰度子图像对应的位置作为缺陷所在位置。
[0039]有益效果：本专利技术与现有技术相比，其显著优点是：
[0040]1、本专利技术将激光熔化过程中采集到的熔池图像，提取熔池轮廓的面积与位置作为熔池特征，根据熔池特征将打印过程中产生的海量熔池图像形成了少量的灰度图，再基于少量灰度图进行分类，减少了海量数据的规模，提高了数据处理速度，减少了图像处理和分类的时间，可以实现制造加工过程中的实时质量监测；
[0041]2、本专利技术用于分类的灰度图是与熔池图像的熔池位置对应的，因此，基于灰度图分类后，可以本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种选区激光熔化过程的质量监测方法，其特征在于，包括以下步骤：(1)对选区激光熔化过程中的熔池图像进行实时采集；(2)对属于同一打印层的各熔池图像进行熔池轮廓提取，计算熔池面积和熔池轮廓最小包围矩形的中心点；(3)创建一个与所述熔池图像相同尺寸的空白图像，并将每个熔池轮廓最小包围矩形的中心点在空白图像中对应位置进行标记；(4)将所述空白图像进行网格划分，将标记所在网格填入对应熔池的熔池面积数值，生成网格矩阵；(5)将所述网格矩阵分块，每一分块转化为一个灰度子图像；(6)将灰度子图像输入训练好的神经网络模型，得到质量分类结果。2.根据权利要求1所述的选区激光熔化过程的质量监测方法，其特征在于，步骤(1)中采用高速相机旁轴监测实现熔池图像采集。3.根据权利要求1所述的选区激光熔化过程的质量监测方法，其特征在于，步骤(2)具体包括：(2.1)对熔池图像依次进行图像灰度化、双边滤波、二值化阈值处理与开运算处理，得到熔池轮廓；(2.2)根据熔池轮廓计算熔池面积；(2.3)绘出熔池轮廓的最小包围矩形，并计算最小包围矩形的中心点。4.根据权利要求1所述的选区激光熔化过程的质量监测方法，其特征在于，步骤(4)具体包括：(4.1)将所述空白图像进行网格划分，划分后的网格数量与属于同一打印层的熔池图像的帧数相当；(4.2)将标记所在网格填入对应熔池的熔池面积数值，若同一个网格中含有标记，则在该网格内填入多个标记对应熔池面积的平均值，若网格不含标记，则在该网格内填入周围8个网格的熔池面积平均值，从而生成网格矩阵。5.根据权利要求1所述的选区激光熔化过程的质量监测方法，其特征在于，步骤(5)具体包括：(5.1)将所述网格矩阵进行归一化，即将所述网格矩阵中的数映射到[0，255]之间，具体公式为：其中，X是归一化前网格矩阵中网格中的数，X
norm
是归一化后网格中的数，X
max
...

【专利技术属性】
技术研发人员：唐文来，杨帆，吴倩茹，杨森，杨继全，
申请(专利权)人：南京师范大学，
类型：发明
国别省市：