【技术实现步骤摘要】
本专利技术属于缺陷检测，具体涉及一种基于改进yolov8算法的增材制造材料挤出工艺缺陷检测方法和系统。
技术介绍
1、增材制造是一种融合计算机科学、材料科学、光电技术、数控技术、自动化技术和机械工程等多种技术的复杂制造技术，通过逐层堆叠材料构建三维物体，具有个性化定制优势。在材料挤出打印工艺过程中，常常会出现打印头移动误差、温度场和应力场分布不均匀，以及材料出料不顺畅等问题，这些问题可能导致翘曲、拉丝、堵头、裂纹、针头剐蹭、孔隙和坍塌等常见缺陷的产生，降低增材制造的成品率和产品质量。
2、目前，解决这一问题的常见方法有：传统的人工检测技术主要通过视觉、听觉和触觉等方式进行缺陷检测，然而该方法存在不足之处，例如检测尺寸受限、易产生疲劳和受主观因素影响，导致误检率偏高且难以保证检测精度和速度；常规无损检测技术，如磁粉检测技术、涡流检测技术、超声检测技术、渗透检测技术和射线检测技术，目前被广泛使用。虽然这些方法具有高准确率和强大的量化缺陷能力，但难以做到原位检测，且成本高昂，存在一些局限性。
技术实现思路
1、本专利技术针对现有增材制造缺陷检测的难点，本专利技术旨在提供一种基于改进yolov8算法的量化缺陷检测方法和系统，用于实时准确地检测材料挤出打印过程中是否有缺陷和缺陷的种类等信息，这对打印产品质量提供了参考，也为后续修理打印机提供了技术依据。
2、为了达到前述专利技术目的，本专利技术采用了以下方案：一种基于改进yolov8算法的增材制造材料挤出工艺缺陷检测方
3、步骤s1、采集材料挤出缺陷图像，对打印产品的每层表面进行图像采集，对采集到的图像进行图像预处理，生成原始缺陷图像数据集；
4、步骤s2、构建材料挤出缺陷数据集，对所述原始缺陷图像数据集进行数据增强和扩散模型图像补充，并对数据增强和扩散模型图像补充后的每张缺陷图像进行对应缺陷类别的标注，生成缺陷数据集；
5、步骤s3、构建改进后的缺陷检测模型，并构建缺陷检测量化评价算法；
6、步骤s4、将所述改进后的缺陷检测模型部署于终端设备，根据所述改进后的缺陷检测模型和缺陷检测量化评价算法对打印的产品进行缺陷识别和量化分析。
7、所述步骤s3所构建的缺陷检测模型包括在主干网络中引入注意力机制模块，所述注意力机制模块用于改善模型对目标位置的关注度，所述注意力机制模块的计算过程包括：坐标编码、空间变换和加权融合；所述注意力机制模块利用坐标信息的位置编码向量计算相似度矩阵，然后将特征图与相似度矩阵进行加权融合，以得到最终的特征表示；
8、对于给定输入的x，注意力机制模块使用池化核的两个空间范围(h、1)和(1、w)分别沿着水平坐标和垂直坐标对每个通道进行编码，在第c维高度为h的输出公式如下：
9、
10、在第c维宽度为w的输出公式如下：
11、
12、最终分别生成尺寸为c×h×1和c×1×w的特征图；
13、对于给定输入的x，注意力机制模块使用池化核的两个方向，垂直方向h和水平方向w对两个空间范围的垂直坐标(h,1)和水平坐标的(1,w)进行通道编码，在第c个通道在垂直高度为h处的输出公式如下：
14、
15、代表了在垂直高度为h处产生的一个特征图，代表输入的x在通道c、高度h和宽度(1,w)范围内的一组元素。同理，在第c个通道水平宽度为w的输出公式如下：
16、
17、代表了在水平宽度为w处产生的一个特征图，代表输入的x在通道c、高度(h,1)范围内和宽度w的一组元素。两组公式最终分别生成尺寸为c×h×1和c×1×w的特征图；
18、接着将两个维度的特征信息进行连接融合，之后输入一个1×1的卷积变换函数f1中，具体公式如下：
19、f＝δ(f1([zh,zw]))
20、其中，δ为非线性激活函数，用于激活操作，f为包含横向和纵向空间信息的中间特征；
21、随后将f分为两个独立的特征fh和fw，最后沿着空间维度，分别使用两个1×1卷积变换fh和fw将fh和fw进行特征转化，使得其维度与输入x一致，再结合激活函数sigmod得到最后的注意力向量gh和gw，整个过程公式如下：
22、gh＝σ(fh(fh))
23、gw＝σ(fw(fw))
24、最后将输出的注意力向量gh和gw分别展开转化为注意力权重矩阵，注意力机制模块的最终输出注意力块y表达式如下：
25、
26、所述步骤s3所构建的缺陷检测模型的损失函数为：
27、
28、其中，w代表框的宽度，h代表框的高度，b代表框的中心点坐标；liou代表iou损失函数；ldis代表中心框距离损失函数；lasp代表长宽损失函数；iou代表交并比，是用于衡量目标检测算法中预测框与真实框之间重叠程度的指标；ρ代表两框的欧氏距离；bgt代表目标框的中心点；wgt代表目标框的宽；hgt代表目标框的高；wc代表目标框和预测框最小外接框的宽；hc代表目标框和预测框最小外接框的高。
29、所述工艺缺陷包括：针头剐蹭、孔隙、过量挤出、材料掺杂；所述步骤s2中对所述原始缺陷图像数据集进行数据增强和扩散模型图像补充，具体包括：对随机选取的缺陷图像使用曝光变化、颜色变化、翻转、裁剪、马赛克拼贴、随机遮挡、网格分割中的一种或多种组合完成图像增强；使用扩散模型训练每种缺陷类别的特征lora模型，每种缺陷类别各使用lora模型生成多张缺陷图像。
30、基于所述步骤s4中构建的缺陷检测量化评价算法进行量化分析的过程包括：当打印机打印时，在打印平台上方放置一个摄像头，摄像头垂直于打印平面；通过测量打印产品与摄像头之间的距离，计算图像像素与缺陷实际尺寸的对应关系，完成缺陷总数目、尺寸大小、面积占比、受损程度中的一种或多种缺陷量化信息。
31、一种基于改进yolov8算法的增材制造材料挤出工艺缺陷检测系统，所述缺陷检测系统包括：
32、原始缺陷图像数据集生成模块，用于采集材料挤出缺陷图像，对打印产品的每层表面进行图像采集，对采集到的图像进行图像预处理，生成原始缺陷图像数据集；
33、缺陷数据集生成模块，用于构建材料挤出缺陷数据集，对所述原始缺陷图像数据集进行数据增强和扩散模型图像补充，并对数据增强和扩散模型图像补充后的每张缺陷图像进行对应缺陷类别的标注，生成缺陷数据集；
34、缺陷检测模型和缺陷检测量化评价算法构建模块，用于构建改进后的缺陷检测模型，并构建缺陷检测量化评价算法；
35、缺陷识别和量化分析模块，用于将所述改进后的缺陷检测模型部署于终端设备，根据所述改进后的缺陷检测模型和缺陷检测量化评价算法对打印的产品进行缺陷识别和量化分析。
36、所构建的缺陷检测模型包括：在主干网络中引入注意力机制模块，所述注意力机制模块用于改善模型对目标位置的关注度，本文档来自技高网...
【技术保护点】
1.一种基于改进YOLOv8算法的增材制造材料挤出工艺缺陷检测方法，其特征在于，包括：
2.根据权利要求1所述的基于改进YOLOv8算法的增材制造材料挤出工艺缺陷检测方法，其特征在于，所述步骤S3所构建的缺陷检测模型包括在主干网络中引入注意力机制模块，所述注意力机制模块用于改善模型对目标位置的关注度，所述注意力机制模块的计算过程包括：坐标编码、空间变换和加权融合；所述注意力机制模块利用坐标信息的位置编码向量计算相似度矩阵，然后将特征图与相似度矩阵进行加权融合，以得到最终的特征表示；
3.根据权利要求1所述的基于改进YOLOv8算法的增材制造材料挤出工艺缺陷检测方法，其特征在于，所述步骤S3所构建的缺陷检测模型的损失函数为：
4.根据权利要求1所述的基于改进YOLOv8算法的增材制造材料挤出工艺缺陷检测方法，其特征在于，所述工艺缺陷包括：针头剐蹭、孔隙、过量挤出、材料掺杂；所述步骤S2中对所述原始缺陷图像数据集进行数据增强和扩散模型图像补充，具体包括：对随机选取的缺陷图像使用曝光变化、颜色变化、翻转、裁剪、马赛克拼贴、随机遮挡、网格分割中的一种或
5.根据权利要求4所述的基于改进YOLOv8算法的增材制造材料挤出工艺缺陷检测方法，其特征在于，基于所述步骤S4中构建的缺陷检测量化评价算法进行量化分析的过程包括：当打印机打印时，在打印平台上方放置一个摄像头，摄像头垂直于打印平面；通过测量打印产品与摄像头之间的距离，计算图像像素与缺陷实际尺寸的对应关系，完成缺陷总数目、尺寸大小、面积占比、受损程度中的一种或多种缺陷量化信息。
6.一种权利要求1～5任一方法中使用的基于改进YOLOv8算法的增材制造材料挤出工艺缺陷检测系统，其特征在于，所述缺陷检测系统包括：
7.根据权利要求6所述的基于改进YOLOv8算法的增材制造材料挤出工艺缺陷检测系统，其特征在于，所构建的缺陷检测模型包括：在主干网络中引入注意力机制模块，所述注意力机制模块用于改善模型对目标位置的关注度，所述注意力机制模块的计算过程包括：坐标编码、空间变换和加权融合；所述注意力机制模块利用坐标信息的位置编码向量计算相似度矩阵，然后将特征图与相似度矩阵进行加权融合，以得到最终的特征表示；
8.根据权利要求6所述的基于改进YOLOv8算法的增材制造材料挤出工艺缺陷检测系统，其特征在于，所构建的缺陷检测模型的损失函数为：
9.根据权利要求6所述的基于改进YOLOv8算法的增材制造材料挤出工艺缺陷检测系统，其特征在于，所述工艺缺陷包括：针头剐蹭、孔隙、过量挤出、材料掺杂样；所述步骤S2中对所述原始缺陷图像数据集进行数据增强和扩散模型图像补充，具体包括：对随机选取的缺陷图像使用曝光变化、颜色变化、翻转、裁剪、马赛克拼贴、随机遮挡、网格分割中的一种或多种组合完成图像增强；使用扩散模型训练每种缺陷类别的特征LORA模型，每种缺陷类别各使用LORA模型生成多张缺陷图像。
10.根据权利要求9所述的基于改进YOLOv8算法的增材制造材料挤出工艺缺陷检测系统，其特征在于，基于构建的缺陷检测量化评价算法进行量化分析的过程包括：当打印机打印时，在打印平台上方放置一个摄像头，摄像头垂直于打印平面；通过测量打印产品与摄像头之间的距离，计算图像像素与缺陷实际尺寸的对应关系，完成缺陷总数目、尺寸大小、面积占比、受损程度中的一种或多种缺陷量化信息。
...【技术特征摘要】
1.一种基于改进yolov8算法的增材制造材料挤出工艺缺陷检测方法，其特征在于，包括：
2.根据权利要求1所述的基于改进yolov8算法的增材制造材料挤出工艺缺陷检测方法，其特征在于，所述步骤s3所构建的缺陷检测模型包括在主干网络中引入注意力机制模块，所述注意力机制模块用于改善模型对目标位置的关注度，所述注意力机制模块的计算过程包括：坐标编码、空间变换和加权融合；所述注意力机制模块利用坐标信息的位置编码向量计算相似度矩阵，然后将特征图与相似度矩阵进行加权融合，以得到最终的特征表示；
3.根据权利要求1所述的基于改进yolov8算法的增材制造材料挤出工艺缺陷检测方法，其特征在于，所述步骤s3所构建的缺陷检测模型的损失函数为：
4.根据权利要求1所述的基于改进yolov8算法的增材制造材料挤出工艺缺陷检测方法，其特征在于，所述工艺缺陷包括：针头剐蹭、孔隙、过量挤出、材料掺杂；所述步骤s2中对所述原始缺陷图像数据集进行数据增强和扩散模型图像补充，具体包括：对随机选取的缺陷图像使用曝光变化、颜色变化、翻转、裁剪、马赛克拼贴、随机遮挡、网格分割中的一种或多种组合完成图像增强；使用扩散模型训练每种缺陷类别的特征lora模型，每种缺陷类别各使用lora模型生成多张缺陷图像。
5.根据权利要求4所述的基于改进yolov8算法的增材制造材料挤出工艺缺陷检测方法，其特征在于，基于所述步骤s4中构建的缺陷检测量化评价算法进行量化分析的过程包括：当打印机打印时，在打印平台上方放置一个摄像头，摄像头垂直于打印平面；通过测量打印产品与摄像头之间的距离，计算图像像素与缺陷实际尺寸的对应关系，完成缺陷总数目、尺寸大小、面积占比、受损程度中的一种或多种缺陷量化信息。
...
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。