【技术实现步骤摘要】
本申请一般涉及核燃料设施，尤其涉及一种核燃料组件格架焊点质量智能检测的方法、装备和介质。
技术介绍
1、定位格架一般是由多个锆锡合金条状带经钎焊连接而成的栅格状架体，常被应用于隔离和支撑核燃料棒。为了确保核燃料棒的定位精度，定位格架上的焊接点需满足设定的要求，因此在出厂前需要对焊接点进行焊接质量检测。现有的检测方法一般采用人工的检测方式，由于定位格架上焊点的数目较多，这样的方式耗时较长，且将占用较大的人力，提高了生产成本。因此，如何改进对定位格架上焊接点焊接质量的检测方法，以提升焊点的检测效率、降低生产成本已成为本领域亟待解决的问题。
技术实现思路
1、鉴于现有技术中的上述缺陷或不足，期望提供一种既可以提升焊点的检测效率又可以降低生产成本的核燃料组件格架焊点质量智能检测的方法、装备和介质。
2、具体技术方案如下：
3、第一方面
4、本申请提供一种核燃料组件格架焊点质量智能检测的方法，其特征在于，具体包括如下步骤：
5、在多个设定方位上获取定位格架在不同角度下的多张定位格架图像；
6、根据多张定位格架图像获取各焊点图像；
7、将各焊点图像输入训练好的卷积神经网络中，以获取各焊接点的高度、最小包络尺寸和质量等级这三个关键数据；
8、根据上述关键数据判断各焊点是否符合焊接要求，进而判断该定位格架的总体焊接质量是否符合要求；
9、以根据判断结果对该定位格架进行分类。
10、作为本申请
11、对各角度下的所述定位格架图像进行分割，以获取分割图像，每张所述分割图像中有且仅有一个对应的焊点；
12、利用阈值分割、腐蚀、膨胀这三种手段，对所述分割图像进行依次处理，以获取不带背景信息的中间图像；
13、对所述中间图像进行曲率检测，以标记该图像中对应焊点的最小包络圆；
14、对标记后的所述中间图像进行处理，获取仅包含最小包络圆内信息的所述焊点图像。
15、作为本申请的进一步限定，还包括对初始卷积神经网络进行训练，具体包括如下步骤：
16、构建训练集，所述训练集由若干张具有标签的焊点图像组成，所述标签用于表征所述焊点图像焊点的高度、最小包络尺寸和根据其焊接质量已被确定为的质量等级；
17、将所述训练集中的各焊点图像输入初始卷积神经网络中；
18、将输入的各焊点图像在通道上进行拼接，以获取各焊点图像组合形成的三维张量；
19、对所述三维张量进行特征提取；
20、根据提取到的焊点的特征，获取焊点高度和最小包络尺寸的预测值，以及该焊点焊接质量具体应该被确定为各质量等级的预测概率；
21、分别获取所述训练集中焊点图像中焊点的高度、最小包络尺寸和根据其焊接质量已被确定为的质量等级的标签值；
22、计算各焊点高度、最小包络尺寸标签值与相应预测值之间的均方误差，以得到卷积神经网络在本次训练中的回归损失；
23、计算所述质量等级的标签值与相应预测概率之间的交叉熵误差，以得到卷积神经网络在本次训练中的分类损失；
24、根据所述回归损失和所述分类损失获取卷积神经网络在本次训练中的总体损失；
25、根据所述总体损失对卷积神经网络参数进行调整，直至卷积神经网络收敛。
26、作为本申请的进一步限定，所述将各焊点图像输入训练好的卷积神经网络中，以获取各焊接点的高度、最小包络尺寸和质量等级这三个关键数据，具体包括如下步骤：
27、将输入的各焊点图像在通道上进行拼接，以获取各焊点图像组合形成的三维张量；
28、对所述三维张量进行特征提取；
29、根据提取到的焊点的特征，获取焊点高度和最小包络尺寸的预测值，以及该焊点焊接质量具体应该被确定为各质量等级的预测概率；
30、以概率最高的质量等级作为焊点焊接质量等级数据。
31、作为本申请的进一步限定，所述对所述三维张量进行特征提取，具体包括如下步骤：
32、按照焊点对应的方式，将各角度定位格架图像在通道的维度上进行拼接，以形成对应的焊点张量；
33、用特征提取模块对所述焊点张量进行信息提取，以获取该焊点在各角度的特征信息；
34、对上述特征信息进行整合，以获取该焊点的全量特征信息。
35、第二方面
36、本申请提供一种用于对焊接后的定位格架进行检测和分类的装备，包括：
37、相机，所述相机有多个，且分别位于不同的设定方位上，用于获取不同角度下的定位格架图像；
38、第一图像处理装置，用于根据多张所述定位格架图像获取各焊点图像；
39、第二图像处理装置，用于利用训练好的卷积神经网络对输入的各焊点图像进行处理，以获取各焊接点的高度、最小包络尺寸和质量等级这三个关键数据；
40、焊接质量判断装置，用于根据所述关键数据判断各焊点是否符合焊接要求，并汇总上述判断结果，以判断该定位格架的总体焊接质量是否符合要求；
41、机械手臂，用于根据该定位格架总体焊接质量的判断结果，将该定位格架放置于相应的存放位置。
42、第三方面
43、本申请提供一种用于对焊接后的定位格架进行检测和分类的介质，用于实现如上所述的核燃料组件格架焊点质量智能检测的方法。
44、本申请有益效果在于：
45、为了解决现有技术中对定位格架上数目众多的焊点质量检测时暴露出来的检测效率较低，成本较高的问题。本申请提供的检测和分类方法采用了从多个固定角度固定距离对定位格架拍摄图片，并将拍摄的图片交由训练好的卷积神经网络处理，以获取各焊接点的高度、最小包络尺寸和质量等级这三个关键数据，并根据上述三个关键数据对焊点是否满足焊接要求做出相应的判断，进而得出该定位格架总体焊接质量是否符合设定标准的结论，根据该结论对检测后的定位格架进行分类的方式较之现有技术人工检测、分类，更加准确，效率更高，且成本更低。
本文档来自技高网...【技术保护点】
1.一种核燃料组件格架焊点质量智能检测的方法，其特征在于，具体包括如下步骤：
2.根据权利要求1所述的核燃料组件格架焊点质量智能检测的方法，其特征在于，所述获取各焊点图像，具体包括如下步骤：
3.根据权利要求1所述的核燃料组件格架焊点质量智能检测的方法，其特征在于，还包括对初始卷积神经网络进行训练，具体包括如下步骤：
4.根据权利要求1所述的核燃料组件格架焊点质量智能检测的方法，其特征在于，所述将各焊点图像输入训练好的卷积神经网络中，以获取各焊接点的高度、最小包络尺寸和质量等级这三个关键数据，具体包括如下步骤：
5.根据权利要求3或4所述的核燃料组件格架焊点质量智能检测的方法，其特征在于，所述对所述三维张量进行特征提取，具体包括如下步骤：
6.一种用于对焊接后的定位格架进行检测和分类的装备，其特征在于，包括：
7.一种用于对焊接后的定位格架进行检测和分类的介质，用于实现如权利要求1-5中任意一项所述的核燃料组件格架焊点质量智能检测的方法。
【技术特征摘要】
1.一种核燃料组件格架焊点质量智能检测的方法，其特征在于，具体包括如下步骤：
2.根据权利要求1所述的核燃料组件格架焊点质量智能检测的方法，其特征在于，所述获取各焊点图像，具体包括如下步骤：
3.根据权利要求1所述的核燃料组件格架焊点质量智能检测的方法，其特征在于，还包括对初始卷积神经网络进行训练，具体包括如下步骤：
4.根据权利要求1所述的核燃料组件格架焊点质量智能检测的方法，其特征在于，所述将各焊点图像输入训练好的卷积...
【专利技术属性】
技术研发人员：段书用，鲁奕君，韩旭，徐福田，康君伟，
申请(专利权)人：河北工业大学，
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。