一种基于深度学习的焊接缺陷检测方法和系统技术方案

本申请适用于焊接缺陷检测技术领域，提供了一种基于深度学习的焊接缺陷检测方法和系统，所述方法包括：基于焊接件的焊道图像，构建第一深度模型，所述第一深度模型用于检测所述焊道图像中的感兴趣区域；基于所述感兴趣区域，生成目标数据集，并对所述目标数据集进行焊接缺陷标注；基于所述目标数据集，构建第二深度模型，所述第二深度模型用于分割所述感兴趣区域中的焊接缺陷；将所述感兴趣区域以及所述焊接缺陷标注于所述焊道图像，计算所述焊接缺陷相对于所述焊道图像的物理坐标位置以及物理尺寸，本申请实现了焊接生产焊接缺陷检测的智能化以及提高了焊接件的生产质量。

【技术实现步骤摘要】

本申请属于焊接缺陷检测，尤其涉及一种基于深度学习的焊接缺陷检测方法和系统。

技术介绍

1、在工业制造领域，焊接工艺作为实现不同工件有效连接的核心环节，其质量直接关系到最终产品的性能、可靠性和安全性。然而，焊接过程涉及众多复杂因素，如焊接参数的波动、焊接材料的差异、焊接环境的变化以及操作人员技能水平的高低等，这些因素极易导致焊接缺陷的产生。常见的焊接缺陷包括气孔、夹渣、裂纹、未焊透、未熔合等，这些缺陷不仅会削弱焊接接头的强度，还可能引发应力集中，降低产品的疲劳寿命，甚至在极端情况下导致产品在使用过程中发生失效，造成严重的安全事故和经济损失，由此，为了确保焊接质量，及时检测出焊接过程中可能存在的缺陷至关重要。

2、由于焊接缺陷往往隐藏在工件焊接部位的内部，传统的检测方法难以直接观察到其具体情况。因此，需要借助无损检测技术，如x光检测和超声波检测等，来获取工件焊接部位内部的图像信息，现有技术中，获取到焊接部位内部的图像后，通常依赖人工来完成焊接缺陷的寻找与判定，这一过程对检验人员的要求极高，此外，焊接缺陷具有形状复杂、大小不一、分布随机等特点，而传统本文档来自技高网...

【技术保护点】

1.一种基于深度学习的焊接缺陷检测方法，其特征在于，包括：

2.如权利要求1所述的方法，其特征在于，所述基于焊接件的焊道图像，构建第一深度模型，包括：

3.如权利要求2所述的方法，其特征在于，所述基于所述感兴趣区域，生成目标数据集，并对所述目标数据集进行焊接缺陷标注，包括：

4.如权利要求1所述的方法，其特征在于，所述基于所述目标数据集，构建第二深度模型，包括：

5.如权利要求4所述的方法，其特征在于，所述改进骨干网络为将Xception特征提取模块替换为MobileNetV3特征提取模块。

6.如权利要求4所述的方法，其特征在...

【技术特征摘要】

1.一种基于深度学习的焊接缺陷检测方法，其特征在于，包括：

2.如权利要求1所述的方法，其特征在于，所述基于焊接件的焊道图像，构建第一深度模型，包括：

3.如权利要求2所述的方法，其特征在于，所述基于所述感兴趣区域，生成目标数据集，并对所述目标数据集进行焊接缺陷标注，包括：

4.如权利要求1所述的方法，其特征在于，所述基于所述目标数据集，构建第二深度模型，包括：

5.如权利要求4所述的方法，其特征在于，所述改进骨干网络为将xception特征提取模块替换为mobilenetv3特征提取模块。

【专利技术属性】
技术研发人员：马振宇，胡江楠，赵娟，
申请(专利权)人：马振宇，
类型：发明
国别省市：