【技术实现步骤摘要】
本专利技术涉及工业自动化检测，更具体地说，它涉及基于深度学习的机械零部件缺陷检测方法及装置。
技术介绍
1、在现代工业生产中，机械设备的稳定运行对于保障生产效率、产品质量以及人员安全等方面起着至关重要的作用。随着工业自动化程度的不断提高，机械设备的结构日益复杂，功能也越发多样化，这使得机械零部件在运行过程中面临着各种各样的工况条件，进而增加了出现缺陷的风险。为了确保机械设备的可靠性和安全性，及时、准确地检测出机械零部件的缺陷成为了工业领域亟待解决的关键问题之一。
2、传统上，对于机械零部件的缺陷检测主要依赖人工进行定期巡检或停机拆解检查。人工巡检往往只能通过肉眼观察、简单工具辅助(如卡尺、千分尺测量尺寸等)来判断零部件表面是否存在明显的缺陷，如划痕、裂纹、磨损等。然而，这种方式存在诸多局限性：检测效率低下：面对复杂的机械设备结构，人工逐一检查零部件耗时费力，尤其对于大规模生产线上众多设备的检测，难以满足实时性要求，容易导致检测周期过长，无法及时发现潜在缺陷。检测准确性受限：人的肉眼观察精度有限，对于一些微小的缺陷(如深度小于...
【技术保护点】
1.基于深度学习的机械零部件缺陷检测方法，其特征在于，步骤如下：
2.基于深度学习的机械零部件缺陷检测装置，应用于权利要求1所述的基于深度学习的机械零部件缺陷检测方法，其特征在于，包括设备外象数据反演模块、设备零部件缺陷实时反馈模块、复检零部件确定模块、零部件缺陷真实检测模块；
3.根据权利要求2所述的基于深度学习的机械零部件缺陷检测装置，其特征在于，机械设备的零部件缺陷反馈值的确定过程如下：获取每次反演验证下设备反馈模型对应的零部件综合缺陷值，将每次反演验证下设备反馈模型对应的零部件综合缺陷值进行和值并取平均值处理，计算出机械设备的零部件缺陷
【技术特征摘要】
1.基于深度学习的机械零部件缺陷检测方法，其特征在于，步骤如下：
2.基于深度学习的机械零部件缺陷检测装置，应用于权利要求1所述的基于深度学习的机械零部件缺陷检测方法，其特征在于，包括设备外象数据反演模块、设备零部件缺陷实时反馈模块、复检零部件确定模块、零部件缺陷真实检测模块；
3.根据权利要求2所述的基于深度学习的机械零部件缺陷检测装置，其特征在于，机械设备的零部件缺陷反馈值的确定过程如下：获取每次反演验证下设备反馈模型对应的零部件综合缺陷值，将每次反演验证下设备反馈模型对应的零部件综合缺陷值进行和值并取平均值处理，计算出机械设备的零部件缺陷反馈值。
4.根据权利要求3所述的基于深度学习的机械零部件缺陷检测装置，其特征在于，反演验证下设备反馈模型对应的零部件综合缺陷值的获取步骤如下：设备反馈模型每完成一次反演验证，确定该次反演验证所对应的虚拟缺陷参数，获取虚拟缺陷参数所包含的缺陷几何位置，进一步获取每个缺陷几何位置的缺陷几何形态参数，确定每个缺陷几何位置的缺陷体现值，设定缺陷体现上值与缺陷体现下值，当缺陷几何位置的缺陷体现值≥缺陷体现上值，将该缺陷几何位置标注为复检重点位置，当缺陷几何位置的缺陷体现值≤缺陷体现下值，将该缺陷几何位置标注为无需复检位置，当缺陷体现上值＜缺陷几何位置的缺陷体现值＜缺陷体现下值，将该缺陷几何位置标注为可能复检位置，获取平均可能缺陷体现值，基于复检重点位置的总数量、无需复检位置的总数量以及平...
【专利技术属性】
技术研发人员：沈洋，单士娟，徐培杰，姚鹏，
申请(专利权)人：宿迁学院产业技术研究院，
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。