CN118602979B 焊縫形貌及表面缺陷在線檢測評估方法和系統 （上海交通大學）

焊縫形貌及表面缺陷在線檢測評估方法和本發明提供了一種焊縫形貌及表面缺陷在對2D灰度圖像利用多邊形定位框進行焊縫表面缺陷的標注；建立全卷積神經網絡缺陷檢測模明能夠準確地進行焊縫整體形貌的計算以及與2步驟S4：對2D灰度圖像利用多邊形定位框進行焊縫步驟S5：以焊縫2D灰度圖像為輸入，以像素級缺陷步驟S8：依據構建的焊縫形貌和表面缺陷檢測綜合評步驟S6.1：對網絡輸出提取缺陷：缺陷檢測模型的輸出為[height,width,num_云；步驟S2.2：采用Sobel結合高斯增強的圖像處理算法將掃描高度數據轉換為2D3數據采集模塊M1：通過線激光沿焊縫縱向進行掃描，得到焊縫形數據集構建模塊M4：對2D灰度圖像利用多邊形定位框進行焊縫表網絡構建模塊M5：以焊縫2D灰度圖像為缺陷檢測模塊M6：對缺陷檢測模型判定的缺陷進行缺陷的可視化、綜合質量評估模塊M7：將焊縫整體形貌與表面缺陷檢測相結合在線檢測評估模塊M8：依據構建的焊縫形貌和表面缺陷檢測綜模塊M6.1：對網絡輸出提取缺陷：缺陷檢測模型的輸出為[height,width,num_4云；模塊M2.2：采用Sobel結合高斯增強的圖像處理算法將掃描高度數據轉換為2D567[0033]步驟S6.1：對網絡輸出提取缺陷：缺陷檢測模型的輸出為[height,w8[0040]數據集構建模塊M4：對2D灰度圖像利用多邊形定位框進9[0057]模塊M6.1：對網絡輸出提取缺陷：缺陷檢測模型的輸出為[height,w[0061](1)傳統的被動視覺傳感受檢測環境光照等影響較大，本發明采用線激光視覺檢[0062](2)傳統的焊接缺陷檢測方法流程復雜及適應性不足，難以適應現場焊縫形式多[0063](3)傳統的焊縫表面檢測方法檢測結果只包含缺陷在圖像上的分布信息，缺失位[0064]通過閱讀參照以下附圖對非限制性實施例所作的詳細描述，本發明的其它特征、[0065]圖1為本發明實施例中一種基于全卷積神經網絡和線激光的焊縫形貌及表面缺陷[0077]本發明實施例提供了一種基于全卷積神經網絡和線激光的焊縫形貌及表面缺陷[0081]線激光傳感器沿Y軸方向移動，以一定的掃描頻率連續采集不同截面的焊縫輪廓像。首先采用Sobel算子計算每個所述掃描數據上每個點與左側鄰居的高度差diff_用等間隔裁剪方法對2D灰度圖像進行子幀劃分，在行方向上以800行為間隔劃分為[800,[0099]步驟S4.1:對2D灰度圖像利用多邊形定位形框進行焊縫不同類型表面缺陷的標positive,TP)，真負例(truenegative,TN)，假正例(falsepositive,FP)以及假負例更新，學習率初始值設置為1e_4，且使用學習率衰減的方式，momentum＝0[0126]步驟S6.1：對網絡數據提取缺陷。缺陷檢測模型的輸為[height,width,num_缺陷在線檢測評估系統可以通過執行所述焊縫形貌及表面缺陷在線檢測評估方法的流程為所述焊縫形貌及表面缺陷在線檢測評估系統的優以焊縫2D灰度圖像為輸入，以像素級缺陷分類為輸出建立全卷積神經網絡缺陷處理：首先轉換為三通道RGB圖像，然后進行裁剪縮放成全卷積神經網絡的要求的標準尺[0151]所述模塊M6包括：模塊M6.1：對網絡輸出提取缺陷：缺陷檢測模型的輸出為[0153]本領域技術人員知道，除了以純計算機可讀程序代碼方式實現本發明提供的系是一種硬件部件，而對其內包括的用于實現各種程序的模塊也可以視為硬件部件內的結