[发明专利]基于激光焊接的质量检测方法、装置及存储介质有效
| 申请号: | 202010947802.9 | 申请日: | 2020-09-10 |
| 公开(公告)号: | CN112171057B | 公开(公告)日: | 2022-04-08 |
| 发明(设计)人: | 黄永深;李伟科;彭健烽;邓辅秦;冯华 | 申请(专利权)人: | 五邑大学 |
| 主分类号: | B23K26/21 | 分类号: | B23K26/21;B23K26/70;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司: | 广州嘉权专利商标事务所有限公司 44205 | 代理人: | 孙浩 |
| 地址: | 529000 广*** | 国省代码: | 广东;44 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 基于 激光 焊接 质量 检测 方法 装置 存储 介质 | ||
1.一种基于激光焊接的质量检测方法,其特征在于,包括以下步骤:
采集在标准时间段内的焊接训练信息;所述焊接训练信息包括:正常信息、分布内异常信息和分布外异常信息;
将所述分布内异常信息划分为:分布内异常训练信息和分布内异常检测信息;
对所述正常信息和所述分布内异常训练信息进行质量分类的标记处理,得到标记焊接信息;
构建初始神经网络,通过所述标记焊接信息对所述初始神经网络进行训练,得到标准神经网络;
通过所述分布内异常检测信息和所述分布外异常信息对所述标准神经网络进行检测,提取准确率大于准确阈值的所述标准神经网络,得到目标神经网络;
获取在目标时间段内的焊接目标信息,并将所述焊接目标信息输入到所述目标神经网络进行分类处理,得到所述焊接目标信息的质量类型;所述质量类型包括:正常、分布内异常和分布外异常。
2.根据权利要求1所述的一种基于激光焊接的质量检测方法,其特征在于:所述正常信息、所述分布内异常信息和所述分布外异常信息内的数据类型相同,且所述数据类型至少包括有以下之一:等离子浓度变化数据、温度变化数据和激光反射强度变化数据。
3.根据权利要求1所述的一种基于激光焊接的质量检测方法,其特征在于:所述质量分类的标记类型包括以下至少之一:正常、离焦、漏焊、重焊、反面焊接、位置漂移、位置倾斜、母材有污点和母材有水。
4.根据权利要求1所述的一种基于激光焊接的质量检测方法,其特征在于:所述初始神经网络包括:用于输出各类质量类型概率的分类层、用于输出置信度的全连接层,以及依次连接的第一卷积层、第一最大池化层、第二卷积层、第二最大池化层、第三卷积层和第三最大池化层;所述第三最大池化层分别与所述分类层和所述全连接层连接。
5.根据权利要求4所述的一种基于激光焊接的质量检测方法,其特征在于:所述分类层内设置有softmax分类器。
6.根据权利要求1所述的一种基于激光焊接的质量检测方法,其特征在于:所述通过所述分布内异常检测信息和所述分布外异常信息对所述标准神经网络进行检测,提取准确率大于准确阈值的所述标准神经网络,得到目标神经网络,包括以下步骤:
将所述分布内异常检测信息划分为:第一分布内信息和第二分布内信息;
通过所述第一分布内信息对所述标准神经网络进行检测,得到若干标准类型和若干置信度;
通过若干所述标准类型,确认所述标准神经网络的第一准确度,提取所述第一准确度大于第一准确阈值的所述标准神经网络,得到第一检测神经网络;
通过若干所述置信度确认平均置信度,并提取所述平均置信度大于置信度阈值的所述第一检测神经网络,得到第二检测神经网络;
通过所述第二分布内信息和所述分布外异常信息对所述第二检测神经网络进行检测,得到所述第二检测神经网络的第二准确度;
提取所述第二准确度大于第二准确阈值的所述第二检测神经网络,得到目标神经网络。
7.根据权利要求6所述的一种基于激光焊接的质量检测方法,其特征在于:所述获取在目标时间段内的焊接目标信息,并将所述焊接目标信息输入到所述目标神经网络进行分类处理,得到所述焊接目标信息的质量类型,包括以下步骤:
获取在目标时间段内的焊接目标信息,并将所述焊接目标信息输入到所述目标神经网络进行分类处理,得到若干个目标类型,以及所述目标类型对应的概率;根据概率最大的所述目标类型,得到所述焊接目标信息的质量类型。
8.一种基于激光焊接的质量检测装置,其特征在于,包括至少一个控制处理器和用于与所述至少一个控制处理器通信连接的存储器;所述存储器存储有可被所述至少一个控制处理器执行的指令,所述指令被所述至少一个控制处理器执行,以使所述至少一个控制处理器能够执行如权利要求1-7任一项所述的基于激光焊接的质量检测方法。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机可执行指令,所述计算机可执行指令用于使计算机执行如权利要求1-7任一项所述的基于激光焊接的质量检测方法。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于五邑大学,未经五邑大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202010947802.9/1.html,转载请声明来源钻瓜专利网。





