[发明专利]一种确定工件表面磨损的方法及系统

权利要求书

1.一种确定工件表面磨损的方法，其特征在于，包括：

获取待检测工件表面的点云图，所述点云图包括点云曲线和参考线，所述点云曲线为投射在所述待检测工件表面上的激光线所包括的光斑位置集合，所述点云曲线的第一坐标轴为所述激光线的长度，所述点云曲线的第二坐标轴为所述激光线投射在所述待检测工件表面的深度，所述参考线为用于反映所述点云曲线的平坦区域的一致性的线；

根据所述点云图，确定所述待检测工件表面磨损所属的磨损类别；

根据所述磨损类别，确定预先训练好的细分类别识别模型；

采用所述细分类别识别模型，识别所述待检测工件表面磨损所属的细分类别；

根据所述细分类别，确定对应的测量算法，所述测量算法与所述细分类别具有对应关系；

根据所述测量算法，确定所述待检测工件表面的磨损程度。

2.根据权利要求1所述的方法，其特征在于，所述根据所述点云图，确定所述待检测工件表面磨损所属的磨损类别，包括：

若所述点云曲线中包括所述点云曲线的最大值的第一预设曲线区域位于所述参考线的上方，则确定所述待检测工件表面磨损所属的磨损类别为第一类别；

若所述点云曲线中包括所述点云曲线的最大值的第二预设曲线区域与所述参考线之间的距离小于或等于预设距离阈值，则确定所述待检测工件表面磨损所属的磨损类别为第二类别；

若所述点云曲线的最大值与最小值之间的斜率的绝对值大于第一预设斜率阈值，则确定所述待检测工件表面磨损所属的磨损类别为第三类别。

3.根据权利要求2所述的方法，其特征在于，所述方法还包括：

获取多个第一训练点云图，所述多个第一训练点云图对应的磨损类别均属于所述第一类别，各所述第一训练点云图均标注有第一真实标签，所述第一真实标签为所述第一类别下的细分类别；

将所述多个第一训练点云图作为第一训练集，对第一预设神经网络模型进行训练，以获取所述第一类别对应的第一细分类别识别模型。

4.根据权利要求3所述的方法，其特征在于，将所述多个第一训练点云图作为第一训练集，对第一预设神经网络模型进行训练，以获取所述第一类别对应的第一细分类别识别模型，包括：

对各所述第一训练点云图中的第一点云曲线均在第一预设区间内按第一预设采样率采集多个第一采样点，其中，所述第一预设区间为所述第一点云曲线的第一坐标轴上的区间，并且位于所述第一预设区间内的第一点云曲线包括所述第一点云曲线的最大值和最小值；

将各所述第一训练点云图对应的多个第一采样点，输入所述第一预设神经网络模型进行训练，以获取所述第一细分类别识别模型。

5.根据权利要求4所述的方法，其特征在于，在所述将各所述第一训练点云图对应的多个第一采样点，输入所述第一预设神经网络模型进行训练，以获取所述第一细分类别识别模型的步骤之前，还包括：

对各所述第一训练点云图对应的多个第一采样点进行归一化处理。

6.根据权利要求4所述的方法，其特征在于，所述第一预设采样率为动态调整的值。

7.根据权利要求2所述的方法，其特征在于，所述方法还包括：

获取多个第二训练点云图，所述多个第二训练点云图对应的磨损类别均属于所述第二类别，各所述第二训练点云图均标注有第二真实标签，所述第二真实标签为所述第二类别下的细分类别；

将所述多个第二训练点云图作为第二训练集，对第二预设神经网络模型进行训练，以获取所述第二类别对应的第二细分类别识别模型。