[发明专利]一种基于高频时序数据的焊接缺陷实时检测方法及系统

权利要求书

1.一种基于高频时序数据的焊接缺陷实时检测方法，其特征在于，包括以下步骤：

步骤1：将采集到的高频焊接时序数据，按照设定窗长进行采样，并按照已知的缺陷发生时间段和缺陷类型，为每个样本打标注，生成数据样本集；

步骤2：利用生成的数据样本集训练所构建的ResNet与TCN融合网络模型，得到训练好的检测模型；

步骤3：获取新的实时高频焊接数据，按照设定窗长输入到训练好的检测模型中进行预测，实时输出焊接缺陷类别；

所述步骤2中构建的ResNet与TCN融合网络模型具体包括：输入层、一维卷积层、池化采样层、至少四个融合网络块、Flatten层和三个全连接层，其中每个融合网络块包含一个残差块和至少一个时间卷积网络块；

当ResNet骨架结构为ResNet18或ResNet34时，每个残差块包括两个卷积核大小为3*3的一维卷积网络层、两个BN层、两个激活函数层和一个跳跃连接，每个时间卷积网络块包括两个卷积核大小为3*3的一维膨胀卷积层、两个BN层、两个激活函数层和一个跳跃连接；

当ResNet骨架结构为ResNet50及其以上时，每个残差块包括两个卷积核大小为1*1的一维卷积网络层、一个卷积核大小为3*3的一维卷积网络层、三个BN层、三个激活函数层以及一个跳跃连接，每个时间卷积网络块包括两个卷积核大小为1*1的一维卷积网络层、一个卷积核大小为3*3的一维膨胀卷积网络层、三个BN层、三个激活函数层以及一个跳跃连接。

2.根据权利要求1所述的一种基于高频时序数据的焊接缺陷实时检测方法，其特征在于，所述步骤1具体包括：

步骤1.1：将采集到的高频焊接时序数据，设定窗长window_size，每个窗长的序列作为一个样本，并将每个样本保存为NumPy文件，命名为data_i.npy；

步骤1.2：按照已知的缺陷发生时间段和缺陷类型，为每个样本打标注，并将每个标注保存为NumPy文件，命名为label_j.npy，其中i和j一一对应；

步骤1.3：将生成的样本随机乱序，并按比例截取训练集和验证集，剩下的即为测试集。

3.根据权利要求1所述的一种基于高频时序数据的焊接缺陷实时检测方法，其特征在于，所述高频焊接时序数据包括但不限于电流、电压、送丝速度、气流速度，其频率不低于10KHz。

4.根据权利要求1所述的一种基于高频时序数据的焊接缺陷实时检测方法，其特征在于，所述焊接缺陷类别包括但不限于正常、漏焊、气孔。

5.一种基于高频时序数据的焊接缺陷实时检测系统，其特征在于，包括数据采集模块、数据处理模块，其中数据处理模块用于采用权利要求1-4任一所述检测方法，根据数据采集模块所采集的高频焊接时序数据进行焊接缺陷的实时检测。