[发明专利]基于机器与深度视觉融合的焊缝超声波图像缺陷识别方法

说明书

本发明公开了基于机器与深度视觉融合的焊缝超声波图像缺陷识别方法，包括以下步骤：利用超声波探测设备对待检测物体进行超声波成像；利用缺陷标注模型对超声波检测图像进行焊缝区域自动定位；利用图像识别技术获取缺陷标注图像中焊缝图像的纹理特征数据，通过协同算法对纹理特征数据进行类别识别；将识别结果输出至前端界面，利用制图软件自动描绘焊缝形状，实现对待检测物体的焊缝缺陷识别。本发明不仅能够自动定位缺陷区域，识别各类焊缝缺陷，有效地提高焊缝缺陷识别质量，而且还可以提高识别速度，有效减少人工经验依赖，降低人工成本，既能把识别流程分步骤可视化，提高识别质量，又能显著加速识别过程，满足机器人焊接工艺速度。

技术领域

本发明涉及缺陷识别技术领域，具体来说，涉及基于机器与深度视觉融合的焊缝超声波图像缺陷识别方法。

背景技术

焊接工艺长久以来一直是工业生产应用中的重要组成部分，今天，焊接机器人在工业生产中得到了广泛的应用，与此同时带来的是对焊接质量高水准的把控及可靠的质量回溯等问题。由于焊接施工中会产生各种各样的缺陷，受焊接过程中各种参数稳定性的影响，焊缝难免会出现夹渣、裂纹、气孔等各类缺陷，为了确保焊接构件的品质，所以有必要对焊缝缺陷进行详细的检测和合理的评价。焊接图像识别主要有两个层级问题，第一层为判断当前焊接点有无缺陷，识别错误将会导致严重的产品质量问题，第二层在有缺陷的基础上需要识别缺陷属于哪一类，识别类型错误会让质量回溯以及工艺改进遭遇巨大困难。

目前大部分企业都采用超声波探测方式进行焊接局部成像，而图像仍需依靠人工经验进行繁琐的规则处理，然后进行缺陷识别，这类方式无论是识别质量以及识别速度都无法满足企业需求。由于企业基本都采用人工识别的方式，一方面人工识别步骤繁琐且容易造成误检，另一方面，超声波探测仪获取图像的速度远超人工识别速度，因此误识别造成的质量问题及人工速度慢的问题逐渐成为企业痛点。而基于多种视觉算法融合的方式可有效减少人工经验依赖，既能把识别流程分步骤可视化，提高识别质量，又能显著加速识别过程，满足机器人焊接工艺速度。因此，本发明提出了一种基于机器与深度视觉融合的焊缝超声波图像缺陷识别方法。

电梯作为日常使用频繁且安全性要求高的升降设备，电梯系统中的各个部件需要定期的检修和维护，而电梯导轨一般在电梯安装施工时采用拼装的方式安装固定在电梯井道中，通常电梯导向系统中的导轨段、夹片、导向结构等部件具有多处的焊接位置，因此在检修时需要对电梯的导向组件进行定期的检修和保养。

发明内容

针对相关技术中的问题，本发明提出基于机器与深度视觉融合的焊缝超声波图像缺陷识别方法和电梯导向组件检修方法，以克服现有相关技术所存在的上述技术问题。

为此，本发明采用的具体技术方案如下：

基于机器与深度视觉融合的焊缝超声波图像缺陷识别方法，该方法包括以下步骤：

S1、利用超声波探测设备对待检测物体进行超声波成像，得到超声波检测图像；

S2、利用预先构建的缺陷标注模型对超声波检测图像进行焊缝区域自动定位，得到缺陷标注图像；

S3、利用图像识别技术获取缺陷标注图像中焊缝图像的纹理特征数据，并通过协同算法对纹理特征数据进行类别识别；

S4、将识别结果输出至前端界面，并利用制图软件自动描绘焊缝形状，实现对待检测物体的焊缝缺陷识别。

进一步的，所利用超声波探测设备对待检测物体进行超声波成像，得到超声波检测图像还包括以下步骤：

根据待测工件的形状、尺寸和焊缝在工件上的位置，结合超声相控阵探头的几何尺寸，确定超声相控阵探头的位置、超声波的波型、检测的回波次数及目标检测区域的成像范围。

进一步的，所述利用预先构建的缺陷标注模型对超声波检测图像进行焊缝区域自动定位，得到缺陷标注图像包括以下步骤：