[发明专利]基于岭回归分析卷积正则化的塑料件焊接质量评估方法

说明书

本发明公开了基于岭回归分析卷积正则化的塑料件焊接质量评估方法，其中由岭回归方程控制的特征信息提取部分，通过对共性信息得到剔除，从而实现对塑料燃油箱焊缝区域特征的提取，增加特征分析过程中的有用信息获取；由卷积正则化优化的特征分析部分，通过对卷积层和池化层中间引入Dropblock模块，从而防止网络对共性特征较多的图片进行学习时出现过拟合的现象，以获取最优特征并作为识别特征，并对27.4%的无用特征图进行舍弃。从而两模块共同作用可有效提高塑料燃油箱焊缝识别网络的抗过拟合能力，减少训练时间，保障了模型的鲁棒性。

技术领域

本发明涉及塑料件焊缝评估技术领域，特别涉及基于岭回归分析卷积正则化的塑料件焊接质量评估方法。

背景技术

在工业制造技术领域，通常会涉及焊接工序，塑料燃油箱配件在本体上焊接所需的焊接工艺存在虚焊，焊接余量不均匀，焊接位姿不准确等问题，最终，影响产品质量和使用寿命，因此，在产品出厂之前，通常需要对焊缝质量进行检测，以剔除焊缝质量不合格的产品，从而提高产品良率。

目前塑料燃油箱生产厂家大多采用人工检测或传统破坏性抽检方法，其中目视检测存在效率低、易遗漏、人力成本高、自动化程度低等问题，该方法难以满足大批量、高精密、快速检测的要求。机器视觉检测技术在效率、成本等方面具有显著优势，主要有单目视觉检测和双目立体视觉检测。其中采用基于视觉的深度学习塑料燃油箱焊接质量评估方法具有较高的精度和良好的适应性。而传统的深度学习算法在待焊接工件焊缝轮廓的检测上具有较多的局限性，在对存在大量共性特征信息的焊缝图片进行训练时容易出现过拟合现象，算法的准确率较低。

2020年，张素智等人提出了一种基于焊缝识别卷积神经网络与岭回归分析相结合的图像识别算法。(张素智,吴玉红,常俊.基于改进焊缝识别卷积神经网络的轮胎图像识别[J].计算机技术与发展,2021,31(07):182-186.)通过对岭回归分析和焊缝识别卷积神经网络识别算法进行的学习研究,在算法原来的损失函数中引入一个新的正则项,以此改变新的损失函数中两部分的比关系，降低特征信息的拟合曲线抖动的幅度，一定程度上提高轮胎破损图像的训练准确率和识别率，但是针对小样本塑料燃油箱样本集，其特征传递过程中存在较多无用特证图，不适用塑料燃油箱焊接柔性生产线上的焊缝评估检测。

2019年广东大鹏液化天然气有限公司的李强等人发明了一种管道焊缝底片扫描入库及焊缝缺陷识别方法及其系统(授权公告号：CN108665452)通过建立管道焊缝缺陷的数据集，使用基于二分类的支持向量机对焊缝缺陷进行识别能够实现对管道焊缝的缺陷识别，其缺点是，通过焊缝缺陷的特征学习的过程中未对共性特征进行判别，容易出现过拟合现象。

2019年浙江工业大学的胡克钢等人发明了一种基于卷积神经网络的焊接视觉检测方法及装置(专利授权公告号：CN112365501B)此发明通过设计一种全方位传感器并搭建卷积神经网络模型对焊缝识别，挺高了自动化焊缝缺陷识别的精度，能够实现对钢管内部焊缝的检测。其缺点是只是使用现有的原始卷积神经网络模型对钢管内部的焊缝进行检测，网络模型较大，并不适用于塑料燃油箱的焊缝检测。

2021年南京理工大学的赵壮等人发明了一种基于卷积神经网络的焊件轮廓检测算法(专利授权公告号：CN112365501B)此发明通过采用跳层连接并引入ASPP模块和注意力模块，降低了引入的纹理信息，增强了语义信息，并专注于目标的焊缝，提高了识别精度，并进一步提升了算法的性能。其缺点是网络模型较复杂，训练时间较长，同时并未对共性特征进行读取识别，并不适用于塑料燃油箱的焊缝检测。

综上所述，要实现对塑料燃油箱焊缝缺陷的识别，就必须对塑料燃油箱焊缝识别网络中的特征提取及特征分析部分进行改进。为解决上述问题，本文通过对现有塑料燃油箱焊缝识别卷积神经网络进行优化，结合岭回归分析方程及卷积正则化增强对塑料燃油箱焊缝识别网络的特征获取及分析能力，从而提出了一种基于岭回归分析卷积正则化的塑料件焊接质量评估方法

发明内容