[发明专利]一种焊点质量检测方法、系统、装置及可读存储介质

权利要求书

1.一种焊点质量检测方法，其特征在于，包括：

获取目标焊点的目标X光图像；

将所述目标X光图像输入焊点质量判断模型，得到所述目标焊点的质量结果；

其中，所述焊点质量判断模型为利用训练数据集，对基于深度学习算法构建的数学模型进行训练而成的；所述训练数据集包括多个历史焊点的X光图像和与每个历史焊点相应的类别信息。

2.根据权利要求1所述的焊点质量检测方法，其特征在于，所述利用训练数据集，对基于深度学习算法构建的数学模型进行训练的过程，包括：

S21：利用所述训练数据集中的历史焊点的X光图像对所述数学模型进行训练，得到相应的训练结果；

S22：利用所述训练结果与相应的历史焊点的类别信息进行比对，得到训练误差，利用所述训练误差生成修正反馈；

S23：利用修正反馈对所述数学模型进行修正，得到修正后的数学模型，返回S21直至所述训练误差满足预设条件或达到迭代阈值。

3.根据权利要求1所述的焊点质量检测方法，其特征在于，所述焊点质量判断模型为利用所述训练数据集，对基于神经网络算法构建的数学模型进行训练而成的。

4.根据权利要求1至3任一项所述的焊点质量检测方法，其特征在于，在所述得到所述目标焊点的质量结果之后，还包括：

判断所述质量结果是否为合格；

如果是，则利用预设的分类条件对所述目标焊点的质量进行等级分类。

5.一种焊点质量检测系统，其特征在于，包括：

图像获取模块，用于获取目标焊点的目标X光图像；

判断模型模块，用于将所述目标X光图像输入焊点质量判断模型，得到所述目标焊点的质量结果；

所述判断模型模块包括训练单元，所述训练单元，用于利用训练数据集，对基于深度学习算法构建的数学模型进行训练，得到所述焊点质量判断模型。

6.根据权利要求5所述的焊点质量检测系统，其特征在于，所述训练单元，包括：

训练子单元，用于利用所述训练数据集中的历史焊点的X光图像对所述数学模型进行训练，得到相应的训练结果；

反馈生成子单元，用于利用所述训练结果与相应的历史焊点的类别信息进行比对，得到训练误差，利用所述训练误差生成修正反馈；

修正子单元，用于利用修正反馈对所述数学模型进行修正，得到修正后的数学模型，利用所述训练子单元对所述修正后的数学模型进行训练，直至所述训练误差满足预设条件或达到迭代阈值。

7.根据权利要求5所述的焊点质量检测系统，其特征在于，所述训练单元，具体用于利用所述训练数据集，对基于神经网络算法构建的数学模型进行训练，得到所述焊点质量判断模型。

8.根据权利要求5至7任一项所述的焊点质量检测系统，其特征在于，还包括：

质量判断模块，用于判断所述质量结果是否为合格；

等级划分模块，用于当所述质量判断模块判定所述质量结果为合格，则利用预设的分类条件对所述目标焊点的质量进行等级分类。

9.一种焊点质量检测装置，其特征在于，包括：

存储器，用于存储指令；其中，所述指令包括获取目标焊点的目标X光图像；将所述目标X光图像输入焊点质量判断模型，得到所述目标焊点的质量结果；其中，所述焊点质量判断模型为利用训练数据集，对基于深度学习算法构建的数学模型进行训练而成的；所述训练数据集包括多个历史焊点的X光图像和与每个历史焊点相应的类别信息；

处理器，用于执行所述存储器中的指令。

10.一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上存储有焊点质量检测程序，所述焊点质量检测程序被处理器执行时实现如权利要求1至4任一项所述焊点质量检测方法的步骤。