[发明专利]内螺纹缺陷检测方法、装置、系统、设备及介质

权利要求书

1.一种内螺纹缺陷检测方法，其特征在于，所述内螺纹缺陷检测方法应用于内螺纹缺陷检测装置的图像处理模块中，所述内螺纹缺陷检测装置还包括图像采集模块，所述图像采集模块包括棱镜部件和图像采集部件；

所述内螺纹缺陷检测方法包括：

获取所述图像采集模块发送的目标物的内螺纹图像，所述内螺纹图像为所述图像采集模块通过所述棱镜部件和所述图像采集部件采集的包括所述目标物完整内螺纹信息的图像；

通过预设的缺陷检测模型对所述内螺纹图像进行识别，得到所述目标物的缺陷检测信息。

2.如权利要求1所述的内螺纹缺陷检测方法，其特征在于，所述通过预设的缺陷检测模型对所述内螺纹图像进行识别，得到所述目标物的缺陷检测信息，包括：

对所述内螺纹图像进行图像预处理，得到预处理图像；

将所述预处理图像进行归一化处理，得到待检测图像；

将所述待检测图像输入到预设的缺陷检测模型中进行检测，得到所述目标物的缺陷检测信息。

3.如权利要求1所述的内螺纹缺陷检测方法，其特征在于，在所述通过预设的缺陷检测模型对所述内螺纹图像进行识别，得到所述目标物的缺陷检测信息之后，所述内螺纹缺陷检测方法还包括：

若所述缺陷检测信息为存在缺陷，则获取所述内螺纹图像中所述缺陷所在的像素点区域；

根据所述像素点区域生成所述缺陷在所述目标物中的位置信息。

4.如权利要求1所述的内螺纹缺陷检测方法，其特征在于，在所述通过预设的缺陷检测模型对所述内螺纹图像进行识别，得到所述目标物的缺陷检测信息之前，所述内螺纹缺陷检测方法还包括：

获取内螺纹样本集，所述内螺纹样本集包括样本图像和每一所述样本图像的标注数据；

对所述内螺纹样本集进行分类，得到训练集、验证集和测试集；

将所述训练集输入到神经网络模型中进行训练，得到初始检测模型；

采用所述验证集对所述初始检测模型进行验证，得到验证数据；

若所述验证数据符合预设的验证指标，则采用所述测试集验证所述初始检测模型的泛化能力；

若所述初始检测模型的泛化能力达到预设的基准，则得到缺陷检测模型。

5.如权利要求4所述的内螺纹缺陷检测方法，其特征在于，所述将所述训练集输入到神经网络模型中进行训练，得到初始检测模型，包括：

构建神经网络模型；

配置所述神经网络模型的初始网络参数；

将所述训练集中的样本图像输入到所述神经网络模型中，所述神经网络模型的各层网络值由前向后逐层向后传播，最后网络输出当前网络状态下计算得到的缺陷位置和置信度；

将计算得到的所述缺陷位置和所述置信度与对应的标注数据进行对比，获得对比差值，各层网络将所述对比差值由后往前逐层向前传播，调整网络中神经元连接权值；

分批次使用所述训练集中的样本图像训练优化网络的各神经元连接权值，直到网络状态达到预设条件或达到训练迭代次数时停止训练，得到初始检测模型。

6.一种内螺纹缺陷检测装置，其特征在于，所述内螺纹缺陷检测装置包括图像处理模块和图像采集模块，所述内螺纹缺陷检测装置用于检测目标物的内螺纹缺陷；

所述图像采集模块用于采集所述目标物的内螺纹图像，并将所述内螺纹图像发送至图像处理模块，所述内螺纹图像为所述图像采集模块通过棱镜部件和图像采集部件采集的包括所述目标物完整内螺纹信息的图像；

所述图像处理模块用于接收所述内螺纹图像，并将所述内螺纹图像输入到预设的缺陷检测模型中进行识别，得到所述目标物的缺陷检测信息。

7.如权利要求6所述的内螺纹缺陷检测装置，其特征在于，所述图像采集部件包括光源、镜头和相机，所述棱镜部件、所述光源、所述镜头和所述相机沿着远离所述目标物的内螺纹的轴向方向依次设置；

所述棱镜部件包括底面和侧面，所述底面垂直于所述目标物的内螺纹的轴向方向，所述侧面由至少3个平面构成，所述棱镜部件的径向截面由所述底面向着远离所述检测物的方向逐渐增大。