[发明专利]一种基于深度学习的激光焊接缺陷识别方法、装置及设备

权利要求书

1.一种基于深度学习的激光焊接缺陷识别方法，其特征在于，包括：

在激光焊接目标焊缝的过程中，利用光辐射检测装置采集光电信号，利用高速相机分别从预先搭建的激光焊接平台的正面及侧面拍摄正面焊接熔池动态视频与侧面焊接熔池动态视频；

根据所述光电信号、所述正面焊接熔池动态视频与所述侧面焊接熔池动态视频，确定焊接缺陷部分所在的目标帧数范围；

将所述目标帧数范围内的光电信号、正面焊接熔池动态视频及侧面焊接熔池动态视频分别转换为光电图像集、正面焊接图像集及侧面焊接图像集，将所述目标帧数范围内的光电信号转换为二维的光电图像，将所述目标帧数范围内的正面焊接熔池动态视频及侧面焊接熔池动态视频转换为RGB数据格式；

利用标注后的光电图像集、正面焊接图像集及侧面焊接图像集对预先构建的激光焊接缺陷识别网络模型进行训练，所述预先构建的激光焊接缺陷识别网络模型包括：输入层、多个卷积层、多个池化层、第一全连接层、第二全连接层、分类层、输出层；

利用训练完成后的激光焊接缺陷类型识别模型，在焊接激光过程中进行在线焊接缺陷识别;

所述根据所述光电信号、所述正面焊接熔池动态视频与所述侧面焊接熔池动态视频，确定焊接缺陷部分所在的目标帧数范围包括：

根据所述光电信号绘制可见光与激光反射光曲线图；

动态调整所述可见光与激光反射光曲线图中的曲线位置与预设初始阈值的大小后，将所述可见光与激光反射光曲线图与焊接后的工件图进行比对，将焊接缺陷部分以向量的方式读出，确定所述可见光与激光反射光曲线图中的焊接缺陷部分所在的初始帧数范围；

根据所述正面焊接熔池动态视频与所述侧面焊接熔池动态视频，确定焊接缺陷部分所在的目标帧数范围;

所述利用标注后的光电图像集、正面焊接图像集及侧面焊接图像集对预先构建的激光焊接缺陷识别网络模型进行训练包括：

利用基于深度学习模型框架的数据标注格式分别对所述光电图像集、所述正面焊接图像集及所述侧面焊接图像集进行标注；

依据预设比例将标注后的光电图像集、正面焊接图像集及侧面焊接图像集划分为训练集、验证集与测试集；

利用所述训练集与所述验证集对预先构建的激光焊接缺陷识别网络模型进行交叉验证训练;

所述利用基于深度学习模型框架的数据标注格式分别对所述光电图像集、所述正面焊接图像集及所述侧面焊接图像集进行标注包括：

当所述光电图像集、所述正面焊接图像集及所述侧面焊接图像集中的图像不存在缺陷时则标注0；当所述光电图像集、所述正面焊接图像集及所述侧面焊接图像集中的图像存在驼峰缺陷时则标注1；当所述光电图像集、所述正面焊接图像集及所述侧面焊接图像集中的图像存在凹陷缺陷时则标注2。