[发明专利]一种基于卷积神经网络对螺柱焊焊接质量的检测方法

权利要求书

1.一种基于卷积神经网络对螺柱焊焊接质量的检测方法，其特征在于，包括：

利用采集系统采集螺柱焊相关的源样本，并对源样本进行分类；所述源样本为由采集系统采集的已完成焊接的螺柱的表面图像；

对源样本进行预处理；

将卷积神经网络模型在预设数据集里进行预训练，获得预训练模型，且基于实际的分类样本数据集对预训练模型进行再次训练，获得最终模型；

保存所述最终模型，并输入经过预处理的样本进行在线检测，预测所述焊接样本的分类类型。

2.如权利要求1所述的一种基于卷积神经网络对螺柱焊焊接质量的检测方法，其特征在于，所述采集系统由安装于相机架上的两个相机和LED灯组成，其中两个相机的间距可随螺柱的直径尺寸进行调节。

3.如权利要求1所述的一种基于卷积神经网络对螺柱焊焊接质量的检测方法，其特征在于，所述采集源样本，对源样本进行分类的步骤包括：

将所述源样本按比例进行随机分类，获得训练样本、验证样本、检测样本；

其中，所述比例包括：获得的训练样本：验证样本：测试样本＝8:1:1。

4.如权利要求1所述的一种基于卷积神经网络对螺柱焊焊接质量的检测方法，其特征在于：预处理包括：

使用图像拼合算法对两个相机获得的图像进行拼合；

使用目标检测算法对螺柱焊接区域进行识别，按目标识别的矩形框对图像进行剪裁。

5.如权利要求1所述的一种基于卷积神经网络对螺柱焊焊接质量的检测方法，其特征在于，将卷积神经网络模型在预设数据集里进行预训练，获得预训练模型，且基于分类结果对预训练模型进行预处理，获得最终训练模型的具体步骤包括：

将预训练模型的浅层参数保存在共享的卷积层中；

将采集的训练样本经预处理后放入到预训练模型继续训练，并获得第一训练模型；

将验证样本经预处理后输入到验证反馈模型进行验证和反馈，并将反馈结果输入到所述第一训练模型中作为调整参数进行训练，获得第二训练模型；

基于测试样本对第二训练模型进行检验；其中，所述第二训练模型即为所述最终模型。