[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

说明书

本发明公开了一种基于卷积神经网络对螺柱焊焊接质量的检测方法，包括：采集系统采集螺柱焊相关的源样本，并对源样本进行分类；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。通过采集训练样本，训练基于预训练的卷积神经网络的焊接质量分类器，使其能快速准确地识别不同种类的焊接缺陷类型，能有效解决当前螺柱焊质量在线检测准确率低的问题。

技术领域

本发明属于机器视觉领域，具体为工业图像检测识别领域，特别涉及一种基于双目摄像头采集焊接区域图像并利用卷积神经网络进行焊接质量检测的方法。

背景技术

螺柱焊是一种将金属螺柱或其他类似的金属紧固件焊接到金属板材上的焊接方法，具有无孔连接的特点，不仅是保证了工件的密封性，而且生产效率相较传统加工方式也有大幅提高。螺柱焊在汽车、家电、仪器仪表、医疗器械等行业均有广泛的应用，螺柱焊接的质量对产品的质量具有重要的影响。

目前在工业生产过程中主要的螺柱焊质量检测方法是破坏性实验，如弯曲测试、拉伸等。该方法主要应用在生产前的验证性检验和生产过程中的抽样检验，经过破坏性试验后螺柱无法继续使用。因此，无法对焊接过程中的每个螺柱进行质量检查。人工目检虽然可以对每个焊接螺柱进行检查，但是这种方式的检测精度很大程度上依赖于检测工人的技术以及经验，会产生很多不稳定因素，并且增加了工人的工作量，从而使得工作效率低下。

基于单目视觉的图像采集容易受到螺柱本身遮挡焊缝的影响，不能采集到完整的焊缝区域。传统的图像检测识别方法，如图像分割等，容易受到不同图像复杂背景的影响，稳定性不强，检测识别精度低。

针对上述问题，本发明提供了一种基于卷积神经网络对螺柱焊接质量检测的方法，通过两个摄像头采集图像并进行图像拼合以采集到完整的焊缝区域，训练基于卷积神经网络的焊接质量分类器，使其能快速准确的对焊接螺柱进行质量判别。

发明内容

本发明提供了一种基于卷积神经网络对螺柱焊焊接质量的检测方法，用以解决当前螺柱焊焊接质量检测效率低，精度差的问题。

为了达到上述目的，本发明提供的技术方案是一种基于卷积神经网络对螺柱焊焊接质量的检测方法，其包括以下步骤：

1.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；

2.对原样本进行预处理；

3.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；

4.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。

在一种可能实现的方式中，所述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的步骤包括：

所述的采集系统由两个相机，LED灯组成。两个相机位于已完成焊接的螺柱的上方，两个相机在空间内关于螺柱的中轴平面对称。两个相机间的距离可随螺柱直径的尺寸调整。采集的源样本为两个相机触发采集的图像。将所述的源样本按比例进行分类，获得训练样本、验证样本、测试样本。

在一种可能实现的方式中，对源样本进行预处理的步骤包括：

将源样本中由不同相机采集的同一个螺柱的图像进行图像拼合；

利用目标检测算法检测拼合后的图像中的焊接区域；

对图像进行剪裁，剪裁边界为焊接区域目标识别的外接矩形框。

其中，所述的预处理后的源样本为裁剪后的图像。