本申請(qǐng)涉及工業(yè)智能檢測(cè)，尤其涉及一種鍛件產(chǎn)品的鍛造缺陷智能檢測(cè)系統(tǒng)。
背景技術(shù)：
1、鍛件作為重要的結(jié)構(gòu)基礎(chǔ)件，廣泛應(yīng)用于汽車、航空航天、能源、軌道交通及重型裝備制造等領(lǐng)域，其質(zhì)量穩(wěn)定性直接關(guān)系到整機(jī)的安全性與服役壽命。在鍛造過(guò)程中，受原材料純度、模具狀態(tài)、工藝溫度控制、潤(rùn)滑條件及操作方式等多種因素影響，鍛件表面容易產(chǎn)生諸如氣泡、擦傷、凹陷、冷隔、流痕等缺陷。這些缺陷不僅影響外觀質(zhì)量，更可能導(dǎo)致局部應(yīng)力集中、疲勞裂紋提前萌生，從而影響產(chǎn)品性能甚至造成失效事故。
2、目前，工業(yè)現(xiàn)場(chǎng)對(duì)鍛件表面缺陷的檢測(cè)主要依賴人工目檢方式，該方式檢測(cè)效率低、準(zhǔn)確率受限、穩(wěn)定性差，且易受作業(yè)人員經(jīng)驗(yàn)水平影響，難以滿足現(xiàn)代制造對(duì)高一致性和大批量質(zhì)量控制的要求。
3、綜上所述，現(xiàn)有技術(shù)中存在由于鍛件表面結(jié)構(gòu)復(fù)雜、缺陷類型多樣且形態(tài)不規(guī)則，未能構(gòu)建穩(wěn)定可靠的多角度視覺(jué)融合與智能識(shí)別機(jī)制，導(dǎo)致缺陷檢測(cè)覆蓋不全面、分類準(zhǔn)確率低且無(wú)法動(dòng)態(tài)適應(yīng)實(shí)際工況變化，進(jìn)一步影響鍛件產(chǎn)品質(zhì)量控制的智能化水平與制造流程的自動(dòng)化效率的技術(shù)問(wèn)題。
技術(shù)實(shí)現(xiàn)思路
1、本申請(qǐng)的目的是提供一種鍛件產(chǎn)品的鍛造缺陷智能檢測(cè)系統(tǒng)，用以解決現(xiàn)有技術(shù)中存在由于鍛件表面結(jié)構(gòu)復(fù)雜、缺陷類型多樣且圖像干擾因素多樣，未能實(shí)現(xiàn)多角度視覺(jué)信息的高效融合與高精度缺陷識(shí)別判定，導(dǎo)致缺陷檢測(cè)覆蓋不完整、識(shí)別準(zhǔn)確率低且缺乏自適應(yīng)能力，進(jìn)一步影響鍛件產(chǎn)品質(zhì)量穩(wěn)定性及制造過(guò)程自動(dòng)化水平的技術(shù)問(wèn)題。
2、鑒于上述問(wèn)題，本申請(qǐng)?zhí)峁┝艘环N鍛件產(chǎn)品的鍛造缺陷智能檢測(cè)系統(tǒng)，包括：圖像采集模塊，所述圖像采集模塊用于通過(guò)配置高分辨率工業(yè)相機(jī)與旋轉(zhuǎn)驅(qū)動(dòng)組件采集待檢工件的多角度圖像，并對(duì)獲得圖像按先后順序排序的索引，所述工業(yè)相機(jī)安裝于可控旋轉(zhuǎn)平臺(tái)上，所述待檢工件通過(guò)定位夾具固定于中心軸位置；圖像拼接模塊，所述圖像拼接模塊用于將采集到的多角度圖像進(jìn)行拼接，對(duì)進(jìn)行拼接后的完整圖像進(jìn)行坐標(biāo)統(tǒng)一和曲面展開，生成產(chǎn)品完整表面展開圖；缺陷候選區(qū)域提取模塊，所述缺陷候選區(qū)域提取模塊用于通過(guò)圖像分割算法提取出存在缺陷的缺陷候選區(qū)域，獲得缺陷候選的區(qū)域坐標(biāo)和區(qū)域大小，所述區(qū)域大小包括缺陷面積和缺陷區(qū)域的最大邊界尺寸；缺陷類型確定模塊，所述缺陷類型確定模塊用于將提取出的缺陷候選區(qū)域的圖像特征與預(yù)先構(gòu)建的缺陷圖像樣本庫(kù)進(jìn)行匹配對(duì)比，獲得缺陷候選區(qū)域的缺陷類型，所述缺陷圖像樣本庫(kù)包括標(biāo)準(zhǔn)化的五類缺陷圖像特征模板，所述的五類缺陷包括氣泡、擦傷、凹陷、冷隔、流痕；缺陷置信度確定模塊，所述缺陷置信度確定模塊用于對(duì)每個(gè)候選缺陷區(qū)域?計(jì)算特征相似度、類別分離度、區(qū)域結(jié)構(gòu)質(zhì)量、樣本覆蓋性，并輸入缺陷置信度計(jì)算公式，獲得對(duì)應(yīng)缺陷類型判定結(jié)果的置信度值；異常區(qū)域二次判定模塊，所述異常區(qū)域二次判定模塊用于對(duì)于低置信度樣本，調(diào)用輕量深度網(wǎng)絡(luò)識(shí)別模型進(jìn)行二次判定，同時(shí)支持人工標(biāo)注生成新的樣本數(shù)據(jù)，添加至缺陷樣本庫(kù)中；自動(dòng)化控制模塊，所述自動(dòng)化控制模塊用于設(shè)備端連接可編程控制器，協(xié)同操作面板，進(jìn)行待檢工件缺陷智能檢測(cè)與反饋調(diào)節(jié)管理。
3、本申請(qǐng)中提供的一個(gè)或多個(gè)技術(shù)方案，至少具有如下技術(shù)效果或優(yōu)點(diǎn)：
4、通過(guò)多角度視覺(jué)采集與圖像配準(zhǔn)拼接，結(jié)合曲面展開算法，可獲得鍛件產(chǎn)品完整、連續(xù)的表面視覺(jué)信息，實(shí)現(xiàn)無(wú)盲區(qū)覆蓋的缺陷檢測(cè)；基于圖像分割算法提取缺陷候選區(qū)域，結(jié)合多特征維度（如紋理、邊緣、空間向量）的圖像匹配與相似度比對(duì)，有效提高多類缺陷（氣泡、擦傷、凹陷、冷隔、流痕）的識(shí)別準(zhǔn)確率；通過(guò)缺陷置信度評(píng)分機(jī)制綜合判斷特征相似度、區(qū)域結(jié)構(gòu)質(zhì)量、樣本覆蓋性等因素，有效提高邊界樣本和復(fù)雜形態(tài)缺陷的分類可信度；當(dāng)置信度低于預(yù)設(shè)閾值時(shí)，系統(tǒng)自動(dòng)調(diào)用輕量級(jí)深度神經(jīng)網(wǎng)絡(luò)進(jìn)行二次判定，并支持將人工標(biāo)注結(jié)果納入樣本庫(kù)，實(shí)現(xiàn)識(shí)別模型的持續(xù)優(yōu)化與自演進(jìn)；也就是說(shuō)，通過(guò)融合多角度圖像采集、圖像配準(zhǔn)拼接與曲面展開處理，提取缺陷候選區(qū)域并結(jié)合多特征圖像匹配算法進(jìn)行缺陷類型識(shí)別，同時(shí)引入置信度評(píng)估與低置信度二次判定機(jī)制，達(dá)到全面覆蓋鍛件表面、準(zhǔn)確識(shí)別多種典型鍛造缺陷、提升識(shí)別穩(wěn)定性與系統(tǒng)自適應(yīng)能力的技術(shù)效果。
5、上述說(shuō)明僅是本申請(qǐng)技術(shù)方案的概述，為了能夠更清楚了解本申請(qǐng)的技術(shù)手段，而可依照說(shuō)明書的內(nèi)容予以實(shí)施，并且為了讓本申請(qǐng)的上述和其他目的、特征和優(yōu)點(diǎn)能夠更明顯易懂，以下特舉本申請(qǐng)的具體實(shí)施方式。應(yīng)當(dāng)理解，本部分所描述的內(nèi)容并非旨在標(biāo)識(shí)本申請(qǐng)的實(shí)施例的關(guān)鍵或重要特征，也不用于限制本申請(qǐng)的范圍。本申請(qǐng)的其他特征將通過(guò)以下的說(shuō)明書而變得容易理解。
1.一種鍛件產(chǎn)品的鍛造缺陷智能檢測(cè)系統(tǒng)，其特征在于，包括：
2.如權(quán)利要求1所述的一種鍛件產(chǎn)品的鍛造缺陷智能檢測(cè)系統(tǒng)，其特征在于，所述將采集到的多角度圖像進(jìn)行拼接，對(duì)進(jìn)行拼接后的完整圖像進(jìn)行坐標(biāo)統(tǒng)一和曲面展開，生成產(chǎn)品完整表面展開圖，包括：
3.如權(quán)利要求2所述的一種鍛件產(chǎn)品的鍛造缺陷智能檢測(cè)系統(tǒng)，其特征在于，所述基于多角度圖像中相鄰圖像之間的重疊區(qū)域，執(zhí)行圖像配準(zhǔn)操作，采用圖像拼接算法對(duì)多角度圖像進(jìn)行拼接，生成覆蓋完整產(chǎn)品表面的拼接圖像，包括：
4.如權(quán)利要求1所述的一種鍛件產(chǎn)品的鍛造缺陷智能檢測(cè)系統(tǒng)，其特征在于，通過(guò)圖像分割算法提取出存在缺陷的缺陷候選區(qū)域，獲得缺陷候選的區(qū)域坐標(biāo)和區(qū)域大小，所述區(qū)域大小包括缺陷面積和缺陷區(qū)域的最大邊界尺寸，包括：
5.如權(quán)利要求1所述的一種鍛件產(chǎn)品的鍛造缺陷智能檢測(cè)系統(tǒng)，其特征在于，將提取出的缺陷候選區(qū)域的圖像特征與預(yù)先構(gòu)建的缺陷圖像樣本庫(kù)進(jìn)行匹配對(duì)比，獲得缺陷候選區(qū)域的缺陷類型，所述缺陷圖像樣本庫(kù)包括標(biāo)準(zhǔn)化的五類缺陷圖像特征模板，所述的五類缺陷包括氣泡、擦傷、凹陷、冷隔、流痕，包括：
6.如權(quán)利要求5所述的一種鍛件產(chǎn)品的鍛造缺陷智能檢測(cè)系統(tǒng)，其特征在于，所述圖像相似度比對(duì)算法，包括：
7.如權(quán)利要求6所述的一種鍛件產(chǎn)品的鍛造缺陷智能檢測(cè)系統(tǒng)，其特征在于，基于所提取的缺陷候選區(qū)域的圖像特征與缺陷圖像樣本庫(kù)中各類缺陷模板的特征向量進(jìn)行特征匹配，所述特征匹配包括余弦相似度、邊緣形狀匹配距離與高維空間距離，包括：
8.如權(quán)利要求1所述的一種鍛件產(chǎn)品的鍛造缺陷智能檢測(cè)系統(tǒng)，其特征在于，對(duì)每個(gè)候選缺陷區(qū)域計(jì)算特征相似度、類別分離度、區(qū)域結(jié)構(gòu)質(zhì)量、樣本覆蓋性，并輸入缺陷置信度計(jì)算公式，獲得對(duì)應(yīng)缺陷類型判定結(jié)果的置信度值，包括：
9.如權(quán)利要求1所述的一種鍛件產(chǎn)品的鍛造缺陷智能檢測(cè)系統(tǒng)，其特征在于，對(duì)于低置信度樣本，調(diào)用輕量深度網(wǎng)絡(luò)識(shí)別模型進(jìn)行二次判定，同時(shí)支持人工標(biāo)注生成新的樣本數(shù)據(jù)，添加至缺陷樣本庫(kù)中，包括：