CN115880265A - 融合磁光成像和红外热成像的焊接缺陷检测方法与系统 - Google Patents
融合磁光成像和红外热成像的焊接缺陷检测方法与系统 Download PDFInfo
- Publication number
- CN115880265A CN115880265A CN202211685662.8A CN202211685662A CN115880265A CN 115880265 A CN115880265 A CN 115880265A CN 202211685662 A CN202211685662 A CN 202211685662A CN 115880265 A CN115880265 A CN 115880265A
- Authority
- CN
- China
- Prior art keywords
- magneto
- optical
- infrared
- position point
- weldment
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Investigating Or Analyzing Materials By The Use Of Magnetic Means (AREA)
Abstract
本发明公开了一种融合磁光成像和红外热成像的焊接缺陷检测方法与系统，涉及焊接缺陷检测的技术领域，包括获取焊接缺陷类型对应的磁光图像和红外图像，预处理后分别训练构建的磁光图像子分类器和红外图像子分类器；之后获取待测焊件焊缝处各位置点的磁光图像和红外图像，对应输入训练好的磁光图像子分类器和红外图像子分类器，获得磁光分类决策向量和红外分类决策向量；最后融合磁光分类决策向量和红外分类决策向量，计算融合决策向量，确定该位置点对应的最终焊接缺陷类型。本发明融合磁光成像和红外成像优势，结合了磁光成像和红外成像独有的特征信息，增加抗干扰能力，检测精度高。
Description
技术领域
本发明涉及焊接缺陷检测的技术领域，更具体地，涉及一种融合磁光成像和红外热成像的焊接缺陷检测方法与系统。
背景技术
焊接技术是现代制造业中最为重要的材料成型和加工技术之一，广泛应用于船舶运输、汽车制造、石油工业、航空航天等工业制造领域。焊接过程中由于焊接参数调节不当和环境复杂等不确定因素，焊件会出现各种缺陷，如裂纹、凹坑、气孔、未熔合等，这将严重影响焊接的质量。焊接质量的好坏是相关设备能够正常工作的重要因素。针对焊接缺陷检测常用的无损检测方法有磁粉检测法、超声波法、射线检测法等。磁粉检测法是将磁粉均匀铺于焊件表面，并在待测焊件两侧施加强电流，缺陷处的漏磁场会使磁粉分布改变，从而呈现缺陷。超声波法是利用超声波在介质内传播过程中会出现的反射、折射、衰减等能量变化，且缺陷区域与本身板材间存在声学物理性能上的差异，从而检测出焊件内部缺陷。射线法利用射线(如X射线、γ射线等)在不同结构上的衰减特性不同，成像出穿透量的强弱不同，从而对缺陷进行成像检测。
如图1所示，磁光检测法是基于法拉第磁致旋光效应和漏磁原理实现的，利用外部励磁将铁磁性的待测样品磁化；由于样品和空气的导磁率不同，样品中有缺陷的区域就会产生漏磁场并在空气中扩散。磁光传感器中的光源发出的光线经过起偏器后形成偏振光，根据法拉第磁致旋光效应，偏振光在样品的漏磁场中会发生偏转，偏转后的偏振光经过检偏器后会呈现光线的强弱差异，从而被磁光传感器中的CMOS相机采集成为一张包含样品缺陷信息的磁光图像。
如图2所示，涡流热成像法是一种主动式红外热成像检测方法；根据法拉第电磁感应定律，通电线圈通入脉冲电流可使靠近的金属导体产生涡流感应，对待测样品实现感应加热。当待测的样品中存在缺陷时，这些缺陷会影响涡电流的分布、感应热的传导，从而导致样品表面的热量分布不均匀，向外辐射强弱不均的红外线。利用红外传感器可以采集到热量传播过程中一段时间内的红外辐射序列或者特定帧的红外辐射，即可获得包含样品缺陷信息的红外图像。
决策融合方法是多源信息融合技术的一种，综合来自不同数据源的数据对检测任务进行更加全面的判断，有着适应性强、抗干扰能力强、消除单个传感器误差的优点。
现有技术公开了一种工件焊接缺陷检测装置、方法及计算机可读存储介质。工件焊接缺陷检测装置包括：通信器，用于接收来自图像采集模组的第一图像；处理器，耦接所述通信器，用于根据所述第一图像，提取焊接信息；输送所述焊接信息至逻辑处理组件，形成焊接缺陷，形成所述焊接缺陷的显示信息，以根据所述显示信息呈现所述焊接缺陷的具象或特征值。该申请利用电荷耦合器件相机拍摄焊接后的图像，利用提取模块根据拍摄图像提取焊接信息；该方法仅利用单一图像，存在误差缺陷，抗干扰能力差；并且获取的是待测工件焊接后的整张图像，对于细小缺陷检测效果差，检测精度低。
发明内容
本发明为克服上述现有技术对焊接缺陷检测不准确的缺陷，提供一种融合磁光成像和红外热成像的焊接缺陷检测方法与系统，能够实现对焊接缺陷类型的准确检测。
为解决上述技术问题，本发明的技术方案如下：
本发明提供了一种融合磁光成像和红外热成像的焊接缺陷检测方法，包括：
S1：获取焊接缺陷类型对应的磁光图像和红外图像；
S2：将焊接缺陷类型对应的磁光图像和红外图像进行预处理操作，获得预处理后的磁光图像和红外图像；
S3：利用预处理后的磁光图像训练构建的磁光图像子分类器，利用预处理后的红外图像训练构建的红外图像子分类器，直到相应设置的磁光图像分类损失函数和红外图像分类损失函数收敛，获得训练好的磁光图像子分类器和训练好的红外图像子分类器；
S4：获取待测焊件焊缝处各位置点的磁光图像和红外图像；
S5：将待测焊件焊缝处各位置点的磁光图像输入训练好的磁光图像子分类器，输出该位置点的磁光分类决策向量；将待测焊件焊缝处各位置点的红外图像输入训练好的红外图像子分类器，输出该位置点的红外分类决策向量；
S6：融合待测焊件焊缝处各位置点对应的磁光分类决策向量和红外分类决策向量，获得待测焊件焊缝处各位置点的融合决策向量；
S7：根据待测焊件焊缝处各位置点的融合决策向量确定该位置点对应的最终焊接缺陷类型。
优选地，所述焊接缺陷类型包括无缺陷、裂纹、凹坑、气孔和未熔合。
优选地，所述预处理操作包括灰度化操作、裁剪操作、旋转操作和翻转操作。
优选地，所述磁光图像子分类器和红外图像子分类器的网络结构相同，均是基于现有的残差神经网络构建的。
优选地，所述步骤S4的具体方法为：
对待测焊件焊缝处的位置点进行顺序编号0，1，…，N，0号位置点为待测焊件焊缝的初始位置，N号位置点为待测焊件焊缝的末尾位置，相邻位置点的距离为d；t0时刻获取0号位置点的磁光图像PCM，0，t1时刻获取1号位置点的磁光图像PCM，1和0号位置点的红外图像PCR，0，ti时刻获取i号位置点的磁光图像PCM，i和i-1号位置点的红外图像PCR，i-1，对待测焊件焊缝处的各位置点顺序进行获取，直至tN+1时刻获取N号位置点的红外图像PCR，N；式中，i＝0，1，…，N+1。
优选地，所述磁光分类决策向量和红外分类决策向量均为包括五个维度及维度分数的向量；磁光分类决策向量和红外分类决策向量的相同维度对应同一种焊接缺陷类型，每个维度分数表示相应焊接缺陷类型的磁光概率分值和红外概率分值。
优选地，所述获得待测焊件焊缝处各位置点的融合决策向量的具体方法为：
CAi＝k·CMi+(1-k)CRi
式中，CAi表示待测焊件焊缝处第i号位置点的融合决策向量，CMi表示待测焊件焊缝处第i号位置点的磁光分类决策向量，CRi表示待测焊件焊缝处第i号位置点的红外分类决策向量，k表示加权参数；
融合决策向量为包括五个维度及维度分数的向量；融合决策向量的每个维度与相应的磁光分类决策向量或红外分类决策向量的维度对应的焊接缺陷类型相同，每个维度分数表示焊接缺陷类型的融合概率分值。
优选地，所述根据各位置点的融合决策向量确定该位置点对应的焊接缺陷类型的具体方法为：
对于待测焊件焊缝处任意位置点的融合决策向量，比较该融合决策向量每个维度分数的大小，数值最大的维度分数对应的焊接缺陷类型为该位置点的最终焊接缺陷类型。
本发明还提供了一种融合磁光成像和红外热成像的焊接缺陷检测系统，用于实现上述的融合磁光成像和红外热成像的焊接缺陷检测方法，包括：
训练图像获取模块，用于获取焊接缺陷类型对应的磁光图像和红外图像；
训练图像预处理模块，用于将焊接缺陷类型对应的磁光图像和红外图像进行预处理操作，获得预处理后的磁光图像和红外图像；
子分类器训练模块，利用预处理后的磁光图像训练构建的磁光图像子分类器，利用预处理后的红外图像训练构建的红外图像子分类器，直到相应设置的磁光图像分类损失函数和红外图像分类损失函数收敛，获得训练好的磁光图像子分类器和训练好的红外图像子分类器；
磁光红外检测设备，用于获取待测焊件焊缝处各位置点的磁光图像和红外图像；
子分类决策模块，用于将待测焊件焊缝处各位置点的磁光图像输入训练好的磁光图像子分类器，输出该位置点的磁光分类决策向量；将待测焊件焊缝处各位置点的红外图像输入训练好的红外图像子分类器，输出该位置点的红外分类决策向量；
融合决策模块，用于融合待测焊件焊缝处各位置点对应的磁光分类决策向量和红外分类决策向量，获得待测焊件焊缝处各位置点的融合决策向量；
最终缺陷识别模块，用于根据待测焊件焊缝处各位置点的融合决策向量确定该位置点对应的最终焊接缺陷类型。
优选地，所述磁光红外检测设备包括盒体、控制器、磁光薄膜、偏振光源、电磁铁、磁光探头、红外传感器、感应线圈和处理器；
所述控制器设置在盒体内部的侧面上，分别与偏振光源、电磁铁和感应线圈电连接；
所述磁光薄膜设置在盒体内部的底面上，电磁铁设置在磁光薄膜的上方；偏振光源和磁光探头分别设置在电磁铁的两测，偏振光源向磁光薄膜发射偏振光，经磁光薄膜折射后进入磁光探头，磁光探头产生磁光图像传输至处理器；
感应线圈与磁光薄膜并列设置在盒体内部的底面上，感应线圈的中心点与磁光薄膜的中心点距离为d；红外传感器与感应线圈相对应的设置在盒体内部的顶面上，红外传感器采集红外图像传输至处理器中；
所述处理器中设置有训练好的磁光图像子分类器和训练好的红外图像子分类器。
使用时，将待测焊件水平固定，焊缝与X方向平齐；将磁光红外检测设备放置在待测焊件焊缝的初始位置上，磁光薄膜3的检测窗口正对着0号位置点；控制器控制电磁铁进行励磁，同时控制偏振光源向磁光薄膜发射偏振光，经磁光薄膜折射后进入磁光探头，形成0号位置点的磁光图像PCM，0，传输至处理器中训练好的磁光图像子分类器中；磁光红外检测设备沿X方向移动距离d，磁光薄膜的检测窗口移动到待测焊件焊缝的1号位置点，继续采集1号位置点的磁光图像PCM，1；同时红外传感器的检测窗口移动到0号位置点，控制器控制感应线圈对0号位置点进行加热，红外传感器采集0号位置点的红外图像PCR，0，传输至处理器中训练好的红外图像子分类器中；之后磁光红外检测设备沿X方向继续移动距离d，完成2号位置点的磁光图像PCM，2和1号位置点的磁光图像PCM，1的采集；重复以上过程，沿着X方向移动直到完成整条焊缝的检测。
与现有技术相比，本发明技术方案的有益效果是：
本发明基于磁光成像和红外成像的原理，获取焊接缺陷类型对应的磁光图像和红外图像，对其进行预处理操作后，对磁光图像子分类器和红外图像子分类器进行训练，获得训练好的磁光图像子分类器和红外图像子分类器，作为后续过程缺陷检测的分类器；之后顺序连续获取待测焊件焊缝处各位置点的磁光图像和红外图像，分别输入训练好的磁光图像子分类器和红外图像子分类器，对应获得各位置点的磁光分类决策向量和红外分类决策向量；最后结合两种决策向量获得融合决策向量，确定待测焊件焊缝处各位置点对应的最终焊接缺陷类型。本发明融合磁光成像和红外成像优势，结合了磁光成像和红外成像独有的特征信息，增加抗干扰能力；并且顺序获取连续对待测焊件焊缝处各位置点进行检测，利于发现微小缺陷，检测精度高。
附图说明
图1为背景技术所述的磁光检测法的原理示意图。
图2为背景技术所述的主动式红外热成像检测方法的原理示意图。
图3为实施例1所述的融合磁光成像和红外热成像的焊接缺陷检测方法的流程图。
图4为实施例3所述的融合磁光成像和红外热成像的焊接缺陷检测系统的结构示意图。
图5为实施例3所述的磁光红外检测设备的结构示意图。
具体实施方式
附图仅用于示例性说明，不能理解为对本专利的限制；
为了更好说明本实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；
对于本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。
下面结合附图和实施例对本发明的技术方案做进一步的说明。
实施例1
本实施例提供了一种融合磁光成像和红外热成像的焊接缺陷检测方法，如图3所示，包括：
S1：获取焊接缺陷类型对应的磁光图像和红外图像；
S2：将焊接缺陷类型对应的磁光图像和红外图像进行预处理操作，获得预处理后的磁光图像和红外图像；
S3：利用预处理后的磁光图像训练构建的磁光图像子分类器，利用预处理后的红外图像训练构建的红外图像子分类器，直到相应设置的磁光图像分类损失函数和红外图像分类损失函数收敛，获得训练好的磁光图像子分类器和训练好的红外图像子分类器；
S4：获取待测焊件焊缝处各位置点的磁光图像和红外图像；
S5：将待测焊件焊缝处各位置点的磁光图像输入训练好的磁光图像子分类器，输出该位置点的磁光分类决策向量；将待测焊件焊缝处各位置点的红外图像输入训练好的红外图像子分类器，输出该位置点的红外分类决策向量；
S6：融合待测焊件焊缝处各位置点对应的磁光分类决策向量和红外分类决策向量，获得待测焊件焊缝处各位置点的融合决策向量；
S7：根据待测焊件焊缝处各位置点的融合决策向量确定该位置点对应的最终焊接缺陷类型。
在具体实施过程中，本实施例基于磁光成像和红外成像的原理，获取焊接缺陷类型对应的磁光图像和红外图像，对其进行预处理操作后，对磁光图像子分类器和红外图像子分类器进行训练，获得训练好的磁光图像子分类器和红外图像子分类器，作为后续过程缺陷检测的分类器；之后顺序连续获取待测焊件焊缝处各位置点的磁光图像和红外图像，分别输入训练好的磁光图像子分类器和红外图像子分类器，对应获得各位置点的磁光分类决策向量和红外分类决策向量；最后结合两种决策向量获得融合决策向量，确定待测焊件焊缝处各位置点对应的最终焊接缺陷类型。本实施例融合磁光成像和红外成像优势，结合了磁光成像和红外成像独有的特征信息，增加抗干扰能力，检测精度高。
实施例2
本实施例提供了一种融合磁光成像和红外热成像的焊接缺陷检测方法，包括：
S1：获取焊接缺陷类型对应的磁光图像和红外图像；
本实施例中，所述焊接缺陷类型包括无缺陷、裂纹、凹坑、气孔和未熔合。
S2：将焊接缺陷类型对应的磁光图像和红外图像进行预处理操作，获得预处理后的磁光图像和红外图像；
所述预处理操作包括灰度化操作、裁剪操作、旋转操作和翻转操作。
S3：利用预处理后的磁光图像训练构建的磁光图像子分类器，利用预处理后的红外图像训练构建的红外图像子分类器，直到相应设置的磁光图像分类损失函数和红外图像分类损失函数收敛，获得训练好的磁光图像子分类器和训练好的红外图像子分类器；
所述磁光图像子分类器和红外图像子分类器的网络结构相同，均是基于现有的残差神经网络构建的。
S4：获取待测焊件焊缝处各位置点的磁光图像和红外图像；具体的：
对待测焊件焊缝处的位置点进行顺序编号0，1，…，N，0号位置点为待测焊件焊缝的初始位置，N号位置点为待测焊件焊缝的末尾位置，相邻位置点的距离为d；t0时刻获取0号位置点的磁光图像PCM.0，t1时刻获取1号位置点的磁光图像PCM，1和0号位置点的红外图像PCR，0，ti时刻获取i号位置点的磁光图像PCM，i和i-1号位置点的红外图像PCR，i-1，对待测焊件焊缝处的各位置点顺序进行获取，直至tN+1时刻获取N号位置点的红外图像PCR，N；式中，i＝0，1，…，N+1。
S5：将待测焊件焊缝处各位置点的磁光图像输入训练好的磁光图像子分类器，输出该位置点的磁光分类决策向量；将待测焊件焊缝处各位置点的红外图像输入训练好的红外图像子分类器，输出该位置点的红外分类决策向量；
所述磁光分类决策向量和红外分类决策向量均为包括五个维度及维度分数的向量；磁光分类决策向量和红外分类决策向量的相同维度对应同一种焊接缺陷类型，每个维度分数表示相应焊接缺陷类型的磁光概率分值和红外概率分值。
在本实施例中，磁光分类决策向量的五个维度分别对应无缺陷、裂纹、凹坑、气孔和未熔合，磁光分类决策向量的五个维度分数表示相应的接缺陷类型的磁光概率分值；红外分类决策向量的五个维度分别对应无缺陷、裂纹、凹坑、气孔和未熔合，红外分类决策向量的五个维度分数表示相应的接缺陷类型的磁光概率分值。
S6：融合待测焊件焊缝处各位置点对应的磁光分类决策向量和红外分类决策向量，获得待测焊件焊缝处各位置点的融合决策向量；具体的：
CAi＝k·CMi+(1-k)CRi
式中，CAi表示待测焊件焊缝处第i号位置点的融合决策向量，CMi表示待测焊件焊缝处第i号位置点的磁光分类决策向量，CRi表示待测焊件焊缝处第i号位置点的红外分类决策向量，k表示加权参数；
融合决策向量为包括五个维度及维度分数的向量；融合决策向量的每个维度与相应的磁光分类决策向量或红外分类决策向量的维度对应的焊接缺陷类型相同，每个维度分数表示焊接缺陷类型的融合概率分值。如果需要增加识别的类别，只需要相应的增加各决策分量的维度即可。
S7：根据待测焊件焊缝处各位置点的融合决策向量确定该位置点对应的最终焊接缺陷类型。具体的：
对于待测焊件焊缝处任意位置点的融合决策向量，比较该融合决策向量每个维度分数的大小，数值最大的维度分数对应的焊接缺陷类型为该位置点的最终焊接缺陷类型。
实施例3
本实施例提供了一种融合磁光成像和红外热成像的焊接缺陷检测系统，用于实现实施例1或2所述的融合磁光成像和红外热成像的焊接缺陷检测方法，如图4所示，包括：
训练图像获取模块，用于获取焊接缺陷类型对应的磁光图像和红外图像；
训练图像预处理模块，用于将焊接缺陷类型对应的磁光图像和红外图像进行预处理操作，获得预处理后的磁光图像和红外图像；
子分类器训练模块，利用预处理后的磁光图像训练构建的磁光图像子分类器，利用预处理后的红外图像训练构建的红外图像子分类器，直到相应设置的磁光图像分类损失函数和红外图像分类损失函数收敛，获得训练好的磁光图像子分类器和训练好的红外图像子分类器；
磁光红外检测设备，用于获取待测焊件焊缝处各位置点的磁光图像和红外图像；
子分类决策模块，用于将待测焊件焊缝处各位置点的磁光图像输入训练好的磁光图像子分类器，输出该位置点的磁光分类决策向量；将待测焊件焊缝处各位置点的红外图像输入训练好的红外图像子分类器，输出该位置点的红外分类决策向量；
融合决策模块，用于融合待测焊件焊缝处各位置点对应的磁光分类决策向量和红外分类决策向量，获得待测焊件焊缝处各位置点的融合决策向量；
最终缺陷识别模块，用于根据待测焊件焊缝处各位置点的融合决策向量确定该位置点对应的最终焊接缺陷类型。
如图5所示，所述磁光红外检测设备包括盒体1、控制器2、磁光薄膜3、偏振光源4、电磁铁5、磁光探头6、红外传感器7、感应线圈8和处理器9；
所述控制器2设置在盒体1内部的侧面上，分别与偏振光源4、电磁铁5和感应线圈8的控制端电连接；
所述磁光薄膜3设置在盒体1内部的底面上，电磁铁5设置在磁光薄膜3的上方；偏振光源4和磁光探头6分别设置在电磁铁5的两测，偏振光源4向磁光薄膜3发射偏振光，经磁光薄膜3折射后进入磁光探头6，产生磁光图像传输至处理器9；
感应线圈8与磁光薄膜3并列设置在盒体1内部的底面上，感应线圈8的中心点与磁光薄膜3的中心点距离为d；红外传感器7与感应线圈8相对应的设置在盒体1内部的顶面上，采集红外图像传输至处理器9中；
所述处理器9中设置有训练好的磁光图像子分类器和训练好的红外图像子分类器。
使用时，将待测焊件水平固定，焊缝与X方向平齐；将磁光红外检测设备放置在待测焊件焊缝的初始位置上，磁光薄膜3的检测窗口正对着0号位置点；控制器2控制电磁铁5进行励磁，同时控制偏振光源4向磁光薄膜3发射偏振光，经磁光薄膜3折射后进入磁光探头6，形成0号位置点的磁光图像PCM，0，传输至处理器9中训练好的磁光图像子分类器中；磁光红外检测设备沿X方向移动距离d，磁光薄膜3的检测窗口移动到待测焊件焊缝的1号位置点，继续采集1号位置点的磁光图像PCM，1；同时红外传感器7的检测窗口移动到0号位置点，控制器2控制感应线圈8对0号位置点进行加热，红外传感器7采集0号位置点的红外图像PCR，0，传输至处理器9中训练好的红外图像子分类器中；之后磁光红外检测设备沿X方向继续移动距离d，完成2号位置点的磁光图像PCM，2和1号位置点的磁光图像PCM，1的采集；重复以上过程，沿着X方向移动直到完成整条焊缝的检测。
本实施例提供的系统能沿着待测焊件整条焊缝连续顺序采集各个位置点的磁光图像和红外图像，操作简单，自动化程度高；将图片输入处理器9中的训练好的磁光图像子分类器和训练好的红外图像子分类器中，对应获得各位置点的磁光分类决策向量和红外分类决策向量；最后结合两种决策向量获得融合决策向量，确定待测焊件焊缝处各位置点对应的最终焊接缺陷类型，抗干扰能力强，检测精度高。
相同或相似的标号对应相同或相似的部件；
附图中描述位置关系的用语仅用于示例性说明，不能理解为对本专利的限制；
显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。
Claims (10)
1.一种融合磁光成像和红外热成像的焊接缺陷检测方法，其特征在于，包括：
S1：获取焊接缺陷类型对应的磁光图像和红外图像；
S2：将焊接缺陷类型对应的磁光图像和红外图像进行预处理操作，获得预处理后的磁光图像和红外图像；
S3：利用预处理后的磁光图像训练构建的磁光图像子分类器，利用预处理后的红外图像训练构建的红外图像子分类器，直到相应设置的磁光图像分类损失函数和红外图像分类损失函数收敛，获得训练好的磁光图像子分类器和训练好的红外图像子分类器；
S4：获取待测焊件焊缝处各位置点的磁光图像和红外图像；
S5：将待测焊件焊缝处各位置点的磁光图像输入训练好的磁光图像子分类器，输出该位置点的磁光分类决策向量；将待测焊件焊缝处各位置点的红外图像输入训练好的红外图像子分类器，输出该位置点的红外分类决策向量；
S6：融合待测焊件焊缝处各位置点对应的磁光分类决策向量和红外分类决策向量，获得待测焊件焊缝处各位置点的融合决策向量；
S7：根据待测焊件焊缝处各位置点的融合决策向量确定该位置点对应的最终焊接缺陷类型。
2.根据权利要求1所述的融合磁光成像和红外热成像的焊接缺陷检测方法，其特征在于，所述焊接缺陷类型包括无缺陷、裂纹、凹坑、气孔和未熔合。
3.根据权利要求1所述的融合磁光成像和红外热成像的焊接缺陷检测方法，其特征在于，所述预处理操作包括灰度化操作、裁剪操作、旋转操作和翻转操作。
4.根据权利要求1所述的融合磁光成像和红外热成像的焊接缺陷检测方法，其特征在于，所述磁光图像子分类器和红外图像子分类器的网络结构相同，均是基于现有的残差神经网络构建的。
5.根据权利要求2所述的融合磁光成像和红外热成像的焊接缺陷检测方法，其特征在于，所述步骤S4的具体方法为：
对待测焊件焊缝处的位置点进行顺序编号0,1,…,N，0号位置点为待测焊件焊缝的初始位置，N号位置点为待测焊件焊缝的末尾位置，相邻位置点的距离为d；t0时刻获取0号位置点的磁光图像PcM,，t1时刻获取1号位置点的磁光图像PCM,和0号位置点的红外图像PCR,，ti时刻获取i号位置点的磁光图像PCM,和i-1号位置点的红外图像PCR,-1，对待测焊件焊缝处的各位置点顺序进行获取，直至tN+1时刻获取N号位置点的红外图像PCR,；式中，i＝0,1,…,N+1。
6.根据权利要求5所述的融合磁光成像和红外热成像的焊接缺陷检测方法，其特征在于，所述磁光分类决策向量和红外分类决策向量均为包括五个维度及维度分数的向量；磁光分类决策向量和红外分类决策向量的相同维度对应同一种焊接缺陷类型，每个维度分数表示相应焊接缺陷类型的磁光概率分值和红外概率分值。
7.根据权利要求6所述的融合磁光成像和红外热成像的焊接缺陷检测方法，其特征在于，所述获得待测焊件焊缝处各位置点的融合决策向量的具体方法为：
CAi＝·CMi+(1-)CRi
式中，CAi表示待测焊件焊缝处第i号位置点的融合决策向量，CMi表示待测焊件焊缝处第i号位置点的磁光分类决策向量，CRi表示待测焊件焊缝处第i号位置点的红外分类决策向量，k表示加权参数；
融合决策向量为包括五个维度及维度分数的向量；融合决策向量的每个维度与相应的磁光分类决策向量或红外分类决策向量的维度对应的焊接缺陷类型相同，每个维度分数表示焊接缺陷类型的融合概率分值。
8.根据权利要求6所述的融合磁光成像和红外热成像的焊接缺陷检测方法，其特征在于，所述根据各位置点的融合决策向量确定该位置点对应的焊接缺陷类型的具体方法为：
对于待测焊件焊缝处任意位置点的融合决策向量，比较该融合决策向量每个维度分数的大小，数值最大的维度分数对应的焊接缺陷类型为该位置点的最终焊接缺陷类型。
9.一种融合磁光成像和红外热成像的焊接缺陷检测系统，用于实现权利要求1-8任一项所述的融合磁光成像和红外热成像的焊接缺陷检测方法，其特征在于，包括：
训练图像获取模块，用于获取焊接缺陷类型对应的磁光图像和红外图像；
训练图像预处理模块，用于将焊接缺陷类型对应的磁光图像和红外图像进行预处理操作，获得预处理后的磁光图像和红外图像；
子分类器训练模块，利用预处理后的磁光图像训练构建的磁光图像子分类器，利用预处理后的红外图像训练构建的红外图像子分类器，直到相应设置的磁光图像分类损失函数和红外图像分类损失函数收敛，获得训练好的磁光图像子分类器和训练好的红外图像子分类器；
磁光红外检测设备，用于获取待测焊件焊缝处各位置点的磁光图像和红外图像；
子分类决策模块，用于将待测焊件焊缝处各位置点的磁光图像输入训练好的磁光图像子分类器，输出该位置点的磁光分类决策向量；将待测焊件焊缝处各位置点的红外图像输入训练好的红外图像子分类器，输出该位置点的红外分类决策向量；
融合决策模块，用于融合待测焊件焊缝处各位置点对应的磁光分类决策向量和红外分类决策向量，获得待测焊件焊缝处各位置点的融合决策向量；
最终缺陷识别模块，用于根据待测焊件焊缝处各位置点的融合决策向量确定该位置点对应的最终焊接缺陷类型。
10.根据权利要求9所述的融合磁光成像和红外热成像的焊接缺陷检测系统，其特征在于，所述磁光红外检测设备包括盒体(1)、控制器(2)、磁光薄膜(3)、偏振光源(4)、电磁铁(5)、磁光探头(6)、红外传感器(7)、感应线圈(8)和处理器(9)；
所述控制器(2)设置在盒体(1)内部的侧面上，分别与偏振光源(4)、电磁铁(5)和感应线圈(8)电连接；
所述磁光薄膜(3)设置在盒体(1)内部的底面上，电磁铁(5)设置在磁光薄膜(3)的上方；偏振光源(4)和磁光探头(6)分别设置在电磁铁(5)的两测，偏振光源(4)向磁光薄膜(3)发射偏振光，经磁光薄膜(3)折射后进入磁光探头(6)，磁光探头(6)产生磁光图像传输至处理器(9)；
感应线圈(8)与磁光薄膜(3)并列设置在盒体(1)内部的底面上，感应线圈(8)的中心点与磁光薄膜(3)的中心点距离为d；红外传感器(7)与感应线圈(8)相对应的设置在盒体(1)内部的顶面上，红外传感器(7)采集红外图像传输至处理器(9)中；
所述处理器(9)中设置有训练好的磁光图像子分类器和训练好的红外图像子分类器。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211685662.8A CN115880265A (zh) | 2022-12-27 | 2022-12-27 | 融合磁光成像和红外热成像的焊接缺陷检测方法与系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211685662.8A CN115880265A (zh) | 2022-12-27 | 2022-12-27 | 融合磁光成像和红外热成像的焊接缺陷检测方法与系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115880265A true CN115880265A (zh) | 2023-03-31 |
Family
ID=85754759
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211685662.8A Pending CN115880265A (zh) | 2022-12-27 | 2022-12-27 | 融合磁光成像和红外热成像的焊接缺陷检测方法与系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115880265A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116699428A (zh) * | 2023-08-08 | 2023-09-05 | 深圳市杰成镍钴新能源科技有限公司 | 退役电池的缺陷检测方法及装置 |
-
2022
- 2022-12-27 CN CN202211685662.8A patent/CN115880265A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116699428A (zh) * | 2023-08-08 | 2023-09-05 | 深圳市杰成镍钴新能源科技有限公司 | 退役电池的缺陷检测方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Ditchburn et al. | NDT of welds: state of the art | |
| US5161413A (en) | Apparatus and method for guided inspection of an object | |
| CN111595949B (zh) | 一种自适应不规则表面的激光超声成像检测系统及检测方法 | |
| Li et al. | Multiphysics structured eddy current and thermography defects diagnostics system in moving mode | |
| CN103698393A (zh) | 焊接缺陷磁光成像无损检测方法 | |
| CN104063873A (zh) | 一种基于压缩感知的轴套类零件表面缺陷在线检测方法 | |
| CN107132271A (zh) | 点结构光及磁光成像双传感焊缝成形及缺陷无损检测方法 | |
| CN110763727A (zh) | 一种焊接缺陷的无损检测系统 | |
| CN111398352B (zh) | 一种基于电磁热多物理场融合线圈的动态无损检测系统 | |
| CN106770628A (zh) | 一种磁光成像无损检测装置 | |
| CN115880265A (zh) | 融合磁光成像和红外热成像的焊接缺陷检测方法与系统 | |
| CN204495772U (zh) | 焊缝表面及亚表面微小缺陷磁光成像无损检测装置 | |
| CN108593710B (zh) | 一种高反射率材料表面缺陷的热成像检测系统和方法 | |
| CN115239632A (zh) | 一种融合巡检图像和超声波图像的钢轨表面伤损检测方法 | |
| CN112858351A (zh) | 一种基于机器视觉的x射线无损探伤方法 | |
| CN108918657A (zh) | 一种工件缺陷检测系统 | |
| CN209927731U (zh) | 工件焊缝视觉识别设备 | |
| CN109239081A (zh) | 基于结构光与视觉成像的焊缝质量参数检测方法 | |
| Ma et al. | Influence of hysteresis effect on contrast of welding defects profile in magneto-optical image | |
| Li et al. | Modeling for tracking micro gap weld based on magneto-optical sensing and Kalman filtering | |
| CN106645289A (zh) | 红外磁光成像无损检测系统及方法 | |
| CN206772898U (zh) | 一种磁光成像无损检测装置 | |
| CN105928979A (zh) | 一种搅拌摩擦焊孔洞测量方法及设备 | |
| CN110514734B (zh) | 一种复合磁场磁光成像无损检测系统及方法 | |
| CN210626394U (zh) | 一种复合磁场磁光成像无损检测系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |