CN118212209A - 一种基于智能轮廓扫描粉末喷涂检测系统 - Google Patents

Abstract

本发明公开了一种基于智能轮廓扫描粉末喷涂检测系统，涉及智能检测技术领域，该系统的自动化检测与评估功能大大提高了生产效率和可靠性。数据检测模块实时监测涂层表面，利用智能轮廓扫描设备获取高质量图像数据，经深度学习模型处理后，精准识别缺陷。特征采集模块实时汇总缺陷和环境数据，经过计算获得综合缺陷系数Qxxs和环境影响系数Yxxs，为后续评估提供依据，缺陷评估模块根据预设缺陷评估阈值Q与综合缺陷系数Qxxs进行对比评估，在根据对比评估结果开启二次评估机制，如发现异常，自动触发第二评估机制提供改善建议，该系统不仅高效自动检测涂层，还结合环境数据全面评估，助力生产者及时解决问题，提升产品质量和生产效率。

Description

一种基于智能轮廓扫描粉末喷涂检测系统

技术领域

本发明涉及智能检测技术领域，具体为一种基于智能轮廓扫描粉末喷涂检测系统。

背景技术

智能轮廓扫描粉末喷涂检测系统属于智能制造领域的一部分，通过结合智能感知和深度学习技术，针对粉末喷涂工艺中涂层质量的检测和评估进行了创新，粉末喷涂作为一种常用的涂覆工艺，在汽车制造、航空航天和金属制品等领域广泛应用。然而，传统的粉末喷涂涂层质量检测方法存在着依赖人工判断、效率低下和主观性强等问题，难以满足高效、精准和自动化的检测需求。

现阶段粉末喷涂涂层缺陷的产生往往由多种因素引起，包括喷涂设备的异常、环境条件的影响以及喷涂工艺参数的调整等，传统的检测方法往往不易于全面、准确地捕捉这些缺陷，而智能轮廓扫描粉末喷涂检测系统则能够全方位地监测涂层表面的细微变化，提前发现潜在的质量问题，同时传统的检测系统往往只能单一地监测环境参数，缺乏对不同环境因素之间相互关系的综合分析，导致了对环境影响的认识不够全面和深入。

发明内容

(一)解决的技术问题

针对现有技术的不足，本发明提供了一种基于智能轮廓扫描粉末喷涂检测系统，解决了背景技术中提到的问题。

(二)技术方案

为实现以上目的，本发明通过以下技术方案予以实现：一种基于智能轮廓扫描粉末喷涂检测系统，包括数据检测模块、深度学习模块、特征采集模块、缺陷计算模块和缺陷评估模块；

所述数据检测模块用于使用智能轮廓扫描设备对粉末喷涂涂层进行扫描，获取涂层表面的图像数据，同时设置若干传感器对粉末喷涂环境影响数据进行实时检测；

所述深度学习模块用于构建深度学习模型，对于所检测到的涂层表面图像数据进行深度学习，并从物联网爬取大量的粉末喷涂的缺陷图像数据进行深度学习，精准识别粉末喷涂的综合缺陷数据，同时设置传感器Api应用接口，对喷涂环境数据进行实时接收；

所述特征采集模块用于对深度学习模型所识别到的综合缺陷数据和环境数据，进行实时采集，并对所采集到的综合缺陷数据和环境数据进行分类汇总，生成综合缺陷数据集和环境影响数据集；

所述缺陷计算模块用于依据所采集到的综合缺陷数据集和环境影响数据集，进行无量纲处理后生成综合缺陷系数Qxxs和环境影响系数Yxxs，并将综合缺陷系数Qxxs和环境影响系数Yxxs进行相关联计算获取综合分析系数Fxxs；

所述缺陷评估模块用于预设缺陷评估阈值Q与相关联获取的综合分析系数Fxxs进行初步对比评估，并生成评估结果，再由评估结果触发第二评估机制，第二评估机制是由预设环境评估阈值Y与所获取的环境影响系数Yxxs进行二次对比评估，并生成评估结果。

优选的，所述数据检测模块包括智能轮廓扫描单元和传感器检测单元；

所述智能轮廓扫描单元通过使用智能轮廓扫描设备对粉末喷涂涂层进行扫描，在开始扫描之前，使用光源照明涂层表面，获取粉末喷涂涂层表面的数据，所述智能轮廓扫描设备包括激光扫描仪和光学传感器，开启激光扫描仪发射激光束，通过对涂层表面的反射和散射来获取涂层表面的三维数据，再由光学传感器使用摄像头来捕捉涂层表面的图像数据；

所述传感器检测单元用于在粉末喷涂车间布设集成传感器组，实时检测喷涂过程中的环境影响数据，所述集成传感器组包括温度传感器、湿度传感器、流量传感器、颗粒物传感器和静电传感器。

优选的，所述深度学习模块包括模型构建单元和特征识别单元；

所述模型构建单元通过爬虫工具从物联网上爬取包含粉末喷涂涂层缺陷的图像数据集，这些图像包括裂纹缺陷、剥落缺陷、气泡缺陷、凹凸不平缺陷、孔洞缺陷和表面均匀性缺陷，然后对数据进行预处理，包括调整大小、标准化、增强和缺陷特征标记，并选择卷积神经网络和注意力机制作为深度学习模型架构，将准备好的图像数据集分成训练集、验证集和测试集，使用训练集对深度学习模型进行训练，并在验证集上进行验证，使用测试集对训练好的深度学习模型进行评估，评估指标包括准确率、精确率、召回率和F1分数，并根据评估结果对模型进行模型架构调整、超参数和数据预处理进行优化，在模型训练完成后，将其部署到实际应用中，实时监测粉末喷涂涂层的质量；

所述特征识别单元用于设置智能轮廓扫描设备的Api应用接口和传感器的Api应用接口，接入深度学习模型中，将所获取的实时图像数据通过无线传输方式，传输至深度学习模型中，由深度学习模型所扫描出的涂层图像中的综合缺陷数据进行特征识别，并将由传感器所检测到的环境影响数据，进行去噪、清洗和归一化处理。

优选的，所述特征采集模块包括第一采集单元和第二采集单元；

所述第一采集单元用于将所识别到的综合缺陷数据，进行分类汇总生成综合缺陷数据集，所述综合缺陷数据包括表面缺陷数据集、涂层质量缺陷数据集和严重缺陷数据集；

所述表面缺陷数据集包括喷涂表面曲率Bql、表面粗糙度Bcc、涂层覆盖率Bfg、涂层厚度Bhd和涂层结合力Bjh；

所述涂层质量缺陷数据集包括气泡直径Tzj、气泡个数Tgs、孔洞面积Tkd、颗粒物均匀度Tjy和麻点面积Tmd；

所述严重缺陷数据集包括裂纹长度Ycd、裂纹数量Ysl、剥落面积Ymj、剥落数量Ybs和喷涂总面积Yzm；

所述第二采集单元用于对传感器组所检测到的环境影响数据，进行分类汇总生成环境影响数据集，所述环境影响数据集包括喷涂温度Hwd、喷涂湿度Hsd、空气流动率Hld，空气颗粒物浓度Hkl和静电荷数量Hjd。

优选的，所述缺陷计算模块包括缺陷计算单元、环境计算单元和综合计算单元；

所述缺陷计算单元包括表面缺陷计算单元、涂层质量计算单元和严重缺陷计算单元；

所述表面缺陷计算单元用于依据综合缺陷数据集中的表面缺陷数据集，无量纲处理后，进行分析计算获取表面缺陷系数Bmxs；

所述涂层质量计算单元用于依据综合缺陷数据集中的涂层质量缺陷数据集，无量纲处理后，进行分析计算获取涂层质量系数Tcxs；

所述严重缺陷计算单元用于依据综合缺陷数据集中的严重缺陷数据集，无量纲处理后，进行分析计算获取严重缺陷系数Yzxs；

所述表面缺陷系数Bmxs、涂层质量系数Tcxs和严重缺陷系数Yzxs通过以下公式获取；

优选的，所述环境计算单元用于依据环境影响数据集进行无量纲处理后，汇总计算处理，获取环境影响系数Yxxs；

所述环境影响系数Yxxs通过以下公式获取；

优选的，所述综合计算单元包括汇总单元和相关联单元；

所述汇总单元用于将获取的表面缺陷系数Bmxs、涂层质量系数Tcxs和严重缺陷系数Yzxs，进行无量纲处理后，再进行汇总计算获取综合缺陷系数Qxxs；

所述综合缺陷系数Qxxs通过以下公式获取；

式中，a1、a2和a3分别表面缺陷系数Bmxs、涂层质量系数Tcxs和严重缺陷系数Yzxs，且a1+a2+a3≠0，0≤a1≤0.64，0≤a2≤0.72，0≤a3≤0.51，其具体值由用户调整设置，A为第一修正常数。

优选的，所述相关联单元用于将汇总单元获取的综合缺陷系数Qxxs与环境计算单元所获取的环境影响系数Yxxs，进行无量纲处理后，再进行综合相关联计算，获取综合分析系数Fxxs；

所述综合分析系数Fxxs通过以下公式获取：

式中，b1和b2分别表示综合缺陷系数Qxxs和环境影响系数Yxxs的预设比例系数，且b1≠b2，b2≠0，0≤b1≤0.64，0＜b2≤0.36，其具体值由用户调整设置，B为第二修正常数。

优选的，所述缺陷评估模块包括第一评估单元和第二评估单元；

所述第一评估单元用于预设缺陷评估阈值Q，与所获取的综合分析系数Fxxs进行初步对比评估，具体评估结果如下；

当综合分析系数Fxxs＞缺陷评估阈值Q时，表示当前通过智能轮廓扫描所获取的粉末喷涂存在缺陷，此时则需要开启第二评估机制进行分析当前缺陷影响原因；

当综合分析系数Fxxs≤缺陷评估阈值Q时，表示当前通过智能轮廓扫描所获取的粉末喷涂处于正常状态。

优选的，所述第二评估单元用于预设环境评估阈值Y与所获取的环境影响系数Yxxs进行二次对比评估，开启第二评估机制，所述第二评估机制是由第一评估单元所触发，并生成相应的评估结果，具体评估方案如下；

当环境影响系数Yxxs＞环境评估阈值Y时，此时表示当前粉末喷涂存在异常是由环境因素影响，此时选择质量好和适用于特定环境的粉末涂料，包括涂层的耐候性和抗污染能力，同时采用空气净化机对喷涂环境进行改善，并在喷涂之前采用适当的表面处理工艺；

当环境影响系数Yxxs≤环境评估阈值Y时，此时表示当前粉末喷涂存在异常且环境处于正常状态，此时表示喷涂设备存在异常导致喷涂过程中的涂层缺陷产生，此时需要检查和调整喷涂设备的参数，包括喷枪压力、喷嘴清洁度和粉末流量，使用高质量的喷涂材料和配件，优化缺陷的产生。

(三)有益效果

本发明提供了一种基于智能轮廓扫描粉末喷涂检测系统。具备以下有益效果：

(1)该系统的自动化检测与评估功能，使得生产过程更加高效和可靠，首先，数据检测模块负责实时监测涂层表面，并利用智能轮廓扫描设备获取高质量的图像数据，这些数据经过深度学习模块的处理，通过大量的训练和验证，建立了精准的缺陷识别的深度学习模型，通过深度学习模型不仅能够识别常见的表面缺陷，还能检测到细微缺陷等问题，同时，特征采集模块实时采集并汇总了涂层表面的综合缺陷数据和环境影响数据，这些数据经过缺陷计算模块和环境计算单元的处理，获取综合缺陷系数Qxxs和环境影响系数Yxxs，反映了涂层质量和喷涂环境的情况，为后续的评估提供了重要依据，综合评估过程由缺陷评估模块完成，它通过预设的缺陷评估阈值Q和环境评估阈值Y与综合分析系数Fxxs和环境影响系数Yxxs进行对比评估，一旦检测到涂层存在缺陷或异常情况，系统将自动触发第二评估机制，第二评估单元根据实际情况提供相应的改善建议，该系统不仅实现了对粉末喷涂涂层的高效自动化检测，还能够结合环境数据进行全面评估，帮助生产者及时发现和解决问题，保证产品质量和生产效率的持续提升。

(2)该系统还具备异常处理和改善功能，当检测到涂层存在缺陷时，系统能够根据综合分析系数和环境影响系数，自动触发第二评估机制，对缺陷产生的原因进行分析和判断。通过第二评估单元提供的评估结果，生产者可以针对不同情况采取相应的措施，如调整喷涂设备参数、改善喷涂环境条件或优化喷涂材料选择，从而及时解决问题，提升生产效率和产品质量。

附图说明

图1为本发明一种基于智能轮廓扫描粉末喷涂检测系统流程示意图；

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例1

请参阅图1，本发明提供一种基于智能轮廓扫描粉末喷涂检测系统，包括数据检测模块、深度学习模块、特征采集模块、缺陷计算模块和缺陷评估模块；

所述数据检测模块用于使用智能轮廓扫描设备对粉末喷涂涂层进行扫描，获取涂层表面的图像数据，同时设置若干传感器对粉末喷涂环境影响数据进行实时检测；

所述深度学习模块用于构建深度学习模型，对于所检测到的涂层表面图像数据进行深度学习，并从物联网爬取大量的粉末喷涂的缺陷图像数据进行深度学习，精准识别粉末喷涂的综合缺陷数据，同时设置传感器Api应用接口，对喷涂环境数据进行实时接收；

所述特征采集模块用于对深度学习模型所识别到的综合缺陷数据和环境数据，进行实时采集，并对所采集到的综合缺陷数据和环境数据进行分类汇总，生成综合缺陷数据集和环境影响数据集；

所述缺陷计算模块用于依据所采集到的综合缺陷数据集和环境影响数据集，进行无量纲处理后生成综合缺陷系数Qxxs和环境影响系数Yxxs，并将综合缺陷系数Qxxs和环境影响系数Yxxs进行相关联计算获取综合分析系数Fxxs；

所述缺陷评估模块用于预设缺陷评估阈值Q与相关联获取的综合分析系数Fxxs进行初步对比评估，并生成评估结果，再由评估结果触发第二评估机制，第二评估机制是由预设环境评估阈值Y与所获取的环境影响系数Yxxs进行二次对比评估，并生成评估结果。

本实施例中，基于所述的五个模块，这一系统为粉末喷涂涂层质量监测与评估提供了一套全面的解决方案。首先，数据检测模块利用智能轮廓扫描设备和传感器实时获取涂层表面图像数据和环境影响数据，为后续处理提供了基础，其次，深度学习模块通过构建深度学习模型并从物联网爬取大量缺陷图像数据，实现了对粉末喷涂综合缺陷的精准识别，与传统方法相比，大幅提升了识别准确率和效率，特征采集模块将识别到的缺陷数据和环境数据进行实时采集和分类汇总，为后续缺陷评估提供了全面的数据支持，缺陷计算模块通过无量纲处理和综合分析，有效地将综合缺陷系数和环境影响系数相结合，提升了评估结果的准确性和可靠性。最后，缺陷评估模块基于预设评估阈值进行初步评估，并结合第二评估机制进行二次对比评估，使评估结果更加全面和可信。整体而言，该系统实现了对粉末喷涂涂层质量的全方位监测和评估，提高了评估准确性和效率，为工业生产提供了可靠的质量保障，与当前技术手段相比，明显提升了精度和可靠性，进一步推动了粉末喷涂工艺的优化和改进

实施例2

本实施例是在实施例1中进行的解释说明，请参照图1，具体的：所述数据检测模块包括智能轮廓扫描单元和传感器检测单元；

所述智能轮廓扫描单元通过使用智能轮廓扫描设备对粉末喷涂涂层进行扫描，在开始扫描之前，使用光源照明涂层表面，获取粉末喷涂涂层表面的数据，所述智能轮廓扫描设备包括激光扫描仪和光学传感器，开启激光扫描仪发射激光束，通过对涂层表面的反射和散射来获取涂层表面的三维数据，再由光学传感器使用摄像头来捕捉涂层表面的图像数据；

所述传感器检测单元用于在粉末喷涂车间布设集成传感器组，实时检测喷涂过程中的环境影响数据，所述集成传感器组包括温度传感器、湿度传感器、流量传感器、颗粒物传感器和静电传感器。

本实施例中，所述数据检测模块通过智能轮廓扫描单元和传感器检测单元的结合，实现了对粉末喷涂涂层及其周围环境的全面监测。智能轮廓扫描单元利用激光扫描仪和光学传感器获取涂层表面的三维数据和图像数据，有效地捕捉了涂层表面的细微变化，为后续深度学习模型提供了丰富的数据基础。同时，传感器检测单元则在喷涂车间布设集成传感器组，实时检测喷涂过程中的环境影响数据，从而全面掌握喷涂环境的变化情况。这种综合的监测手段不仅可以及时发现涂层表面的缺陷，还能有效评估喷涂过程中的各种环境因素对涂层质量的影响。因此，该数据检测模块的有益效果在于提高了监测的全面性和准确性，为后续的深度学习模型和缺陷评估提供了可靠的数据支持，有助于提升粉末喷涂工艺的质量控制水平。

实施例3

本实施例是在实施例2中进行的解释说明，请参照图1，具体的：所述深度学习模块包括模型构建单元和特征识别单元；

所述模型构建单元通过爬虫工具从物联网上爬取包含粉末喷涂涂层缺陷的图像数据集，这些图像包括裂纹缺陷、剥落缺陷、气泡缺陷、凹凸不平缺陷、孔洞缺陷和表面均匀性缺陷，然后对数据进行预处理，包括调整大小、标准化、增强和缺陷特征标记，并选择卷积神经网络和注意力机制作为深度学习模型架构，将准备好的图像数据集分成训练集、验证集和测试集，使用训练集对深度学习模型进行训练，并在验证集上进行验证，使用测试集对训练好的深度学习模型进行评估，评估指标包括准确率、精确率、召回率和F1分数，并根据评估结果对模型进行模型架构调整、超参数和数据预处理进行优化，在模型训练完成后，将其部署到实际应用中，实时监测粉末喷涂涂层的质量；

所述特征识别单元用于设置智能轮廓扫描设备的Api应用接口和传感器的Api应用接口，接入深度学习模型中，将所获取的实时图像数据通过无线传输方式，传输至深度学习模型中，由深度学习模型所扫描出的涂层图像中的综合缺陷数据进行特征识别，并将由传感器所检测到的环境影响数据，进行去噪、清洗和归一化处理。

本实施例中，所述深度学习模块的模型构建单元和特征识别单元相结合，为粉末喷涂涂层质量监测提供了强大的分析和识别能力。首先，模型构建单元通过爬虫工具从物联网上获取大量粉末喷涂涂层缺陷图像数据，并进行预处理和特征标记，利用卷积神经网络和注意力机制等深度学习架构构建了高效的深度学习模型。这些模型经过训练、验证和测试后，在评估指标上取得了良好的准确率、精确率、召回率和F1分数，为实时监测提供了可靠的模型基础，其次，特征识别单元通过智能轮廓扫描设备和传感器的Api应用接口将实时获取的涂层图像数据和环境影响数据传输至深度学习模型中。深度学习模型通过识别涂层图像中的综合缺陷数据，并结合传感器检测到的环境影响数据，实现了对涂层质量的综合分析和识别。同时，对传感器检测到的环境影响数据进行去噪、清洗和归一化处理，提高了数据的质量和可靠性，因此，该深度学习模块的有益效果在于提高了粉末喷涂涂层缺陷的准确识别能力和环境影响的综合分析能力，为实时监测提供了高效可靠的解决方案。相较于传统方法，该模块的引入使得监测过程更加智能化、精准化，并且大大提高了监测的实时性和效率，从而为工业生产带来了更加可靠的质量保障。

实施例4

本实施例是在实施例3中进行的解释说明，请参照图1，具体的：所述特征采集模块包括第一采集单元和第二采集单元；

所述第一采集单元用于将所识别到的综合缺陷数据，进行分类汇总生成综合缺陷数据集，所述综合缺陷数据包括表面缺陷数据集、涂层质量缺陷数据集和严重缺陷数据集；

所述表面缺陷数据集包括喷涂表面曲率Bql、表面粗糙度Bcc、涂层覆盖率Bfg、涂层厚度Bhd和涂层结合力Bjh；

所述涂层质量缺陷数据集包括气泡直径Tzj、气泡个数Tgs、孔洞面积Tkd、颗粒物均匀度Tjy和麻点面积Tmd；

所述严重缺陷数据集包括裂纹长度Ycd、裂纹数量Ysl、剥落面积Ymj、剥落数量Ybs和喷涂总面积Yzm；

所述第二采集单元用于对传感器组所检测到的环境影响数据，进行分类汇总生成环境影响数据集，所述环境影响数据集包括喷涂温度Hwd、喷涂湿度Hsd、空气流动率Hld，空气颗粒物浓度Hkl和静电荷数量Hjd。

本实施例中，特征采集模块的这两个采集单元的有益效果在于为后续的缺陷计算和评估提供了全面而详实的数据基础，通过对涂层综合缺陷和环境影响数据的分类汇总，使得系统能够更准确地分析涂层质量问题，并及时做出相应的调整和改进，从而提高了生产过程的稳定性和质量可控性。

实施例5

本实施例是在实施例4中进行的解释说明，请参照图1，具体的：所述缺陷计算模块包括缺陷计算单元、环境计算单元和综合计算单元；

所述缺陷计算单元包括表面缺陷计算单元、涂层质量计算单元和严重缺陷计算单元；

所述表面缺陷计算单元用于依据综合缺陷数据集中的表面缺陷数据集，无量纲处理后，进行分析计算获取表面缺陷系数Bmxs；

所述涂层质量计算单元用于依据综合缺陷数据集中的涂层质量缺陷数据集，无量纲处理后，进行分析计算获取涂层质量系数Tcxs；

所述严重缺陷计算单元用于依据综合缺陷数据集中的严重缺陷数据集，无量纲处理后，进行分析计算获取严重缺陷系数Yzxs；

所述表面缺陷系数Bmxs、涂层质量系数Tcxs和严重缺陷系数Yzxs通过以下公式获取；

所述环境计算单元用于依据环境影响数据集进行无量纲处理后，汇总计算处理，获取环境影响系数Yxxs；

所述环境影响系数Yxxs通过以下公式获取；

本实施例中，所述缺陷计算模块通过缺陷计算单元、环境计算单元和综合计算单元的结合，实现了对粉末喷涂涂层缺陷和环境影响的综合分析与评估，首先，缺陷计算单元包括表面缺陷计算单元、涂层质量计算单元和严重缺陷计算单元，分别针对涂层表面、涂层质量和严重缺陷进行计算，通过对综合缺陷数据集中的各类缺陷数据进行计算，分别获得表面缺陷系数Bmxs、涂层质量系数Tcxs和严重缺陷系数Yzxs。这些系数反映了涂层缺陷的程度和严重程度，为后续的综合评估提供了重要指标，其次，环境计算单元根据环境影响数据集进行计算处理，获取环境影响系数Yxxs，该系数通过对环境影响数据集中的关键参数进行综合分析和处理，反映了环境条件对涂层质量的影响程度。这种综合计算方法能够更全面地考虑环境因素对涂层质量的影响，为后续的缺陷评估提供了重要依据，综合计算单元则将上述计算得到的各项系数进行相关联计算，得到综合分析系数Fxxs。这个系数反映了涂层缺陷与环境影响之间的综合关系，对涂层质量进行全面评估。因此，缺陷计算模块的有益效果在于实现了对涂层缺陷和环境因素的综合评估，为工业生产提供了全面而可靠的质量控制手段。通过对缺陷和环境因素的综合分析，可以及时发现问题并采取相应措施，提高了生产过程的稳定性和质量水平。

实施例6

本实施例是在实施例5中进行的解释说明，请参照图1，具体的：所述综合计算单元包括汇总单元和相关联单元；

所述汇总单元用于将获取的表面缺陷系数Bmxs、涂层质量系数Tcxs和严重缺陷系数Yzxs，进行无量纲处理后，再进行汇总计算获取综合缺陷系数Qxxs；

所述综合缺陷系数Qxxs通过以下公式获取；

式中，a1、a2和a3分别表面缺陷系数Bmxs、涂层质量系数Tcxs和严重缺陷系数Yzxs，且a1+a2+a3≠0，0≤a1≤0.64，0≤a2≤0.72，0≤a3≤0.51，其具体值由用户调整设置，A为第一修正常数。

所述相关联单元用于将汇总单元获取的综合缺陷系数Qxxs与环境计算单元所获取的环境影响系数Yxxs，进行无量纲处理后，再进行综合相关联计算，获取综合分析系数Fxxs；

所述综合分析系数Fxxs通过以下公式获取：

式中，b1和b2分别表示综合缺陷系数Qxxs和环境影响系数Yxxs的预设比例系数，且b1≠b2，b2≠0，0≤b1≤0.64，0＜b2≤0.36，其具体值由用户调整设置，B为第二修正常数。

本实施例中，综合计算方法能够全面考虑涂层质量受缺陷和环境因素影响的情况，使得评估结果更加准确和可靠。同时，用户可以根据具体情况调整修正常数，灵活控制评估的权重，使得评估结果更符合实际生产需求。因此，该综合计算单元的有益效果在于提高了对涂层质量的综合评估能力，为生产过程的质量控制提供了可靠的依据，进一步提升了工业生产的稳定性和质量水平。

实施例7

本实施例是在实施例6中进行的解释说明，请参照图1，具体的：所述缺陷评估模块包括第一评估单元和第二评估单元；

所述第一评估单元用于预设缺陷评估阈值Q，与所获取的综合分析系数Fxxs进行初步对比评估，具体评估结果如下；

当综合分析系数Fxxs＞缺陷评估阈值Q时，表示当前通过智能轮廓扫描所获取的粉末喷涂存在缺陷，此时则需要开启第二评估机制进行分析当前缺陷影响原因；

当综合分析系数Fxxs≤缺陷评估阈值Q时，表示当前通过智能轮廓扫描所获取的粉末喷涂处于正常状态。

所述第二评估单元用于预设环境评估阈值Y与所获取的环境影响系数Yxxs进行二次对比评估，开启第二评估机制，所述第二评估机制是由第一评估单元所触发，并生成相应的评估结果，具体评估方案如下；

当环境影响系数Yxxs＞环境评估阈值Y时，此时表示当前粉末喷涂存在异常是由环境因素影响，此时选择质量好和适用于特定环境的粉末涂料，包括涂层的耐候性和抗污染能力，同时采用空气净化机对喷涂环境进行改善，并在喷涂之前采用适当的表面处理工艺；

当环境影响系数Yxxs≤环境评估阈值Y时，此时表示当前粉末喷涂存在异常且环境处于正常状态，此时表示喷涂设备存在异常导致喷涂过程中的涂层缺陷产生，此时需要检查和调整喷涂设备的参数，包括喷枪压力、喷嘴清洁度和粉末流量，使用高质量的喷涂材料和配件，优化缺陷的产生。

本实施例中，这种双重评估机制有效地结合了涂层质量和环境因素的综合影响，为准确识别和解决喷涂过程中的质量问题提供了重要参考。通过对涂层质量和环境因素的综合评估，能够更有效地定位和解决喷涂过程中可能出现的异常情况，提高了生产效率和涂层质量的稳定性。因此，该评估模块的有益效果在于提供了全面而可靠的质量评估机制，为粉末喷涂工艺的优化和改进提供了重要支持。

具体示例：

数据采集：

喷涂表面曲率Bql：3.74，表面粗糙度Bcc：8.21，涂层覆盖率Bfg：5.69，涂层厚度Bhd：2.56，涂层结合力Bjh：9.83；

气泡直径Tzj：6.47，气泡个数Tgs：4.12，孔洞面积Tkd：7.98，颗粒物均匀度Tjy：5.27，麻点面积Tmd：2.08；

裂纹长度Ycd：3.15，裂纹数量Ysl：7.42，剥落面积Ymj：4.89，剥落数量Ybs：6.58，喷涂总面积Yzm：1.99；

喷涂温度Hwd：8.03，喷涂湿度Hsd：3.61，空气流动率Hld：5.87，空气颗粒物浓度Hkl：2.17，静电荷数量Hjd：6.74；

a1＝0.04，a2＝0.27，a3＝0.02，b1＝0.12，b2＝0.34，第一修正常数A：0.05，第二修正常数B：0.07；

表面缺陷系数Bmxs：

涂层质量系数Tcxs：

严重缺陷系数Yzxs：

环境影响系数Yxxs：

综合缺陷系数Qxxs：

综合分析系数Fxxs：

所取数据值均保留到小数点后两位；

将缺陷评估阈值Q设置为1，综合分析系数Fxxs≤缺陷评估阈值Q时，表示当前通过智能轮廓扫描所获取的粉末喷涂处于正常状态。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (10)

1.一种基于智能轮廓扫描粉末喷涂检测系统，其特征在于：包括数据检测模块、深度学习模块、特征采集模块、缺陷计算模块和缺陷评估模块；

所述数据检测模块用于使用智能轮廓扫描设备对粉末喷涂涂层进行扫描，获取涂层表面的图像数据，同时设置若干传感器对粉末喷涂环境影响数据进行实时检测；

所述深度学习模块用于构建深度学习模型，对于所检测到的涂层表面图像数据进行深度学习，并从物联网爬取大量的粉末喷涂的缺陷图像数据进行深度学习，精准识别粉末喷涂的综合缺陷数据，同时设置传感器Api应用接口，对喷涂环境数据进行实时接收；

所述特征采集模块用于对深度学习模型所识别到的综合缺陷数据和环境数据，进行实时采集，并对所采集到的综合缺陷数据和环境数据进行分类汇总，生成综合缺陷数据集和环境影响数据集；

所述缺陷计算模块用于依据所采集到的综合缺陷数据集和环境影响数据集，进行无量纲处理后生成综合缺陷系数Qxxs和环境影响系数Yxxs，并将综合缺陷系数Qxxs和环境影响系数Yxxs进行相关联计算获取综合分析系数Fxxs；

所述缺陷评估模块用于预设缺陷评估阈值Q与相关联获取的综合分析系数Fxxs进行初步对比评估，并生成评估结果，再由评估结果触发第二评估机制，第二评估机制是由预设环境评估阈值Y与所获取的环境影响系数Yxxs进行二次对比评估，并生成评估结果。

2.根据权利要求1所述的一种基于智能轮廓扫描粉末喷涂检测系统，其特征在于：所述数据检测模块包括智能轮廓扫描单元和传感器检测单元；

所述智能轮廓扫描单元通过使用智能轮廓扫描设备对粉末喷涂涂层进行扫描，在开始扫描之前，使用光源照明涂层表面，获取粉末喷涂涂层表面的数据，所述智能轮廓扫描设备包括激光扫描仪和光学传感器，开启激光扫描仪发射激光束，通过对涂层表面的反射和散射来获取涂层表面的三维数据，再由光学传感器使用摄像头来捕捉涂层表面的图像数据；

所述传感器检测单元用于在粉末喷涂车间布设集成传感器组，实时检测喷涂过程中的环境影响数据，所述集成传感器组包括温度传感器、湿度传感器、流量传感器、颗粒物传感器和静电传感器。

3.根据权利要求2所述的一种基于智能轮廓扫描粉末喷涂检测系统，其特征在于：所述深度学习模块包括模型构建单元和特征识别单元；

所述模型构建单元通过爬虫工具从物联网上爬取包含粉末喷涂涂层缺陷的图像数据集，这些图像包括裂纹缺陷、剥落缺陷、气泡缺陷、凹凸不平缺陷、孔洞缺陷和表面均匀性缺陷，然后对数据进行预处理，包括调整大小、标准化、增强和缺陷特征标记，并选择卷积神经网络和注意力机制作为深度学习模型架构，将准备好的图像数据集分成训练集、验证集和测试集，使用训练集对深度学习模型进行训练，并在验证集上进行验证，使用测试集对训练好的深度学习模型进行评估，评估指标包括准确率、精确率、召回率和F1分数，并根据评估结果对模型进行模型架构调整、超参数和数据预处理进行优化，在模型训练完成后，将其部署到实际应用中，实时监测粉末喷涂涂层的质量；

所述特征识别单元用于设置智能轮廓扫描设备的Api应用接口和传感器的Api应用接口，接入深度学习模型中，将所获取的实时图像数据通过无线传输方式，传输至深度学习模型中，由深度学习模型所扫描出的涂层图像中的综合缺陷数据进行特征识别，并将由传感器所检测到的环境影响数据，进行去噪、清洗和归一化处理。

4.根据权利要求3所述的一种基于智能轮廓扫描粉末喷涂检测系统，其特征在于：所述特征采集模块包括第一采集单元和第二采集单元；

所述第一采集单元用于将所识别到的综合缺陷数据，进行分类汇总生成综合缺陷数据集，所述综合缺陷数据包括表面缺陷数据集、涂层质量缺陷数据集和严重缺陷数据集；

所述表面缺陷数据集包括喷涂表面曲率Bql、表面粗糙度Bcc、涂层覆盖率Bfg、涂层厚度Bhd和涂层结合力Bjh；

所述涂层质量缺陷数据集包括气泡直径Tzj、气泡个数Tgs、孔洞面积Tkd、颗粒物均匀度Tjy和麻点面积Tmd；

所述严重缺陷数据集包括裂纹长度Ycd、裂纹数量Ysl、剥落面积Ymj、剥落数量Ybs和喷涂总面积Yzm；

所述第二采集单元用于对传感器组所检测到的环境影响数据，进行分类汇总生成环境影响数据集，所述环境影响数据集包括喷涂温度Hwd、喷涂湿度Hsd、空气流动率Hld，空气颗粒物浓度Hkl和静电荷数量Hjd。

5.根据权利要求4所述的一种基于智能轮廓扫描粉末喷涂检测系统，其特征在于：所述缺陷计算模块包括缺陷计算单元、环境计算单元和综合计算单元；

所述缺陷计算单元包括表面缺陷计算单元、涂层质量计算单元和严重缺陷计算单元；

所述表面缺陷计算单元用于依据综合缺陷数据集中的表面缺陷数据集，无量纲处理后，进行分析计算获取表面缺陷系数Bmxs；

所述涂层质量计算单元用于依据综合缺陷数据集中的涂层质量缺陷数据集，无量纲处理后，进行分析计算获取涂层质量系数Tcxs；

所述严重缺陷计算单元用于依据综合缺陷数据集中的严重缺陷数据集，无量纲处理后，进行分析计算获取严重缺陷系数Yzxs；

所述表面缺陷系数Bmxs、涂层质量系数Tcxs和严重缺陷系数Yzxs通过以下公式获取；

6.根据权利要求5所述的一种基于智能轮廓扫描粉末喷涂检测系统，其特征在于：所述环境计算单元用于依据环境影响数据集进行无量纲处理后，汇总计算处理，获取环境影响系数Yxxs；

所述环境影响系数Yxxs通过以下公式获取；

7.根据权利要求5所述的一种基于智能轮廓扫描粉末喷涂检测系统，其特征在于：所述综合计算单元包括汇总单元和相关联单元；

所述汇总单元用于将获取的表面缺陷系数Bmxs、涂层质量系数Tcxs和严重缺陷系数Yzxs，进行无量纲处理后，再进行汇总计算获取综合缺陷系数Qxxs；

所述综合缺陷系数Qxxs通过以下公式获取；

式中，a1、a2和a3分别表面缺陷系数Bmxs、涂层质量系数Tcxs和严重缺陷系数Yzxs，其具体值由用户调整设置，A为第一修正常数。

8.根据权利要求7所述的一种基于智能轮廓扫描粉末喷涂检测系统，其特征在于：所述相关联单元用于将汇总单元获取的综合缺陷系数Qxxs与环境计算单元所获取的环境影响系数Yxxs，进行无量纲处理后，再进行综合相关联计算，获取综合分析系数Fxxs；

所述综合分析系数Fxxs通过以下公式获取：

式中，b1和b2分别表示综合缺陷系数Qxxs和环境影响系数Yxxs的预设比例系数，其具体值由用户调整设置，B为第二修正常数。

9.根据权利要求1所述的一种基于智能轮廓扫描粉末喷涂检测系统，其特征在于：所述缺陷评估模块包括第一评估单元和第二评估单元；

所述第一评估单元用于预设缺陷评估阈值Q，与所获取的综合分析系数Fxxs进行初步对比评估，具体评估结果如下；

当综合分析系数Fxxs＞缺陷评估阈值Q时，表示当前通过智能轮廓扫描所获取的粉末喷涂存在缺陷，此时则需要开启第二评估机制进行分析当前缺陷影响原因；

当综合分析系数Fxxs≤缺陷评估阈值Q时，表示当前通过智能轮廓扫描所获取的粉末喷涂处于正常状态。

10.根据权利要求9所述的一种基于智能轮廓扫描粉末喷涂检测系统，其特征在于：所述第二评估单元用于预设环境评估阈值Y与所获取的环境影响系数Yxxs进行二次对比评估，开启第二评估机制，所述第二评估机制是由第一评估单元所触发，并生成相应的评估结果，具体评估方案如下；

当环境影响系数Yxxs＞环境评估阈值Y时，此时表示当前粉末喷涂存在异常是由环境因素影响，此时选择质量好和适用于特定环境的粉末涂料，包括涂层的耐候性和抗污染能力，同时采用空气净化机对喷涂环境进行改善，并在喷涂之前采用适当的表面处理工艺；

当环境影响系数Yxxs≤环境评估阈值Y时，此时表示当前粉末喷涂存在异常且环境处于正常状态，此时表示喷涂设备存在异常导致喷涂过程中的涂层缺陷产生，此时需要检查和调整喷涂设备的参数，包括喷枪压力、喷嘴清洁度和粉末流量，使用高质量的喷涂材料和配件，优化缺陷的产生。