摘要
本发明公开了基于深度卷积神经网络模型的焊缝质量缺陷检测系统,涉及图像处理技术领域,该系统运行时,通过采集模块对测试前和测试后的焊接件进行采集图像信息,通过检验记录模块记录焊接件测试前和测试后的内部状态信息,统计分析后获取:焊接件内部状态偏差比例系数Pcxs,通过分析模块对采集的图像信息进行预处理,再通过特征提取模块使用深度卷积神经网络模型进行训练和提取,获取第一数据集和第二数据集,并通过数据处理模块进行处理和拟合,获取:焊缝评估指数Pgz,再与预审的焊接件焊缝评估阈值P进行匹配,获取焊接件焊缝状态评估策略方案,实现了全天候固定周期的检测,有助于及时发现和解决问题,确保产品质量。
技术关键词
深度卷积神经网络模型
焊接件
缺陷检测系统
偏差
图像传感器设备
焊缝结构
颜色识别传感器
焊缝外观
气泡
特征提取模块
数据处理模块
图像采集模块
采集单元
分析模块
超声波技术
指数
检验单元
系统为您推荐了相关专利信息
人工智能驱动
特征值
缺陷检测方法
像素点
缺陷检测系统
表面缺陷检测方法
检测螺丝
缺陷类别
螺丝缺陷检测
初始聚类中心
胶水
缺陷检测方法
蓝光LED光源
图像处理
涂抹