摘要
本发明公开了一种基于深度学习的全位置直接能量沉积缺陷控制方法及装置,全位置直接能量沉积过程中,CCD相机安装于沉积头的侧面并在线采集熔池侧面图像,根据熔池状态对熔池侧面图像进行标签操作;搭建深度神经网络模型,使用数据集对深度神经网络模型进行训练及超参数优化;在全位置直接能量沉积过程中,使用CCD相机在线采集的熔池侧面图像作为深度神经网络模型的输入,对金属全位置直接能量沉积过程中熔池状态的识别及诊断,闭环控制器根据熔池尺寸比或熔池面积的计算值和设定值之间的偏差大小,调节材料送进速度或热输入,从而实现金属全位置直接能量沉积过程中驼峰缺陷及掉落缺陷的抑制。
技术关键词
深度神经网络模型
缺陷控制方法
CCD相机
闭环控制器
分类网络
送进机
图像
标签
尺寸
USB数据接口
超参数
金属构件
速度
在线
三维模型
基板
计算机
系统为您推荐了相关专利信息
多任务模型训练方法
分类网络
多尺度特征融合
注意力
图像处理方法
动态情感识别方法
无监督
预训练模型
时序特征
电信号