摘要
本发明提供一种氩弧焊钨电极外观缺陷检测方法、系统及存储介质,涉及钨电极外观检测技术领域,本发明首先对已知缺陷的样本电极进行三维扫描,离散化为若干空间点并赋予每个点缺陷存在性标记。通过施加复合正弦波激励电流,采集电极匀速螺旋穿过检测线圈时的涡流信号,同步利用激光超声扫描获取全矩阵数据并重建三维灰度模型。构建双分支深度学习模型,融合涡流特征向量与超声图像块特征,学习其与缺陷标记的映射关系。对待测电极执行相同检测,利用训练好的模型输出各位置缺陷置信度,结合预设的缺陷严重性权重与空间关键区域权重,计算综合质量指数,依据合格阈值判定电极是否合格。本发明实现了对表面及内部缺陷的高精度、自动化综合检测。
技术关键词
外观缺陷检测方法
深度学习分类模型
涡流检测信号
图像块特征
缺陷类别
电极
外观缺陷检测系统
样本
标记
双分支卷积神经网络
线圈
正弦波
超声波检测模块
超声波检测设备
外观检测技术
分类模型构建
裂纹
系统为您推荐了相关专利信息
快速筛查方法
深度学习分类模型
二值化图像
OTSU阈值
直方图
缺陷检测系统
可见光图像
风电场设备
缺陷类别
变电站门型构架
图像块
外观缺陷检测方法
序列
语义分割模型
铸件
焊点缺陷检测方法
纹理特征
二维图像数据
交叉注意力机制
支持向量机模型
遥感场景分类方法
学习分类器
神经网络分类
框架
深度学习分类模型