基于YOLO的搅拌摩擦焊诊断方法、终端以及存储介质技术

本发明专利技术提供一种基于YOLO的搅拌摩擦焊诊断方法、终端以及存储介质，该诊断方法包括：S101：获取搅拌摩擦焊的焊缝照片，对焊缝照片进行预处理生成数据集；S102：将数据集导入YOLO目标检测网络进行模型训练，并调整YOLO目标检测网络的训练参数；S103：根据训练形成的目标检测模型的缺陷识别结果调整模型的运行参数以获取外观缺陷检测模型，通过外观缺陷检测模型识别焊缝外观缺陷。本发明专利技术利用YOLO目标检测网络运算速度快，鲁棒性强，善于检测小目标的特点，使训练出来的模型能准确识别搅拌摩擦焊的外观缺陷，并通过与机器视觉技术结合的方式能在工业现场实现实时监控焊缝外观质量，提高生产效率，减少了生产成本。减少了生产成本。减少了生产成本。

【技术实现步骤摘要】
基于YOLO的搅拌摩擦焊诊断方法、终端以及存储介质


[0001]本专利技术涉及焊缝外观缺陷检测领域，尤其涉及一种基于YOLO的搅拌摩擦焊诊断方法、终端以及存储介质。

技术介绍

[0002]焊接技术作为一种重要的连接技术，在制造业的发展过程中起到了难以替代的作用，其是保障制造业最终产品的安全质量可靠的重要保障。近年来，随着新能源等行业迅速崛起，搅拌摩擦焊作为一种对轻质合金的环保、可靠的固相连接技术，成为了一项令人瞩目的新型焊接技术。
[0003]随着搅拌摩擦焊的进一步普及，拥有搅拌摩擦焊相关专业知识的专业人员匮乏成为了这项技术进一步推广的桎梏。一方面，缺乏知识的工程师往往无法及时对搅拌摩擦焊的宏观质量进行监控；另一方面，为了保证质量，需要对其进行力学性能测试，然而，搅拌摩擦焊的力学性能测试的金钱、时间、人力成本都很高，对于企业来说增加了一定的生产与管理成本。随着搅拌摩擦焊装备智能化与自动化的发展趋势，如何能使得搅拌摩擦焊焊接质量的评定便捷、绿色经济起来，成为了一个关注程度日益提升的课题。

技术实现思路

[0004]为了克服现有技术的不足，本专利技术提出一种基于YOLO的搅拌摩擦焊诊断方法、终端以及存储介质，根据获取的焊缝照片生成数据集，将该数据集导入到YOLO目标检测网络和进行训练以得到目标检测模型，并根据实际需求调整模型的运行参数得到外观缺陷检测模型，利用YOLO目标检测网络运算速度快，鲁棒性强，善于检测小目标的特点，使训练出来的模型能准确识别搅拌摩擦焊的外观缺陷，并通过与机器视觉技术结合的方式能在工业现场实现实时监控焊缝外观质量，提高生产效率，减少了生产成本。
[0005]为解决上述问题，本专利技术采用的一个技术方案为：一种基于YOLO的搅拌摩擦焊诊断方法，所述基于YOLO的搅拌摩擦焊诊断方法包括：S101：获取搅拌摩擦焊的焊缝照片，对所述焊缝照片进行预处理生成数据集，所述数据集包括训练样本集、验证样本集；S102：将所述数据集导入YOLO目标检测网络进行模型训练，并调整所述YOLO目标检测网络的训练参数，所述训练参数包括预测的类型、聚类参数以及模型的关键参数；S103：根据训练形成的目标检测模型的缺陷识别结果调整模型的运行参数以获取外观缺陷检测模型，通过所述外观缺陷检测模型识别焊缝外观缺陷。
[0006]进一步地，所述获取搅拌摩擦焊的焊缝照片的步骤具体包括：通过工业相机拍摄所述搅拌摩擦焊的焊缝照片，所述焊缝照片的类别包括飞边、孔洞型、未焊透。
[0007]进一步地，所述对所述焊缝照片进行预处理生成数据集的步骤具体包括：对所述焊缝照片进行数据清洗与增强、数据标注、数据集制作形成数据集。
[0008]进一步地，对所述焊缝照片进行数据清洗与增强的步骤具体包括：对所述焊缝照片的数据进行扩增，并利用图像处理技术增强所述焊缝照片中的焊缝外观缺陷和进行数据
清洗。
[0009]进一步地，所述训练样本集与所述验证样本集的数据比例为8:2。
[0010]进一步地，调整所述YOLO目标检测网络的训练参数的步骤具体包括：将所述YOLO目标检测网络预测的类型修改为飞边、孔洞型、未焊透，调整聚类参数，并根据获取的关键参数值设置模型的关键参数。
[0011]进一步地，所述根据训练形成的目标检测模型缺陷识别结果调整模型的运行参数以获取外观缺陷检测模型的步骤具体包括：设置所述目标检测模型的运行参数，并通过设置参数后的目标检测模型检测焊缝照片中的焊缝外观缺陷，根据检测结果是否能够检测所述焊缝外观缺陷；若是，则确定所述目标检测模型为外观缺陷检测模型；若否，则根据所述检测结果调整所述运行参数。
[0012]进一步地，所述运行参数包括ROI区域大小、最小置信度、最大重叠率中的至少一种。
[0013]基于相同的专利技术构思，本专利技术还提出一种智能终端，所述智能终端包括存储器、处理器，所述处理器与所述存储器通信连接，所述存储器存储有计算机程序，所述处理器根据所述计算机程序执行如上所述的基于YOLO的搅拌摩擦焊诊断方法。
[0014]基于相同的专利技术构思，本专利技术还提出一种计算机可读存储介质，所述计算机可读存储介质存储有程序数据，所述程序数据被用于执行如上所述的基于YOLO的搅拌摩擦焊诊断方法。
[0015]相比现有技术，本专利技术的有益效果在于：根据获取的焊缝照片生成数据集，将该数据集导入到YOLO目标检测网络进行训练以得到目标检测模型，并根据实际需求调整模型的运行参数得到外观缺陷检测模型，利用YOLO目标检测网络运算速度快，鲁棒性强，善于检测小目标的特点，使训练出来的模型能准确识别搅拌摩擦焊的外观缺陷，并通过与机器视觉技术结合的方式能在工业现场实现实时监控焊缝外观质量，提高生产效率，减少了生产成本。
附图说明
[0016]图1为本专利技术基于YOLO的搅拌摩擦焊诊断方法一实施例的流程图；
[0017]图2为本专利技术基于YOLO的搅拌摩擦焊诊断方法另一实施例的流程图；
[0018]图3为本专利技术基于YOLO的搅拌摩擦焊诊断方法中缺陷检测一实施例的示意图；
[0019]图4为本专利技术基于YOLO的搅拌摩擦焊诊断方法中缺陷检测另一实施例的示意图；
[0020]图5为本专利技术基于YOLO的搅拌摩擦焊诊断方法中缺陷检测又一实施例的示意图；
[0021]图6为本专利技术智能终端一实施例的结构图；
[0022]图7为本专利技术计算机可读存储介质一实施例的结构图。
具体实施方式
[0023]以下通过特定的具体实例说明本申请的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本申请的其他优点与功效。本申请还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本申请的精神下进行各种修饰或改变。需说明的是，通常在此处附图中描述和示出的各本
公开实施例在不冲突的前提下，可相互组合，其中的结构部件或功能模块可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本公开的实施例的详细描述并非旨在限制要求保护的本公开的范围，而是仅仅表示本公开的选定实施例。基于本公开中的实施例，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，都属于本公开保护的范围。
[0024]在本申请公开使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本公开。在本公开和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
[0025]请参阅图1
‑
5，其中，图1为本专利技术基于YOLO的搅拌摩擦焊诊断方法一实施例的流程图；图2为本专利技术基于YOLO的搅拌摩擦焊诊断方法另一实施例的流程图；图3为本专利技术基于YOLO的搅拌摩擦焊诊断方法中缺陷检测一实施例的示意图；图4为本专利技术基于YOLO的搅拌摩擦焊诊断方法中缺陷检测另一实施例的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于YOLO的搅拌摩擦焊诊断方法，其特征在于，所述基于YOLO的搅拌摩擦焊诊断方法包括：S101：获取搅拌摩擦焊的焊缝照片，对所述焊缝照片进行预处理生成数据集，所述数据集包括训练样本集、验证样本集；S102：将所述数据集导入YOLO目标检测网络进行模型训练，并调整所述YOLO目标检测网络的训练参数，所述训练参数包括预测的类型、聚类参数以及模型的关键参数；S103：根据训练形成的目标检测模型的缺陷识别结果调整模型的运行参数以获取外观缺陷检测模型，通过所述外观缺陷检测模型识别焊缝外观缺陷。2.如权利要求1所述的基于YOLO的搅拌摩擦焊诊断方法，其特征在于，所述获取搅拌摩擦焊的焊缝照片的步骤具体包括：通过工业相机拍摄所述搅拌摩擦焊的焊缝照片，所述焊缝照片的类别包括飞边、孔洞型、未焊透。3.如权利要求1所述的基于YOLO的搅拌摩擦焊诊断方法，其特征在于，所述对所述焊缝照片进行预处理生成数据集的步骤具体包括：对所述焊缝照片进行数据清洗与增强、数据标注、数据集制作形成数据集。4.如权利要求3所述的基于YOLO的搅拌摩擦焊诊断方法，其特征在于，对所述焊缝照片进行数据清洗与增强的步骤具体包括：对所述焊缝照片的数据进行扩增，并利用图像处理技术增强所述焊缝照片中的焊缝外观缺陷和进行数据清洗。5.如权利要求1所述的基于YOLO的搅拌摩擦焊诊断方法，其特征在于，所述训练样本集与所述验证样本集的数据比例为8:2。6...

【专利技术属性】
技术研发人员：黎子浩，何艳兵，辛志，
申请(专利权)人：广州瑞松威尔斯通智能装备有限公司，
类型：发明
国别省市：