一种用于增材制造的合金丝材的质量检测方法技术

本发明专利技术涉及图像处理技术领域，具体涉及一种用于增材制造的合金丝材的质量检测方法。该方法输入实时采集的合金丝材图像到神经网络中输出质量参数，基于质量参数得到合金丝材图像的质量。神经网络的训练数据集的获取方法为：将合金丝材缺陷图像划分为基础类图像和目标类图像；结合基础类图像和目标类图像，调节初始滤波半径得到调节滤波半径；基于调节滤波半径，得到增强后的合金丝材缺陷图像；将增强后的合金丝材缺陷图像加入合金丝材缺陷数据集；基于合金丝材缺陷数据集的丰富度和平衡度得到训练数据集。本发明专利技术减轻神经网络的过拟合，提高了其泛化能力，提升了神经网络在合金丝材打轴过程中出现缺陷的检测准确性。丝材打轴过程中出现缺陷的检测准确性。丝材打轴过程中出现缺陷的检测准确性。

【技术实现步骤摘要】
一种用于增材制造的合金丝材的质量检测方法


[0001]本专利技术涉及图像处理
，具体涉及一种用于增材制造的合金丝材的质量检测方法。

技术介绍

[0002]增材制造也即3D打印技术，是采用材料逐渐累加的方法制造实体零件的精细化快速成型技术，通过金属增材制造技术制造的金属材料零部件越来越多的被成功应用于航空航天，国防军工、医疗器械、汽车制造、注塑模具等领域。其所使用的材料通常有粒状和线状，其中，线状材料通常是由合金制作而成，即合金丝材。作为制作成型器械零件的基础材料，合金丝材的质量大大影响了器械零件的可使用性和耐用性，在一些应用领域中，若合金丝材中出现缺陷时，甚至会造成极大的安全隐患，因此就需要对作为基础材料的合金丝材进行质量检测，确保质量过关。
[0003]在合金丝材生产过程中，需要最后一步的打轴绕盘工艺流程，打轴绕盘过程中应该保证合金丝材的卷缠紧密、排列有序和规则整齐，但是在该过程中，会因为工字轮打滑、打轴机非正常暂停等原因导致合金丝材绕盘时出现卷缠变松或乱丝问题，当出现这种问题时，需要及时退线重新打轴缠绕。
[0004]目前对合金丝材的打轴过程结合计算机视觉进行质量检测常用深度学习的方法，而神经网络需要大量的缺陷图像作为数据集，为了增加数据集中的样本数量，常规方法是对现有缺陷图像进行旋转、平移以及翻转等基础操作扩充样本数据集，只能保证神经网络对图像在空间变化的不变性，而实际获取的图像由于环境光照的相机的相关参数问题，所获取的图像存在明暗和梯度变化，当出现这种变化时，仅存在空间不变性的神经网络数据集的数据量，对减轻神经网络的过拟合并提升泛化的程度是不够的。

技术实现思路

[0005]为了解决神经网络的泛化能力较差的技术问题，本专利技术的目的在于提供一种用于增材制造的合金丝材的质量检测方法，所采用的技术方案具体如下：实时获取合金丝材图像；将合金丝材图像输入训练好的神经网络中输出质量参数，基于所述质量参数判断合金丝材图像的质量；所述神经网络的训练数据集的获取方法为：根据合金丝材缺陷数据集中的合金丝材缺陷图像内像素点的灰度值，得到灰度动态范围特征参数；根据合金丝材缺陷图像内像素点的梯度值得到梯度分布特征参数；结合灰度动态范围特征参数和梯度分布特征参数得到综合分布参数值；基于各综合分布参数值对应的合金丝材缺陷图像的数量，将合金丝材缺陷图像划分为基础类图像和目标类图像；结合基础类图像对应的灰度动态范围特征参数和梯度分布特征参数、目标类图像对应的灰度动态范围特征参数和梯度分布特征参数，得到半径调节系数；以半径调节系数
作为权重，调节初始滤波半径得到调节滤波半径；基于调节滤波半径，增强合金丝材缺陷图像得到增强后的合金丝材缺陷图像；将增强后的合金丝材缺陷图像加入合金丝材缺陷数据集；根据灰度动态范围特征参数和同一灰度动态范围特征参数对应的图像数量、梯度分布特征参数和同一梯度分布特征参数对应的图像数量分别得到合金丝材缺陷数据集的丰富度和平衡度；基于丰富度和平衡度得到神经网络的训练数据集。
[0006]优选的，所述结合基础类图像对应的灰度动态范围特征参数和梯度分布特征参数、目标类图像对应的灰度动态范围特征参数和梯度分布特征参数，得到半径调节系数，包括：计算所有基础类图像对应的灰度动态范围特征参数的均值，作为第一均值；计算所有基础类图像对应的梯度分布特征参数的均值，作为第二均值；计算所有目标类图像对应的灰度动态范围特征参数的均值，作为第三均值；计算所有目标类图像对应的梯度分布特征参数的均值，作为第四均值；将所述第三均值和第一均值的比值作为第一调节比值；将所述第四均值和第二均值的比值作为第二调节比值；将所述第一调节比值和所述第二调节比值的和值作为半径调节系数。
[0007]优选的，所述灰度动态范围特征参数的计算公式为：其中，为所述灰度动态范围特征参数；为合金丝材缺陷图像中的像素点的最大灰度值；为合金丝材缺陷图像中的像素点的最小灰度值；为取绝对值符号；为取的绝对值；a为预设第三阈值；b为预设第四阈值。
[0008]优选的，所述根据合金丝材缺陷图像内像素点的梯度值得到梯度分布特征参数，包括：计算合金丝材缺陷图像中所有像素点的梯度均值；计算合金丝材缺陷图像中所有像素点的梯度值的标准差，将标准差加上预设第三阈值，作为标准参数；将所述梯度均值和所述标准参数的比值，作为合金丝材缺陷图像的梯度分布特征参数。
[0009]优选的，所述基于各综合分布参数值对应的合金丝材缺陷图像的数量，将合金丝材缺陷图像划分为基础类图像和目标类图像，包括：计算所有综合分布参数值对应的合金丝材缺陷图像的数量均值，将综合分布参数值对应合金丝材缺陷图像的数量大于等于数量均值的合金丝材缺陷图像作为基础类图像；将综合分布参数值对应合金丝材缺陷图像的数量小于数量均值的合金丝材缺陷图像作为目标类图像。
[0010]优选的，所述丰富度的获取方法为：计算合金丝材缺陷数据集中所有合金丝材缺陷图像的灰度动态范围特征参数的标准差，作为第一标准差；计算合金丝材缺陷数据集中所有合金丝材缺陷图像的梯度分布特征参数的标准差，作为第二标准差；
所述第一标准差和所述第二标准差的和值的归一化值作为合金丝材缺陷数据集的丰富度。
[0011]优选的，所述平衡度的获取方法为：计算合金丝材缺陷数据集中所有合金丝材缺陷图像的各种灰度动态范围特征参数对应的合金丝材缺陷图像的数量的标准差，作为第三标准差；计算合金丝材缺陷数据集中所有合金丝材缺陷图像的各种梯度分布特征参数对应的合金丝材缺陷图像的数量的标准差，作为第四标准差；所述第三标准差和所述第四标准差的和值的归一化值作为合金丝材缺陷数据集的平衡度。
[0012]优选的，所述基于丰富度和平衡度得到神经网络的训练数据集，包括：当丰富度大于预设第一阈值且平衡度小于预设第二阈值时，将对应的合金丝材缺陷数据集作为训练数据集；否则，将调节滤波半径更新作为初始滤波半径，对更新后的初始滤波半径再次调节，将合金丝材缺陷数据集中合金丝材缺陷图像继续进行增强，将增强后的合金丝材缺陷图像加入合金丝材缺陷数据集中，直至合金丝材缺陷数据集对应的丰富度大于预设第一阈值且平衡度小于预设第二阈值时，将对应的合金丝材缺陷数据集作为训练数据集。
[0013]优选的，所述综合分布参数值的获取方法为：将所述灰度动态范围特征参数和所述梯度分布特征参数的和值作为综合分布参数值。
[0014]优选的，所述基于所述质量参数判断合金丝材图像的质量，包括：当质量参数为预设第五阈值时，合金丝材图像对应的合金丝材的质量为不合格；当质量参数为预设第六阈值时，合金丝材图像对应的合金丝材的质量为合格。
[0015]本专利技术实施例至少具有如下有益效果：本专利技术涉及图像处理
该方法实时获取合金丝材图像；将合金丝材图像输入训练好的神经网络中输出质量参数，基于所述质量参数判断合金丝材图像的质量。所述神经网络的训练数据集的获取方法为：根据获取的合金丝材缺陷图像内像素点的灰度值和梯度值得到灰度动态范围特征参数和梯度分布特征参数，该灰度动态范围特征参数和梯度本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于增材制造的合金丝材的质量检测方法，其特征在于，该方法包括以下步骤：实时获取合金丝材图像；将合金丝材图像输入训练好的神经网络中输出质量参数，基于所述质量参数判断合金丝材图像的质量；所述神经网络的训练数据集的获取方法为：根据合金丝材缺陷数据集中的合金丝材缺陷图像内像素点的灰度值，得到灰度动态范围特征参数；根据合金丝材缺陷图像内像素点的梯度值得到梯度分布特征参数；结合灰度动态范围特征参数和梯度分布特征参数得到综合分布参数值；基于各综合分布参数值对应的合金丝材缺陷图像的数量，将合金丝材缺陷图像划分为基础类图像和目标类图像；结合基础类图像对应的灰度动态范围特征参数和梯度分布特征参数、目标类图像对应的灰度动态范围特征参数和梯度分布特征参数，得到半径调节系数；以半径调节系数作为权重，调节初始滤波半径得到调节滤波半径；基于调节滤波半径，增强合金丝材缺陷图像得到增强后的合金丝材缺陷图像；将增强后的合金丝材缺陷图像加入合金丝材缺陷数据集；根据灰度动态范围特征参数和同一灰度动态范围特征参数对应的图像数量、梯度分布特征参数和同一梯度分布特征参数对应的图像数量分别得到合金丝材缺陷数据集的丰富度和平衡度；基于丰富度和平衡度得到神经网络的训练数据集。2.根据权利要求1所述的一种用于增材制造的合金丝材的质量检测方法，其特征在于，所述结合基础类图像对应的灰度动态范围特征参数和梯度分布特征参数、目标类图像对应的灰度动态范围特征参数和梯度分布特征参数，得到半径调节系数，包括：计算所有基础类图像对应的灰度动态范围特征参数的均值，作为第一均值；计算所有基础类图像对应的梯度分布特征参数的均值，作为第二均值；计算所有目标类图像对应的灰度动态范围特征参数的均值，作为第三均值；计算所有目标类图像对应的梯度分布特征参数的均值，作为第四均值；将所述第三均值和第一均值的比值作为第一调节比值；将所述第四均值和第二均值的比值作为第二调节比值；将所述第一调节比值和所述第二调节比值的和值作为半径调节系数。3.根据权利要求1所述的一种用于增材制造的合金丝材的质量检测方法，其特征在于，所述灰度动态范围特征参数的计算公式为：其中，为所述灰度动态范围特征参数；为合金丝材缺陷图像中的像素点的最大灰度值；为合金丝材缺陷图像中的像素点的最小灰度值；为取绝对值符号；为取的绝对值；a为预设第三阈值；b为预设第四阈值。4.根据权利要求1所述的一种用于增材制造的合金丝材的质量检测方法，其特征在于，所述根据合金丝材缺陷图像内像素点的梯度值得到梯度分布特征参数，包括：计算合金丝材缺陷图像中所有像素点的梯度均值；计算合金丝材缺陷图像中所有像素点的梯度值的标准差，将标准差加上预设第三阈值，作为标准参数；将所述梯度均...

【专利技术属性】
技术研发人员：聂东红，申庆飞，覃源源，徐定能，袁振兴，秦杰，肖义芳，彭倩，陈杰，
申请(专利权)人：湖南东方钪业股份有限公司，
类型：发明
国别省市：