[發(fā)明專利]基于多域表達數據增強及模型自優(yōu)化的不銹鋼焊縫缺陷檢測方法

有效

• 申請?zhí)枺?/td>: 202110299704.3
• 申請日: 2021-03-22
• 公開（公告）號: CN113129266B
• 公開（公告）日: 2022-03-29
• 發(fā)明（設計）人: 張睿;趙娜;白曉露;傅留虎;潘理虎;蔡江輝;宋仁旺
• 申請（專利權）人: 太原科技大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06K9/00;G06N3/00;G06N3/04
• 代理公司: 太原科衛(wèi)專利事務所(普通合伙) 14100
• 代理人: 朱源;武建云

1.一種基于多域表達數據增強及模型自優(yōu)化的不銹鋼焊縫缺陷檢測方法，其特征在于：包括如下步驟：

(1)、一維超聲檢測時域信號采集

使用超聲探傷儀和超聲斜探頭對未熔合、氣孔、夾渣、未焊透、裂紋五類不銹鋼焊縫缺陷樣板進行A型回波數據采集、標簽標記，構建時域訓練數據集和時域測試數據集；

(2)、一維超聲檢測信號多空間域表征

將一維檢測信號時域訓練數據集和時域測試數據集衍生到時頻域、格拉姆角場域、馬爾可夫轉移場域的空間域中，分別構建時頻域、格拉姆角和場域、格拉姆角差場域、馬爾可夫轉移場域的訓練數據集和測試數據集；

將構建的多域訓練數據集分別輸入至輕量級卷積神經網絡MobileNetV3，并分別用多域測試數據集進行驗證，通過分類準確率對比選擇特征表達最豐富的空間域構建下一步所用訓練數據集Ⅰ和測試數據集Ⅱ；

(3)、多尺度輕量型卷積神經網絡模型構建

a、選擇MobileNet V3作為不銹鋼焊縫缺陷識別的基礎網絡；

b、多尺度深度可分離卷積構建

多尺度深度可分離卷積為：將輸入的M個特征圖分別用M個不同尺寸的卷積核進行深度卷積，通過填充操作保證經過不同尺寸卷積核卷積后的輸出特征圖大小一致；之后將多尺度卷積的輸出特征通過通道拼接，輸出M個含有多尺度信息的特征圖，并進一步通過1×1卷積將該輸出映射到新的通道空間；

c、將上述的多尺度深度可分離卷積替換原MobileNet V3網絡中的深度可分離卷積，完成多尺度MobileNet V3輕量型網絡模型構建；

(4)、基于粒子群-混沌麻雀搜索 算法的自適應焊縫缺陷識別網絡模型結構/參數優(yōu)化

a、基于粒子群-混沌麻雀搜索 算法的搜索策略優(yōu)化

ⅰ、從改進SSA自適應性角度出發(fā)，加入擾動因子p來自適應改變警戒麻雀數量，以式(13)來更新種群中警戒者比例，使警戒者數量可自適應減少且種群的完整性不遭破壞；

式中，SD為警戒者比例，t為SSA當前迭代次數，T為SSA總迭代次數；

ⅱ、將SSA中預警值、發(fā)現者所占比例、擾動因子、帶有警戒值的麻雀比例的取值范圍作為PSO的搜索空間，設置粒子群數量、學習因子取值、最大迭代次數，在搜索空間隨機初始化每個粒子的速度和位置，根據目標函數計算每個粒子的適應值；

ⅲ、通過每個粒子的適應度值更新其個體極值p_best和全局極值g_best，根據式(15)和式(16)調整粒子的位置和速度，

x_i＝x_i+v_i (16)

式中，v_i和x_i分別代表粒子的速度和位置，c₁和c₂是學習因子，隨機函數rand()是介于(0,1)之間的隨機數；

ⅳ、當達到PSO的最大迭代次數或全部最優(yōu)位置滿足最小界限時，完成PSO對SSA中關鍵參數的選擇，將找到的預警值、發(fā)現者比例、擾動因子、帶有警戒值的麻雀比例傳遞到SSA中；

ⅴ、利用Tent混沌映射對SSA種群進行初始化，根據式(14)，當i＝1時，可產生一個D維的混沌個體，繼續(xù)迭代至i＝m時，產生m個D維向量的個體；

Tent混沌映射表達式為：

式中，d為初始化變量數目，i為映射次數，第i次映射的混沌個體；

ⅵ、利用式(17)將混沌個體映射到定義域對應的搜索空間，完成麻雀種群初始化，即進行步驟b中的粗度層間壓縮和超參數精度尋優(yōu)；

式中，X_id為種群第i個個體的第d維位置，X_ub,d為第d維的上界，X_lb,d為第d維的下界；

b、自適應焊縫缺陷識別網絡模型結構/參數優(yōu)化

ⅰ、粗度層間壓縮：將每只麻雀的6個維度分別對應于MobileNetV3中可刪減替換的6個網絡模塊，保留原模塊、替換為多尺度模塊、刪除模塊為每個維度的搜索空間，根據搜索策略和評估策略進行第一輪搜索，通過迭代找到最優(yōu)麻雀個體信息，完成模型壓縮，確定多尺度MobileNetV3網絡模型結構；

ⅱ、超參數精度尋優(yōu)：將每只麻雀的10個維度分別對應于多尺度MobileNetV3的10個待定參數，并確定搜索空間：學習率、梯度下降函數、多尺度深度可分離卷積的激活函數、訓練批次大小、多尺度深度可分離卷積中卷積核大小，根據搜索策略和評估策略進行第二輪搜索，經算法迭代在搜索空間內找到模型最優(yōu)參數，最終實現自適應多尺度MobileNetV3網絡模型構建。