[發明專利]基于卷積神經網絡的激光選區熔化熔池圖像分析系統

有效

• 申請號: 202110303918.3
• 申請日: 2021-03-22
• 公開（公告）號: CN113077423B
• 公開（公告）日: 2023-06-09
• 發明（設計）人: 周鑫;段玉聰;張佩宇;成星;郭西洋;張婷;王學德
• 申請（專利權）人: 中國人民解放軍空軍工程大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/11;G06T7/136;G06T7/194;G06V10/764;G06V10/82;G06N3/0464;G06N3/08
• 代理公司: 西安研創天下知識產權代理事務所(普通合伙) 61239
• 代理人: 婁柱

1.基于卷積神經網絡的激光選區熔化熔池圖像分析系統，其特征在于，包括熔池圖像采集模塊、圖像預處理模塊、熔池圖像分類識別模塊、圖像重組模塊、熔池形貌特征分析模塊、數據可視化模塊和數據存儲模塊；

所述熔池圖像采集模塊對激光選區熔化過程中的熔池圖像進行采集，輸入至圖像預處理模塊進行預處理；

所述圖像預處理模塊對輸入的熔池圖像進行預處理，然后輸出至熔池圖像分類識別模塊進行熔池圖像的分類識別；

所述熔池圖像分類識別模塊基于卷積神經網絡模型，對預處理后的熔池圖像進行熔池、濺射的分類與識別，并將分類識別的結果輸出至圖像重組模塊進行拼接重組；

所述圖像重組模塊將熔池圖像分類識別模塊輸出的分類圖像進行標記，通過圖像拼接重組恢復出分類標記的熔池、濺射全貌圖像，并將結果輸入至熔池形貌特征分析模塊；

所述熔池形貌特征分析模塊對所述圖像重組模塊輸出的熔池、濺射標記圖像進行特征分析，對激光選區熔化過程中熔池的質量進行評價，預測缺陷，實時告警；并將結果輸出至數據可視化模塊和數據存儲模塊；

所述數據可視化模塊對分類識別的結果和熔池質量評價結果進行顯示，以便直觀的觀察熔池行為以及實時監測熔池質量，對出現的缺陷進行預測、告警和糾正，所述數據存儲模塊對所有數據進行存儲；

所述熔池圖像分類識別模塊中的卷積神經網絡模型包括1個輸入層，3個卷積層，2個池化層，1個全連接層和1個輸出層；

輸入層：將數據預處理模塊輸出的32*32像素大小的圖像進行輸入；

卷積層C1：有六個卷積核，每個核的大小為5×5，輸出6個大小為28×28的特征圖；

池化層S2：采用最大值池化函數Max-Pooling，生成對應圖像大小為14×14的縮略圖，池化窗口大小為2×2；

卷積層C3，進行多通道16核卷積，16個卷積核大小為5×5，輸出16個10×10大小的特征圖；

池化層S4：使用2×2窗口最大值池化，輸出16個5×5大小的特征圖；

卷積層C5：有120個卷積核，每個核的大小為5×5，生成120個大小為1×1的特征圖；

全連接層F6：共有84個神經元，并與卷積層C5進行全連接，全連接層F6層計算輸入向量和權重之間的點積，加上一個偏置之后，傳遞給sigmoid函數將數值規范化；

輸出層：使用softmax方法分類處理；

所述圖像預處理模塊對輸入的熔池圖像進行預處理的具體操作包括以下步驟，

S1、圖像去冗余：刪除激光掃描間隙中沒有熔池的全黑圖像；

S2、圖像采樣：刪除由于相機高幀率所采集到的相鄰的特征相似的重復圖像，提取出特征明顯的優質圖像；

S3、分割提?。簩Σ襟ES2中提取出來的優質圖像進行熔池區域分割，刪除圖像中的黑色背景，提取出圖像中含有熔池、濺射的圖像區域；

S4、圖像網格化：將步驟S3中提取到的熔池部分分割成32*32像素大小的圖像，作為熔池圖像分類識別模塊的輸入；

所述圖像重組模塊對圖像的具體處理操作包括以下步驟，

S5：將熔池圖像分類識別模塊輸出的32×32大小的分類圖像使用閾值分割，將大于背景像素值的熔池和濺射部分用紅線圈出，輸出帶有熔池和濺射部分標記的分類結果圖像；

S6：通過圖像拼接重組恢復出分類標記的熔池、濺射的全貌圖像。

2.根據權利要求1所述的基于卷積神經網絡的激光選區熔化熔池圖像分析系統，其特征在于，所述熔池圖像采集模塊使用高速相機對激光選區熔化過程中的熔池圖像進行實時采集。