[發(fā)明專利]基于卷積神經(jīng)網(wǎng)絡的激光選區(qū)熔化熔池圖像分析系統(tǒng)

有效

• 申請?zhí)枺?/td>: 202110303918.3
• 申請日: 2021-03-22
• 公開（公告）號: CN113077423B
• 公開（公告）日: 2023-06-09
• 發(fā)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(chuàng)天下知識產權代理事務所(普通合伙) 61239
• 代理人: 婁柱

本發(fā)明公開了一種基于卷積神經(jīng)網(wǎng)絡的激光選區(qū)熔化熔池圖像分析系統(tǒng)，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(shù)據(jù)可視化模塊和數(shù)據(jù)存儲模塊；熔池圖像采集模塊采集的熔池圖像經(jīng)過圖像預處理模塊的預處理后，依次經(jīng)過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，進而對激光選區(qū)熔化過程中熔池的質量進行評價；數(shù)據(jù)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，數(shù)據(jù)存儲模塊對所有數(shù)據(jù)進行存儲。本發(fā)明可以實時監(jiān)測熔池狀態(tài)，快速處理熔池監(jiān)控中的大量圖像數(shù)據(jù)，分析激光選區(qū)熔化過程中可能出現(xiàn)的質量問題。

技術領域

本發(fā)明涉及增材制造技術領域，尤其涉及基于卷積神經(jīng)網(wǎng)絡的激光選區(qū)熔化熔池圖像分析系統(tǒng)。

背景技術

不同于鑄造和鍛造部件中出現(xiàn)的缺陷，激光選區(qū)熔化部件存在許多獨有的缺陷，例如孔隙率大、熔合不良、形狀畸變等，這些缺陷的形成與激光選區(qū)熔化過程中粉末的冶金參數(shù)、打印工藝等密不可分。因此，研究者必須更好地理解激光選區(qū)熔化中各種加工參數(shù)與產品性能之間的復雜關系，才能實現(xiàn)減少產品缺陷、提高制造質量的目的。

為了理解這些參數(shù)與最終制造質量之間的關系，目前學者提出了兩種驅動方式：一種是物理驅動，即研究人員通過建立各種物理模型，以一種清晰、準確的方式對這種關系進行描述，但是由于缺乏對激光選區(qū)熔化的深入理解，這些模擬研究只能集中于整個激光選區(qū)熔化過程的一個或兩個方面，通過這些物理驅動的方法不可能在短時間內快速準確地預測整個激光選區(qū)熔化過程；除了上述物理驅動模型外，數(shù)據(jù)驅動的模型也已廣泛應用于增材制造領域，這些模型統(tǒng)一稱為機器學習算法(Machine?Learning，ML)。數(shù)據(jù)驅動的優(yōu)勢在于其不需要構建一系列基于物理過程的方程，而是根據(jù)以前的數(shù)據(jù)自動學習輸入特征和輸出目標之間的關系。在機器學習方法中，神經(jīng)網(wǎng)絡(Neural?Network，NN)算法最為廣泛使用，并且由于當前大量可用的數(shù)據(jù)和計算資源，以及其先進的算法結構，該算法目前正在快速發(fā)展。

激光選區(qū)熔化在線監(jiān)測硬件可以從多個傳感器獲得大量過程參數(shù)信息與數(shù)據(jù)，將這些加工參數(shù)信息數(shù)據(jù)作為神經(jīng)網(wǎng)絡的輸入，經(jīng)過神經(jīng)網(wǎng)絡的數(shù)據(jù)清洗、特征提取、特征選擇、數(shù)據(jù)挖掘等過程，就可實現(xiàn)加工參數(shù)與產品質量之間復雜的非線性關系的表征，最終可以進行缺陷判別和質量分析，進而就能實現(xiàn)對激光選區(qū)熔化過程的全閉環(huán)控制。

目前，國內乃至國外都還沒有一套完整的能夠對激光選區(qū)熔化過程中熔池圖像進行評價分析的系統(tǒng)，在進行激光選區(qū)熔化熔池圖像評價分析時往往需要人為去處理一些參數(shù)才能夠得到最終的分析結果，不僅耗時較長，還可能存在人為因素導致的分析結果不精確等問題。

發(fā)明內容

針對上述存在的問題，本發(fā)明旨在提供一種基于卷積神經(jīng)網(wǎng)絡的激光選區(qū)熔化熔池圖像分析系統(tǒng)，能夠實時采集激光選區(qū)熔化過程中的熔池圖像，基于卷積神經(jīng)網(wǎng)絡進行評價分析，避免了人為因素導致的誤差，能夠實時對熔池中的情況進行監(jiān)測評價，評價結果精確度高，所需時間較短。

為了實現(xiàn)上述目的，本發(fā)明所采用的技術方案如下：

基于卷積神經(jīng)網(wǎng)絡的激光選區(qū)熔化熔池圖像分析系統(tǒng)，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(shù)據(jù)可視化模塊和數(shù)據(jù)存儲模塊；

所述熔池圖像采集模塊對激光選區(qū)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(jīng)網(wǎng)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；