[發明專利]用于檢測生產環境中焊接質量的方法、設備、介質

有效

• 申請號: 202111545359.3
• 申請日: 2021-12-16
• 公開（公告）號: CN114202224B
• 公開（公告）日: 2023-01-03
• 發明（設計）人: 孫斌;張志軍;易武;彭飛;易秋明;葉軍
• 申請（專利權）人: 蘊碩物聯技術（上海）有限公司
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06N20/00
• 代理公司: 上海三和萬國知識產權代理事務所(普通合伙) 31230
• 代理人: 周建華

1.一種用于檢測生產環境中焊接質量的方法，其中，所述方法包括：

獲取生產環境中目標焊接任務對應的目標檢測數據；

基于所述目標檢測數據及所述生產環境對應的焊接質量檢測模型，確定所述目標焊接任務的焊接質量信息，其中，所述焊接質量檢測模型由生產樣本數據與參考樣本數據通過機器學習訓練所得，所述生產樣本數據包括從所述生產環境中獲取的多個數據樣本，所述參考樣本數據包括焊接實驗室樣本數據、行業樣本數據；

其中，所述焊接質量檢測模型包括多個子檢測模型，所述子檢測模型由訓練樣本數據及訓練樣本數據權重通過機器學習訓練所得，所述訓練樣本數據包括若干個取自所述參考樣本數據的第一子訓練樣本數據及若干個取自所述生產樣本數據的第二子訓練樣本數據，所述訓練樣本數據權重根據前一輪訓練所得子檢測模型更新；

所述訓練樣本數據權重包括所述第一子訓練樣本數據對應的權重與所述第二子訓練樣本數據對應的權重，更新所述訓練樣本數據權重用于降低預測輸出錯誤的第一子訓練樣本數據對應的權重、提高預測輸出錯誤的第二子訓練樣本數據對應的權重，所述訓練樣本數據權重基于樣本權重閾值以及錯誤率更新；若所述錯誤率小于所述樣本權重閾值，先基于所述錯誤率確定所述第一子訓練樣本數據對應的第一權重調整速率，以及所述第二子訓練樣本數據對應的第二權重調整速率，再根據所述第一權重調整速率更新所述第一子訓練樣本數據對應的權重，根據所述第二權重調整速率更新所述第二子訓練樣本數據對應的權重；否則，繼續使用所述訓練樣本數據權重；

所述樣本權重閾值通過將所述生產樣本數據與所述參考樣本數據的相對熵輸入所述焊接質量檢測模型對應的核函數來確定，所述相對熵基于所述生產樣本數據與所述參考樣本數據中每個數據樣本對應的若干個機理特征信息，以及其中每個機理特征信息所屬機理特征對應的特征權重信息確定；所述相對熵基于所述生產樣本數據與所述參考樣本數據中每個數據樣本對應的若干個機理特征信息，以及其中每個機理特征信息所屬機理特征對應的特征權重信息確定包括：基于所述若干個機理特征信息，以及焊接領域專家知識，確定多個機理特征中每個機理特征對應的特征權重信息，其中所述若干個機理特征信息中每個機理特征信息一一對應地屬于所述多個機理特征中一個機理特征；并基于所述生產樣本數據與所述參考樣本數據中每個數據樣本對應的若干個機理特征信息，確定每個機理特征對應的子相對熵；根據所述每個機理特征對應的子相對熵及所述特征權重信息，確定所述參考樣本數據與所述生產樣本數據的相對熵；所述錯誤率基于所述子檢測模型及驗證數據計算。

2.根據權利要求1所述的方法，其中，所述方法還包括：

從所述多個子檢測模型中確定適合所述目標焊接任務的若干個子檢測模型；

所述基于所述目標檢測數據及所述生產環境對應的焊接質量檢測模型，確定所述目標焊接任務的焊接質量信息，其中，所述焊接質量檢測模型由生產樣本數據與參考樣本數據通過機器學習訓練所得包括：

基于所述目標檢測數據，確定所述若干個子檢測模型中每個子檢測模型對應的子檢測結果；

基于所述若干個子檢測模型中每個子檢測模型對應的子檢測結果確定所述目標焊接任務的焊接質量信息。

3.根據權利要求2所述的方法，其中，所述從所述多個子檢測模型中確定適合所述目標焊接任務的若干個子檢測模型包括：

根據所述目標焊接任務從所述多個子檢測模型中確定適合所述目標焊接任務的若干個子檢測模型。

4.根據權利要求1至3中任一項所述的方法，其中，所述獲取生產環境中目標焊接任務對應的目標檢測數據包括：

獲取生產環境中目標焊接任務對應的焊接參數時序信息，其中所述焊接參數時序信息是在執行所述目標焊接任務的焊接過程中實時采集的；

對所述焊接參數時序信息進行預處理，確定所述目標焊接任務對應的目標檢測數據。