[發明專利]一種固結磨料研拋墊表面磨損狀況定量化判定方法及系統

在審

• 申請號: 202210059977.5
• 申請日: 2022-01-19
• 公開（公告）號: CN114418885A
• 公開（公告）日: 2022-04-29
• 發明（設計）人: 杜留鋒;王占奎;逄明華;蘇建修;馬利杰;張召;李勇峰;張亞奇;吳婷婷
• 申請（專利權）人: 河南科技學院
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06T7/00;G06T17/00;G06N3/08;G06N3/04;G06K9/62;G06V10/774;G06V10/82
• 代理公司: 北京高沃律師事務所 11569
• 代理人: 劉芳

1.一種固結磨料研拋墊表面磨損狀況定量化判定方法，其特征在于，包括：

獲取工件研拋過程中每一加工階段的固結磨料研拋墊FPA表面圖像和固結磨料研拋墊FPA三維表面形貌圖；

對每一加工階段的所述FPA表面圖像進行預處理，得到預處理后的FPA表面圖像；所述預處理后的FPA表面圖像包括銳化濾波后的梯度圖、梯度圖的頻譜數據、FPA表面結構化矩陣和FPA表面變化矩陣；

將所述銳化濾波后的梯度圖、所述梯度圖的頻譜數據、所述FPA表面結構化矩陣和所述FPA表面變化矩陣合并為多通道FPA表面圖像樣本；

對每一加工階段的所述FPA三維表面形貌圖進行三維形貌分析，計算FPA表面粗糙度定量數據；

根據每一加工階段的所述FPA表面粗糙度定量數據和工件材料去除率得到每一加工階段的FPA表面的磨損狀況；

對每一加工階段的所述多通道FPA表面圖像樣本，利用對應加工階段的所述FPA表面的磨損狀況設定標簽，得到附有標簽的多通道FPA表面圖像樣本；

基于三維卷積神經網絡模型和輕量化長短期記憶網絡架構構建改進后的三維卷積神經網絡模型；

根據所有加工階段的所有所述附有標簽的多通道FPA表面圖像樣本對所述改進后的三維卷積神經網絡模型進行訓練，得到磨損狀況定量化判定模型。

2.根據權利要求1所述的方法，其特征在于，所述對每一加工階段的所述FPA表面圖像進行預處理，得到預處理后的FPA表面圖像，具體包括：

對每一加工階段的所述FPA表面圖像進行圖像分割，得到多個FPA表面子圖；所述FPA表面圖像包括若干張FPA表面不同位置的圖像；

利用銳化濾波Sobel算子對每一所述FPA表面子圖進行銳化濾波，得到多個銳化濾波后的梯度圖；

利用二維離散傅里葉變換對每一所述銳化濾波后的梯度圖進行頻譜計算，得到多個梯度圖的頻譜數據；

利用矩陣分解算法對每一所述銳化濾波后的梯度圖進行表面變化信息與結構化信息分離，得到多個FPA表面結構化矩陣和多個FPA表面變化矩陣。

3.根據權利要求2所述的方法，其特征在于，所述利用銳化濾波Sobel算子對每一所述FPA表面子圖進行銳化濾波，得到多個銳化濾波后的梯度圖具體包括：

確定所述Sobel算子的濾波因子；

將所述濾波因子與每一所述FPA表面子圖進行卷積操作提取圖像邊緣灰度突變，獲得圖像在水平/垂直方向上的梯度，即得到銳化濾波后的梯度圖。

4.根據權利要求2所述的方法，其特征在于，所述利用矩陣分解算法對每一所述銳化濾波后的梯度圖進行表面變化信息與結構化信息分離，得到多個FPA表面結構化矩陣和多個FPA表面變化矩陣，具體包括：

根據所述銳化濾波后的梯度圖的表面結構化信息與表面變化信息構建目標函數和約束條件；所述目標函數為所述約束條件為s.t.A+E＝G其中，A和E分別代表梯度圖G中的表面結構化信息與變化信息；|| ||_*為核范數、|| ||₁為范數；λ表示超參數，用以控制變化信息比重；

基于所述目標函數和所述約束條件構建表面結構化信息與表面變化信息的拉格朗日等式；所述拉格朗日等式為其中，·,·、|| ||_F分別表示矩陣內積與F-范數，Ψ、μ分別表示乘系數與罰因子；

利用交替方向乘子法ADMM優化框架對所述拉格朗日等式進行迭代求解，得到所述FPA表面結構化矩陣和所述FPA表面變化矩陣。