[發(fā)明專利]基于卷積置信生成對抗網(wǎng)絡模型的船舶焊縫缺陷檢測方法

在審

• 申請?zhí)枺?/td>: 202210340710.3
• 申請日: 2022-04-02
• 公開（公告）號: CN114694028A
• 公開（公告）日: 2022-07-01
• 發(fā)明（設計）人: 邵奇;孫宏偉;劉超;張本順;廖良闖;孟祥慈;王紀潼;張人杰;袁明新;楊秋林
• 申請（專利權(quán)）人: 中國船舶重工集團公司第七一六研究所;國機工業(yè)互聯(lián)網(wǎng)研究院（河南）有限公司
• 主分類號: G06V20/10
• 分類號: G06V20/10;G06V10/762;G06V10/774;G06V10/764;G06V10/82;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 南京理工大學專利中心 32203
• 代理人: 朱炳斐

本發(fā)明公開了一種基于卷積置信生成對抗網(wǎng)絡的船舶焊縫缺陷檢測方法。搭建生成對抗網(wǎng)絡，利用該網(wǎng)絡的對抗博弈式學習特性，基于不平衡樣本擴充數(shù)據(jù)集，生成平衡數(shù)據(jù)集，用于船舶焊縫缺陷檢測。搭建基于深度卷積置信網(wǎng)絡的生成器與判別器，使兩者都能學習到豐富的船舶焊縫特征，解決生成對抗網(wǎng)絡訓練不佳的問題；其中提出的置信層，構(gòu)成深度聚類器，對卷積層與全連接層中輸出的深層隱藏特征進行聚類分析，能夠通過捕獲相似樣本間的聯(lián)系提高檢測率。利用無監(jiān)督式貪心思想逐層預訓練網(wǎng)絡，待一層網(wǎng)絡訓練最優(yōu)化時，開始訓練下一層網(wǎng)絡。該方法有效解決了焊縫數(shù)據(jù)不平衡、缺陷特征標注難及多缺陷夾雜存在等技術(shù)難點，實現(xiàn)了船舶焊縫缺陷的高效和有效檢測。

技術(shù)領域

本發(fā)明屬于模式識別技術(shù)領域，涉及基于X射線圖像的船舶焊縫缺陷檢測技術(shù)，尤其涉及一種基于卷積置信生成對抗網(wǎng)絡模型的船舶焊縫缺陷檢測方法。

背景技術(shù)

焊接是船舶建造的主要工藝，但由于焊接過程是一個多因素耦合的復雜相變過程，極易受到外部環(huán)境和人為因素的干擾，在焊縫成型過程中通常會產(chǎn)生夾渣、裂紋、氣孔、未焊透等難以預測的焊接缺陷，這些缺陷會嚴重降低焊接構(gòu)件的機械性能，從而對船舶關鍵零部件的安全性能往往造成很大的不利影響。為了及時發(fā)現(xiàn)焊縫存在的缺陷，焊接缺陷無損檢測成為了主要技術(shù)手段，而X射線無損檢測技術(shù)以其無損、精準、快捷等優(yōu)點在實際焊接缺陷檢測過程中得到了廣泛應用。

隨著計算機視覺的發(fā)展，基于X射線圖像的焊縫缺陷檢測技術(shù)得到了快速發(fā)展和應用。現(xiàn)有的焊縫缺陷檢測大致分為兩類：基于數(shù)字圖像處理以及基于機器學習的缺陷檢測。前者包括：基于Canny算子的邊緣提取、基于局部特征提取、基于OSTU的邊緣檢測等，這些方法普遍存在易受噪音、相似背景顏色及多種缺陷混雜的影響；后者包括：人工神經(jīng)網(wǎng)絡、支持向量機等，然而其學習性能十分依賴于樣本庫對缺陷的代表能力，以及學習模型的準確程度。

得益于大數(shù)據(jù)的發(fā)展和強大計算能力的提升，深度學習因具有特征自動學習優(yōu)點，并能通過將學習融入到模型建立過程中來減少人為設計特征可能，已成為當前焊縫缺陷識別領域的熱點機器學習方法，尤其在船舶焊縫缺陷檢測中也開始嘗試使用，但該方法十分依賴數(shù)據(jù)集，在應用中仍然存在以下技術(shù)難點：

(1)在船舶實際焊接過程中，每一種缺陷(如夾渣、裂紋、氣孔、未焊透)產(chǎn)生的概率不是等同的，因此利用X射線探測所獲得圖片通常可能出現(xiàn)嚴重的不平衡類問題，不平衡缺陷數(shù)據(jù)會影響模型學習，進而降低模型泛化能力且容易發(fā)生欠擬合；

(2)由于船舶焊縫缺陷檢測存在多種缺陷夾雜且存在嚴重數(shù)據(jù)不平衡問題，若期待獲得良好的采樣效果，則需要擁有對船舶焊縫缺陷足夠的先驗知識；且由于多種缺陷類型混雜在一張圖片中，更加大了人工標注類別的難度。若對上述問題處理不當，易造成模型欠擬合現(xiàn)象。

(3)現(xiàn)有船舶焊接缺陷的特征提取主要是基于焊縫的幾何、強度和背景特性進行，但特征繁多冗雜，這對深度學習網(wǎng)絡模型的訓練影響非常大，而且直接影響到識別準確。

因此，基于深度學習的船舶焊縫缺陷檢測需要突破數(shù)據(jù)不平衡、缺陷特征選擇以及人工標注難度大等技術(shù)難點，才能實現(xiàn)船舶焊縫缺陷的高效和有效檢測。

發(fā)明內(nèi)容

本發(fā)明的目的在于針對現(xiàn)有技術(shù)存在的問題，提供一種基于卷積置信生成對抗網(wǎng)絡模型的船舶焊縫缺陷檢測方法，融合不平衡數(shù)據(jù)及深度聚類的卷積置信生成對抗神經(jīng)網(wǎng)絡模型，從而提高船舶焊縫缺陷識別效率。

實現(xiàn)本發(fā)明目的的技術(shù)解決方案為：一種基于卷積置信生成對抗網(wǎng)絡模型的船舶焊縫缺陷檢測方法，所述方法包括以下步驟：

步驟1，獲取若干船舶焊縫圖像，構(gòu)建焊縫數(shù)據(jù)集；

步驟2，構(gòu)建卷積置信生成對抗網(wǎng)絡模型；

步驟3，利用焊縫數(shù)據(jù)集訓練卷積置信生成對抗網(wǎng)絡模型，生成用于焊縫缺陷檢測的卷積置信生成對抗網(wǎng)絡模型；