[發明專利]一種針對復合材料鋪放缺陷識別定位系統

在審

• 申請號: 202210406984.8
• 申請日: 2022-04-18
• 公開（公告）號: CN114913129A
• 公開（公告）日: 2022-08-16
• 發明（設計）人: 張勇德;王瑋;郭中華;何大亮;呂小兵;郝靜怡;冀陽春
• 申請（專利權）人: 中航西安飛機工業集團股份有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/70;G06V10/74;G06V10/764;G06V10/774
• 代理公司: 中國航空專利中心 11008
• 代理人: 杜永保

本發明提供了一種針對復合材料鋪放缺陷識別定位系統，它是由工業攝像機、后臺分析服務器、系統客戶端組成，其特征在于工業攝像機實時采集復合材料鋪放過程中的實時鋪絲圖像，通過有線網絡設備將實時鋪絲圖像發送至后臺分析服務器，后臺分析服務器配置有復合材料鋪放缺陷智能識別算法平臺，后臺分析服務器針對實時鋪絲圖像進行缺陷分析，并將有鋪放缺陷的鋪絲圖像實時反饋至客戶端。本發明能夠滿足飛機復合材料鋪絲缺陷檢測的效率和精度，實時智能識別鋪絲過程中缺陷類型、坐標等信息，為產品質量提供依據，具有高效、可靠等優勢。

技術領域

本發明涉及一種針對復合材料鋪放缺陷識別定位系統，主要適用于復合材料鋪放過程中的鋪絲缺陷圖像識別。

背景技術

復合材料是航空制造企業的重要材料，具有輕質的特點。新一代飛機材料將逐步采用復合材料替代傳統材料，其目的就是為了減重。復合材料鋪絲缺陷包括間隙/搭接、外來物、褶皺、架橋、缺絲、翻邊、氣泡，人工在線檢測的方易受檢測員主觀經驗影響，在檢測任務量大且鋪絲速度快時容易造成漏檢等問題。因此，復合材料鋪放缺陷識別定位系統將很大程度保證復合材料的鋪絲質量，提升了復材零部件的制造效率。

隨著基于深度學習的缺陷視覺檢測技術的快速發展，以深度神經網絡實現對缺陷圖像特征的學習和自動提取，從而實現從原始數據輸入到缺陷類型和定位結果反饋的端到端智能識別模式。目前，基于深度學習的卷積神經網絡算法能夠自動化提取復雜特征，適用于各類復雜缺陷識別應用場景，主要分為雙階段檢測和單階段檢測。早期雙階段識別方法包算法R-CNN、SPP-net、Fast R-CNN以及Faster R-CNN。由于兩階段目標檢測算法的計算量和參數仍然較大，無法滿足實時檢測和批量應用的需求。單階段檢測方法包括YOLO系列和SSD系列。輸入圖像僅需一次前向推斷，即可預測出圖像中所有目標位置及類別信息，但由于其目標識別尺度、精度、效率的問題，難以滿足對復合材料鋪絲缺陷的檢測精度和實時性要求。

針對復合材料鋪絲機在自動鋪放過程中表面質量檢測仍然依靠人工目測，手工鋪放更是缺乏對鋪放質量的實時檢驗，導致鋪絲質量檢測效率低且誤差大的問題，嚴重影響了復材零部件的制造效率，因此需借助新一代圖像智能識別技術進行鋪絲缺陷自動化檢測。

發明內容

為了克服機器快速鋪絲過程中人眼判斷的不足，本發明提供了一種針對復合材料鋪放缺陷識別定位系統，該系統實時準確、穩定可靠，實現了復合材料鋪放過程中的鋪絲缺陷實時檢測功能。

本申請解決其技術問題所采用的技術方案是：

一種針對復合材料鋪放缺陷識別定位系統，包含工業攝像機、后臺分析服務器、系統客戶端，工業攝像機實時采集復合材料鋪放過程中的實時鋪絲圖像，通過有線網絡設備將實時鋪絲圖像發送至后臺分析服務器，后臺分析服務器配置有復合材料鋪放缺陷智能識別算法平臺，具體步驟如下：

S1：利用鋪絲機上的工業攝像機實時收集鋪絲圖像，對實時收集的鋪絲圖像人工篩選出鋪絲缺陷圖像，對每一張鋪絲缺陷圖像中的鋪絲缺陷進行分類定位標注，建立復合材料鋪絲缺陷圖像數據集；

S2：搭建復合材料的鋪絲缺陷識別模型，利用復合材料鋪絲缺陷圖像數據集對鋪絲缺陷識別模型進行訓練，訓練時加入圖像預處理和數據增強模塊，提升鋪絲缺陷識別模型的泛化性；

S3：根據現場鋪絲過程中對缺陷檢測速度的要求，對鋪絲缺陷識別模型進行壓縮，計算鋪絲缺陷識別模型中每層網絡輸出特征通道的相似度，用以判斷并剪枝相似冗余特征通道，獲得輕量化鋪絲缺陷識別模型；

S4：對輕量化鋪絲缺陷識別模型再通過復合材料鋪絲缺陷圖像數據集進行訓練，直至鋪絲缺陷識別模型訓練損失值收斂，得到最終的鋪絲缺陷識別模型；

S5：采用最終的鋪絲缺陷識別模型，對復合材料鋪放過程中的實時鋪絲圖像進行鋪絲缺陷識別，并將識別結果包括缺陷類型與缺陷定位坐標實時反饋至客戶端顯示。