[發明專利]一種樣本可均衡的曲軸表面缺陷檢測方法及檢測系統

有效

• 申請號: 202210807630.4
• 申請日: 2022-07-11
• 公開（公告）號: CN114862863B
• 公開（公告）日: 2022-09-20
• 發明（設計）人: 謝羅峰;朱楊洋;劉衛民;殷鳴;殷國富;劉建華;楊揚;賴光勇;楊敏;余雅彬
• 申請（專利權）人: 四川大學;四川飛亞動力科技股份有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06V10/774;G06V10/82
• 代理公司: 成都環泰專利代理事務所(特殊普通合伙) 51242
• 代理人: 李斌;李輝

本發明公開了一種樣本可均衡的曲軸表面缺陷檢測方法及檢測系統，檢測方法包括：構建訓練樣本數據集，包括：在曲軸表面施加磁粉并以熒光照射，獲取曲軸的表面圖像；判斷并標注表面狀態，得到正常的圖像數據個、帶有缺陷的圖像數據個，定義張圖像作為一個數據樣本，當張圖像全部為正常圖像時此樣本才標記為正樣本，否則為負樣本，兩者構成訓練樣本數據集，的取值為(N+1）/(M+1)；基于深度學習卷積神經網絡模型進行訓練；將待檢測的曲軸的y張圖像與N中的x?y張圖像形成一個數據樣本，通過深度學習識別模型確定曲軸表面情況。本發明能夠使得帶缺陷與正常的圖像數據保持均衡，并在同樣數量的圖像下起到樣本擴充的效果。

技術領域

本發明涉及曲軸表面檢測技術領域，特別是涉及一種樣本可均衡的曲軸表面缺陷檢測方法及檢測系統。

背景技術

曲軸是發動機的驅動軸，是每一臺發動機中最重要的組成部分，一般通過鍛造或鑄造工藝進行生產。曲軸經過鍛打或鑄造成型后，還需要經過熱處理、拋丸清理、探傷檢測等工序。在成型生產和熱處理中，曲軸極易產生各方面的生產缺陷，如剪切裂紋、鍛造折迭、淬火裂紋、磨削裂紋等。這些缺陷的存在極易使發動機在運行過程中發生斷裂造成安全事故和財產損失。因此，在生產的最后工序，檢測曲軸缺陷、發現質量問題在曲軸的生產過程中極其重要。

在我國，利用熒光磁粉探傷進行質量檢測的技術已廣泛地被應用于工業實際生產中，通過熒光磁粉進行無損探傷的方法仍屬于半自動化方式，這種方式將除了需要人工觀察進行缺陷確認外，其他步驟均采用機械和電氣部分進行了替代。在曲軸的缺陷檢測、半軸的缺陷檢測、工件裂紋質量檢測等方面都采用此種熒光磁粉探傷機進行檢測，曲軸具有表面平滑、缺陷在熒光燈下極易觀察的特點。曲軸表面缺陷多以裂紋為主，如果在工件表面施加磁粉，則會在工件表面呈現出線型的裂紋，工作人員通過在熒光燈下直接觀察判斷工件好壞的方式進行檢測。采用此種方式檢測工件表面或近表面缺陷，通常情況下可以取得較高的準確率。

然而，磁粉探傷檢測法工作環境非常惡劣，操作人員持久、單調地進行重復性的工作，很容易產生視覺疲勞造成缺陷的漏檢或誤判，檢測結果受主觀因素、視力和經驗的影響較大，并且長期被熒光燈照射對人體有害。

基于此，目前市場上出現了一些基于深度學習的卷積神經網絡模型，通過對零部件表面的圖像進行識別并分類，能夠得到表面檢測結果。由于深度學習是基于數據驅動的，識別算法性能的好壞和數據樣本的好壞有直接密切關系。在實際生產中，獲取的帶有缺陷的圖像數據遠少于正常圖像數據，傳統樣本制作方法使得正負樣本存在嚴重不均衡，這將對算法的性能造成嚴重影響。

發明內容

針對上述問題，本發明提供了一種樣本可均衡的曲軸表面缺陷檢測方法，使得訓練樣本數據集中負樣本和正樣本保持均衡，并且在采集相同圖像數量的情況下該樣本制作方法相比傳統的樣本制作方法還起到樣本擴充的效果。

本發明的技術方案是：

第一方面，本發明提供了一種樣本可均衡的曲軸表面缺陷檢測方法，包括：S1、構建訓練樣本數據集，包括：在曲軸表面施加磁粉并以熒光照射，獲取曲軸的表面圖像；判斷并標注表面圖像狀態，得到正常的圖像數據個、帶有缺陷的圖像數據個，定義x張圖像作為一個數據樣本，只有當x張圖像全部為正常圖像時，由該x張圖像組成的此樣本才標記為正樣本；x張圖像只要存在一張帶缺陷的圖像，由該x張圖像組成的此樣本便標記為負樣本；所述正樣本和負樣本則構成訓練樣本數據集；其中，x的具體數值由下式給出，化簡得；S2、基于深度學習卷積神經網絡模型，通過所述訓練樣本數據集對所述深度學習卷積神經網絡模型進行訓練，完成深度學習識別模型的構建；S3、獲取待檢測的曲軸的y張表面圖像，與從正常的圖像數據N中隨機選取的x-y張圖像組成一個待識別樣本，通過所述深度學習識別模型確定曲軸表面情況。