[發明專利]一種基于深度學習的無鉚釘鉚接接頭剖面圖像分割方法

在審

• 申請號: 202310581331.8
• 申請日: 2023-05-23
• 公開（公告）號: CN116630343A
• 公開（公告）日: 2023-08-22
• 發明（設計）人: 劉洋;吳慶軍;代祎琳
• 申請（專利權）人: 青島理工大學
• 主分類號: G06T7/11
• 分類號: G06T7/11;G06T7/194;G06T7/00;G06V10/26;G06V10/44;G06V10/764;G06V10/82;G06V10/32;G06N3/0455;G06N3/0464;G06N3/048;G06N3/08
• 代理公司: 北京佰智蔚然知識產權代理有限公司 37285
• 代理人: 趙奕

本發明提供一種基于深度學習的無鉚釘鉚接接頭剖面圖像分割方法，針對輕量化連接工藝獲取無鉚釘鉚接剖面圖像作為樣本圖像，構建初始數據集；分割模型采用基于卷積神經網絡(CNN)的編碼器??解碼器結構化深度學習模型(DeepLabv3+)，對初始數據集中的樣本圖像進行數據增強，進而獲得圖像增強后的訓練集；基于深度學習框架，搭建基于圖像實例分割的深度學習模型，利用增強后的訓練集訓練DeepLabv3+分割模型；應用訓練好的分割模型對無鉚釘鉚接剖面進行分割。本方法可以對無鉚釘鉚接剖面圖片進行圖像分割，克服現在工程師手動測量與標注剖面圖像存在的缺點。

技術領域

本發明主要涉及圖像分割與計算機視覺相關技術領域，具體是一種基于深度學習的無鉚釘鉚接接頭剖面圖像分割方法。

背景技術

節能與環保是當今汽車工業普遍關注的問題，其中輕量化和安全性是汽車車身設計和制造的永恒目標。在汽車制造中，鋁合金、鈦合金、復合材料等新的輕型材料被廣泛應用。其中，鋁合金具有密度小、強度高、導電性好、可加工性好等優點，已經成為汽車生產中常用的材料之一。同時，鈦合金具有強度高、耐腐蝕、比強度高等特點，也逐漸被用于汽車制造。此外，復合材料如碳纖維增強塑料，不僅具有輕量化和高強度的特點，還有良好的吸能、抗沖擊性能，在汽車制造中也被廣泛應用。因此開發一種可靠、快速的異種材料連接技術，避免特殊的表面處理，降低連接時間和成本是至關重要的。無鉚釘鉚接是近年來發展起來的新型連接技術，適用于異種材料、非金屬材料等難焊接材料的連接，它可以極大地降低車身重量。無鉚釘鉚接結構具有無裂紋、疲勞壽命長、吸能性優異、密封性好等優點，可以減少車輛的氣動阻力和油耗，并且無需使用緊固件，從而降低了制造成本和維修成本，滿足了日益增長的連接不同材料的需求。

鉚接工藝參數影響接頭的成形質量，導致接頭的強度、密封性和疲勞性能發生改變。無鉚釘鉚接接頭的成形截面參數包括自鎖值、頸部厚度和底部厚度三個重要指標。無鉚釘鉚接接頭屬于機械內鎖結構，從接頭外觀難以評判接頭的成形質量，工程中常采用剖面直觀檢測法對成形截面參數進行測量，從而優化連接工藝參數。

因此準確測量無鉚釘鉚接接頭截面的特征指標對評估接頭成形質量非常重要。傳統方法是通過不同連接工藝參數下的鉚接實驗獲得接頭截面樣本，使用特定相機對截面進行拍攝，隨后技術人員采用圖像處理軟件對每張圖像進行旋轉縮放并測量分析剖面圖像中不同材料的邊界區域及接頭成形截面參數。該方法受圖像質量、圖像分辨率和清晰度以及操作人員等多種因素的影響，可能會導致測量結果存在一定的誤差并且效率低，耗費時間，受主觀因素影響較大。

因此，在實際應用中，對接頭剖面圖像進行高效的分割非常困難。

發明內容

為解決目前技術的不足，本發明結合現有技術，從實際應用出發，提供一種基于深度學習的無鉚釘鉚接接頭剖面圖像分割方法，該方法利用深度學習算法和圖像增強技術對材料連接過程中產生的剖面圖像進行自動分割，無需人工干預，克服了現有技術中人工統計剖面圖像的缺點，與傳統方法相比，本發明的方法省去了手動分割的繁瑣流程，減少了人為誤差，提高了分割的準確性和效率；同時，通過實驗驗證，本發明的方法能夠有效地分割不同材料連接過程中的剖面圖像，為無鉚釘鉚接質量評估提供了一種新的自動化分析方法，該方法具有高度的準確性和效率。

為實現上述目的，本發明的技術方案如下：

一種基于深度學習的無鉚釘鉚接接頭剖面圖像分割方法，包括如下步驟，

步驟一：采集圖像數據，包括采集無鉚釘鉚接件的剖面圖像數據，對每一張樣本圖像進行標注，生成樣本圖像對應的標簽圖像，并構建初始數據集；

步驟二：數據預處理，包括對初始數據集進行數據增強，使其適合于深度學習模型的輸入；

步驟三：構建深度學習模型，包括基于深度學習框架，使用DeepLabv3+模型設計連接件剖面圖像DeepLabv3+分割模型，模型包括編碼器和解碼器部分，編碼器用于提取圖像的特征，解碼器用于對特征進行重建以獲得圖像分割結果；