一种适用于环形内壁异物处理的检测方法
本发明涉及计算机视觉与工业质检,具体涉及一种适用于环形内壁异物处理的检测方法。
背景技术:
1、在高端装备制造领域,环形结构部件凭借其独特的圆柱适配形态,成为适配新能源汽车电机控制器、工业伺服驱动系统、航空航天机载电源等设备紧凑安装空间的关键载体。然而,受焊接工艺限制、内壁空间遮挡、操作视角受限等因素影响,环形部件内壁区域极易出现焊珠飞溅、焊锡残留等附着性异物,此类异物在相邻线路间极易形成导电桥引发短路故障,导致设备失效甚至引发安全事故。针对环形结构部件内壁异物的检测需求,现有工业检测手段主要分为二维视觉检测与三维形貌检测两大类,但二者均存在显著的技术局限性:
2、 1.二维检测以常规aoi平面成像、灰度阈值分割、边缘特征匹配及传统视觉算法为主,受环形腔体封闭式结构限制,内壁区域存在严重视角盲区,加之内壁光照不均匀、曲面反光杂乱、基材底色复杂,算法难以有效区分目标缺陷与背景噪声,普遍存在漏检率与误检率偏高的问题。
3、2.三维检测主流技术包含单线/多线激光扫描、条纹结构光、面阵光栅投影、激光共聚焦显微检测等,其中激光扫描方式受环形内壁狭窄周向空间约束,扫描行程受限、死角较多,无法实现内壁全域全覆盖采集,对微量细小焊锡的高度与尺寸辨识精度不足;结构光及光栅投影技术在白色高反光焊锡表面易产生高光弥散、光影畸变、投影条纹错乱现象,造成点云缺失、形貌重建偏差,难以精准还原焊锡真实形态与分布位置;而激光共聚焦类高精度设备造价昂贵、扫描耗时久、检测效率低,仅适用于实验室抽样抽检,无法适配产线连续化、大批量在线质检的应用要求。
4、因此,现需要一种既能够有效解决样本不足,又能实现异物高精度检测的适用于环形内壁异物处理的检测方法。
技术实现思路
1、本发明的目的在于提供一种适用于环形内壁异物处理的检测方法,旨在解决工业场景中环形结构部件内壁异物样本稀缺、异物检测精度不足的问题。
2、为实现上述目的,本发明提供了一种适用于环形内壁异物处理的检测方法,具体包括如下步骤:
3、 s1,将真实的无异物环形内壁图像输入扩散模型,训练扩散模型学习环形内壁结构分布,生成若干无异物背景图像。
4、s2,通过分割模型对真实的无异物环形内壁图像中的焊点区域进行分割,得到焊点前景图像。
5、s3,将焊点前景图像输入扩散模型,通过参数高效微调方法对扩散模型进行微调,得到微调好的扩散模型。
6、s4,利用微调好的扩散模型在焊点前景图像的限定区域内生成焊锡异物,并通过掩码提取有异物的焊锡前景。
7、s5,对得到的有异物的焊锡前景进行数据增强,得到若干不同形态的焊锡异物前景。
8、s6,将不同形态的焊锡异物前景融合至无异物背景图像的限定区域内,得到初始融合图像。
9、s7,对初始融合图像进行分块重绘处理,得到环形内壁异物合成样本。
10、s8,在训练阶段,利用环形内壁异物合成样本和真实采集的环形内壁异物样本对检测模块进行训练,得到训练好的检测模块,在推理阶段,输入待检测的图像,通过训练好的检测模块得到异物检测结果。
11、进一步地,步骤s1具体包括以下步骤:
12、 s1.1,将真实的无异物环形内壁图像输入扩散模型,训练扩散模型学习环形内壁部件的特征。
13、s1.2,基于训练后的扩散模型,生成若干与真实图像内壁结构和焊点特征一致的无异物背景图像。
14、进一步地,步骤s2具体包括如下步骤:
15、 s2.1,对真实的无异物环形内壁图像进行裁剪并记录裁剪区域的左上角位置偏移量,得到包括焊点特征的焊点区域图像。
16、s2.2,通过分割模型sam对焊点区域图像进行分割,将焊点前景与基底背景分离,得到焊点前景图像及对应的二值掩码矩阵,二值掩码矩阵中,焊点前景区域的掩码值为1,背景区域的掩码值为0。
17、进一步地,步骤s3包括如下步骤:
18、 s3.1,将焊点前景图像输入扩散模型,利用参数高效微调方法lora对扩散模型进行微调,冻结扩散模型主干网络的全部权重,在自注意力层中通过旁路分支插入低秩矩阵,微调训练过程中仅更新低秩矩阵的参数。
19、s3.2,通过二值掩码计算焊点区域的去噪损失,并根据去噪损失反向传播更新低秩矩阵的参数,得到微调好的扩散模型。
20、进一步地,步骤s3.2中,去噪损失的计算公式具体为:
21、 ;
22、其中,是掩码约束下的去噪损失函数,是掩码值为1的像素总数,是二值掩码矩阵在位置处的取值,当位于焊点区域时,,否则,是扩散模型在第个时间步对输入加噪潜在表征的预测噪声,是扩散时间步,是第个时间步的加噪潜在表征,是扩散模型可学习参数,是正向扩散过程中实际添加的高斯噪声。
23、进一步地,步骤s4具体包括如下步骤:
24、 s4.1,利用微调好的扩散模型在二值掩码限定的焊点区域内生成焊锡,得到初始焊锡异物图像。
25、s4.2,对初始焊锡异物图像进行掩码运算,得到有异物的焊锡前景,运算公式如下:
26、 ;
27、其中,为有异物的焊锡前景在像素位置处的像素值,为初始焊锡异物图像在像素位置处的像素值。
28、进一步地,步骤s5具体为,对焊锡前景进行参数化随机增强策略,生成若干不同形态的焊锡异物前景,参数化随机增强策略包括:
29、在预设尺寸范围内对有异物的焊锡前景进行等比例缩放或非比例拉伸。
30、基于有异物的焊锡前景轮廓进行弹性形变或局部腐蚀。
31、进一步地,步骤s6具体包括如下步骤:
32、 s6.1,根据裁剪时记录的左上角位置偏移量,将二值掩码矩阵与焊锡异物前景的坐标映射至无异物背景图像的对应区域。
33、s6.2,将不同形态的焊锡异物前景按照映射后的坐标位置逐像素叠加至无异物背景图像对应的焊点区域内,得到初始融合图像。
34、进一步地,步骤s7具体包括如下步骤:
35、 s7.1,将初始融合图像及对应的二值掩码按固定步长分割为若干有重叠区域的相同尺寸的子块。
36、s7.2,将分割后的各子块并行输入微调好的扩散模型,在二值掩码的约束下对掩码值为1的焊点区域进行重绘,得到重绘后的图像子块。
37、s7.3,通过加权融合算法将重绘后的图像子块拼接融合,得到环形内壁异物合成样本。
38、进一步地,步骤s8具体包括如下步骤:
39、 s8.1,利用环形内壁异物合成样本和真实采集的环形内壁异物样本构建检测训练集,输入yolov8n轻量化网络进行训练,通过多组对照训练确定最优训练轮次与模型参数,得到训练好的yolov8n模型。
40、s8.2,将待检测的环形内壁图像输入训练好的yolov8n模型,得到异物检测结果。
41、本发明具有如下有益效果:
42、本发明提供了一种适用于环形结构内壁异物处理的检测方法,能够在仅有少量真实异物样本参与训练的条件下,基于扩散模型生成若干符合环形内壁结构分布的环形内壁异物合成样本,环形内壁异物合成样本用于扩充异物检测模型的训练数据集,在整体结构、局部纹理和异物细节方面更加接近真实采集图像,有助于缓解样本分布不均衡问题,在一定程度上抑制检测模型的过拟合风险,并为提升模型在实际工程场景中的泛化能力提供数据层面的支持。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com