一种基于多源数据的高反光金属锆带表面缺陷检测方法与流程

本申请涉及金属锆带，尤其涉及一种基于多源数据的高反光金属锆带表面缺陷检测方法。

背景技术：

1、高反光金属锆带作为核工业、高端精密制造等领域的核心基础材料，其表面质量直接决定产品的力学性能、耐蚀性能与服役安全性，表面划痕、凹坑、成分偏析等缺陷是生产制程中需严格管控的关键质量指标，高效、精准的表面缺陷检测技术是保障金属锆带产品合格出厂的重要前提。

2、传统高反光金属锆带表面缺陷检测常采用二维光学成像的检测方式，仅通过工业相机采集锆带表面的反射光强度图像，依托灰度阈值分割、边缘检测等传统图像处理算法完成表面缺陷的识别与定位。

3、然而，传统方法采用二维光学成像数据的单一数据源，易受金属锆带高反光特性的严重干扰，无法真实、完整地反映锆带表面的三维形貌与材料成分特征，从而导致缺陷检测过程中出现大量漏检与误检情况，最终难以实现高反光金属锆带表面缺陷的高精度、高可靠性检测。

技术实现思路

1、针对现有技术的不足，本发明提供了一种基于多源数据的高反光金属锆带表面缺陷检测方法，来解决背景技术中的存在的问题。

2、为实现以上目的，本发明通过以下技术方案予以实现：一种基于多源数据的高反光金属锆带表面缺陷检测方法，包括以下步骤：

3、s1：对金属锆带表面进行多源数据采集，得到金属锆表面数据；

4、s2：将所述金属锆表面数据输入到多模态编码器模型中，输出得到金属锆表面融合特征图；

5、s3：将所述金属锆表面融合特征图输入到改进的对抗生成网络模型中，输出得到标准模板特征图；

6、s4：将所述金属锆表面融合特征图与所述标准模板特征图进行比较，得到金属锆表面残差图，对所述金属锆表面残差图进行解码，得到金属锆表面缺陷位置，从而实现金属锆表面的缺陷检测。

7、本发明提供了一种基于多源数据的高反光金属锆带表面缺陷检测方法，涉及机器学习和深度学习技术，其具备以下有益效果：

8、（1）、解决了传统单一二维光学成像易受高反光干扰、信息维度单一导致的漏检误检问题，本发明采用三个结构专用的编码器模型，分别对空间严格配准的二维反射光强度图像、三维高度图和光谱数据立方体进行深度特征提取：图像特征编码器提取表面视觉纹理特征，几何特征编码器提取不受反光特性干扰的三维形貌特征，光谱特征编码器提取材料元素组成特征。通过通道维度拼接融合形成统一的多模态融合特征图，实现了外观、形貌、成分三类信息的本质互补，构建了全方位、高鲁棒性的表面状态感知能力，为后续精准缺陷检测奠定了坚实的特征基础，显著降低了高反光导致的误检率，以及形貌类、成分类缺陷的漏检率。

9、（2）、解决了工业质检中缺陷样本标注成本高、形态多变难以预先建模的行业难题。本发明引入双域无监督对抗生成网络模型，仅利用无缺陷合格样本集和未标注的待测样本集进行训练，无需任何像素级或图像级的缺陷标注。通过生成器与判别器的对抗性训练，使生成器学会将可能包含各类缺陷的待测融合特征图映射到合格样本的特征分布空间，为每个待测样本生成专属的无缺陷标准模板。由此无需预先定义或穷举所有缺陷类型，即可构建高质量的检测参照系，大幅降低了模型训练的数据成本和时间成本，能够快速适配生产线不断出现的新型缺陷。

10、（3）、通过对基础对抗生成网络的关键性改进，显著提升了无缺陷模板的生成质量和缺陷检测的准确性。本发明采用多尺度深度残差循环生成对抗网络结构，针对性解决了传统生成器难以处理多尺度缺陷、易发生模式崩溃、生成模板背景保真度低的问题：生成器采用基础尺度、空洞卷积、大卷积核三条并行支路的多尺度结构，能够同时捕获局部细节、中等范围上下文和大范围结构信息，实现了对微小划痕、中等凹坑、大范围成分偏析等不同尺度缺陷的精准修复；引入循环一致性损失约束，强制域间映射双向可逆，有效防止了模式崩溃，保证了生成模板与输入样本背景结构的高度保真，从根本上避免了背景差异导致的误检；结合特征相似性损失，从感知层面进一步约束生成模板与真实合格样本的结构一致性，提升了生成模板的真实性和缺陷区域的修复精度。通过为对抗损失、循环一致性损失和特征相似性损失分配优化的权重系数，网络得以稳定训练并收敛。最终生成的无缺陷标准模板具备高保真度和强泛化能力，显著提升了后续残差比对缺陷检测的灵敏度和准确率。

11、应当理解，本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征，也不用于限制本申请的范围。本申请的其它特征将通过以下的说明书而变得容易理解。

1.一种基于多源数据的高反光金属锆带表面缺陷检测方法，其特征在于，包括：

2.根据权利要求1所述的基于多源数据的高反光金属锆带表面缺陷检测方法，其特征在于，所述金属锆表面数据包括二维反射光强度图像、二维高度图以及光谱数据立方体。

3.根据权利要求1所述的基于多源数据的高反光金属锆带表面缺陷检测方法，其特征在于，所述多模态编码器模型包括图像特征编码器、几何特征编码器、光谱特征编码器。

4.根据权利要求1-3中任一所述的基于多源数据的高反光金属锆带表面缺陷检测方法，其特征在于，所述将所述金属锆表面数据输入到多模态编码器模型中，输出得到金属锆表面融合特征图，包括：

5.根据权利要求1所述的基于多源数据的高反光金属锆带表面缺陷检测方法，其特征在于，所述将所述金属锆表面融合特征图输入到改进的对抗生成网络模型中，输出得到标准模板特征图，包括：

6.根据权利要求5所述的基于多源数据的高反光金属锆带表面缺陷检测方法，其特征在于，所述构建所述改进的对抗生成网络模型，包括：

7.根据权利要求6所述的基于多源数据的高反光金属锆带表面缺陷检测方法，其特征在于，所述生成器的结构包括：第一条支路、第二条支路、第三条支路、支路融合与输出重构层。

8.根据权利要求6所述的基于多源数据的高反光金属锆带表面缺陷检测方法，其特征在于，所述判别器的结构包括：第一卷积层、第二卷积层、第三卷积层、第四卷积层。

9.根据权利要求6所述的基于多源数据的高反光金属锆带表面缺陷检测方法，其特征在于，所述总损失函数为：

10.根据权利要求1所述的基于多源数据的高反光金属锆带表面缺陷检测方法，其特征在于，所述金属锆表面残差图的计算公式为：