基于热成像时空特征的面罩点胶检测方法和系统与流程
本发明涉及面罩检测的,尤其涉及一种基于热成像时空特征的面罩点胶检测方法和系统。
背景技术:
1、随着医疗健康与工业防护领域的快速发展,各类面罩(如呼吸面罩、防护面罩、医用面罩等)的市场需求日益增长。在面罩的生产制造过程中,硅胶点胶工艺是至关重要的环节。硅胶垫圈不仅直接接触人体皮肤,决定了佩戴的舒适性,更起到了核心的密封与防护作用。然而,受限于点胶设备的机械振动、胶水材质的批次差异以及环境温湿度的变化,点胶过程中极易产生缺胶、胶线断层、气泡等各类缺陷。这些缺陷若未被及时发现,将导致面罩密封失效,严重威胁使用者的生命健康安全。因此,对面罩硅胶点胶质量进行严格、高效的缺陷检测,是保障产品良率和使用安全的关键。
2、目前,行业内针对点胶缺陷的检测多依赖于人工目视复检或传统的可见光机器视觉技术。人工检测存在主观性强、易疲劳、漏检率高且人力成本高昂等问题,难以满足现代化流水线的高速生产需求。而传统的可见光机器视觉方法虽然实现了一定程度的自动化,但由于面罩硅胶通常具有高透明度、高反光率以及与背景材质颜色相近等物理特性,可见光成像往往难以获得足够的对比度。此外,可见光仅能捕捉表面二维视觉特征,对于硅胶内部的微小气泡或固化不良等深层缺陷几乎无能为力。
3、为克服可见光成像的局限性,红外热成像技术逐渐被引入点胶检测领域。硅胶在施胶和固化过程中会伴随热量的释放与传导,热辐射图像能够有效反映胶水的空间分布与物理状态。然而,现有的基于热成像的检测方法大多仅停留在对单帧静态热图像的简单阈值分割或二维特征提取上,完全割裂了硅胶固化过程中的时间维度信息,无法捕捉温度随时间动态变化的丰富时空特征,导致检测精度受限。
4、近年来,部分研究尝试引入三维卷积神经网络来处理热辐射时序数据。但是,现有的深度学习模型通常仅将热辐射数据视为普通的视觉像素值集合,忽略了胶水材料在接缝方向与垂直方向上各向异性的热传导物理规律。这种脱离物理常识的纯数据驱动模型,在面对复杂多变的生产环境时泛化能力较差,极易受到环境热噪声的干扰。此外,在缺陷区域的提取与分类阶段,现有技术通常采用统一的形态学处理或简单的连通域面积过滤,缺乏针对不同缺陷类型的定制化形态学先验指导;并且往往忽视了实际点胶路径的空间先验约束,极易将背景区域的热噪声误判为缺陷,造成极高的误检率。
5、综上所述,如何充分利用热辐射图像的时空动态特征,将热传导物理规律深度融入神经网络的特征提取过程,并结合缺陷形态先验与空间路径约束,实现对面罩硅胶点胶缺陷的高精度、低误检率的自动化检测,是当前工业视觉检测领域亟待解决的技术难题。
技术实现思路
1、有鉴于此,本发明提供一种基于热成像时空特征的面罩点胶检测方法,目的在于通过融合各向异性热传导物理规律与各向异性热传导时空感知网络,并结合类型感知形态学先验与胶路空间有效性验证,实现对面罩硅胶点胶缺陷的高精度、强鲁棒性及低误检率的自动化检测,从而有效保障面罩产品的密封性能与生产质量。
2、实现上述目的,本发明提供的一种基于热成像时空特征的面罩点胶检测方法,包括以下步骤:
3、s1:基于胶水施胶动作与连续热辐射图像采集,提取温度-时间曲线以动态确定有效固化时间区间,并据此分段采样构建多阶段时序图像数据集;
4、s2:构建融合各向异性热传导物理规律的各向异性热传导时空感知网络,提取热辐射图像的时空特征图,并基于傅里叶热传导方程计算物理约束损失以指导网络训练;
5、s3:对时空特征图进行降维与分类处理生成多类别概率图,结合类型感知形态学先验与连通域分析提取各类缺陷候选区,并计算缺陷检测任务损失以构建联合训练总损失;
6、s4:结合预设的胶路模板掩膜对缺陷候选区进行空间有效性验证,依据缺陷类别与形态特征评估缺陷严重度等级,并最终生成结构化检测报告与判定结论。
7、作为本发明的进一步改进方法:
8、可选地,所述s1步骤,还包括:
9、s101:预先获取并存储标准面罩的胶路模板掩膜,其中胶路覆盖像素标注为1,背景像素标注为0;以胶水施胶动作的起始时刻为基准零点,控制红外热成像相机以预设帧率进行连续图像采集,形成总帧数为的热辐射图像原始序列,其中,为总采集时长;
10、s102:对所述热辐射图像原始序列中的每一帧图像附加时间戳标注,时间戳以基准零点为起点按照帧间隔递增,将全部图像帧依据时间戳构建为有序的热辐射图像时间序列;
11、s103:对所述热辐射图像时间序列中各帧图像的全局平均温度值进行逐帧提取,形成温度-时间曲线;通过计算温度序列的差分变化率特征,在所述温度-时间曲线上识别温度上升段的起点时刻和温度趋于稳定的终点时刻,将时间区间确定为有效固化时间区间;
12、s104:在所述有效固化时间区间内,将区间均匀划分为三段,依次对应固化初期子区间、固化中期子区间和固化后期子区间;从三个子区间中分别以等间隔采样帧图像,构建包含帧图像的多阶段时序图像数据集,其中为每个子区间内的采样帧数。
13、可选地,所述s2步骤,还包括:
14、s201:根据胶水材料的各向异性热扩散特性设计热传导敏感卷积核,设胶水材料沿接缝方向的热扩散系数为、沿垂直接缝方向的热扩散系数为,所述热传导敏感卷积核在接缝方向的感受野半径与垂直接缝方向的感受野半径满足如下比例关系:
15、;
16、s202:构建物理约束损失函数,所述物理约束损失函数通过计算各向异性热传导时空感知网络所提取特征对应的温度场预测值与傅里叶热传导方程之间的残差,将热传导物理规律作为约束条件嵌入网络训练过程;所述物理约束损失函数的计算公式为:
17、;
18、其中,表示物理约束损失函数的值,表示参与计算的时空采样点总数,表示参与计算的时空采样点集合,表示在时空位置、时刻处的温度场预测值,表示在时空位置、时刻处的温度场预测值,表示相邻帧之间的时间间隔,表示网络预测的有效热扩散系数,表示温度场预测值在位置、时刻处的离散拉普拉斯算子值;
19、所述各向异性热传导时空感知网络由三维卷积块和温度预测辅助分支顺序连接构成;所述三维卷积块采用三维卷积层后接三维批归一化层与 relu 激活函数的结构;其中至少一个三维卷积块采用步骤 s201 中根据各向异性热扩散系数设计的热传导敏感卷积核,填充方式相应调整以保持输出时空尺寸与输入一致;温度预测辅助分支从最后一个三维卷积块的输出特征图引出,由通道压缩卷积层构成;该输出张量中空间位置、时刻处的值即为物理约束损失函数所使用的温度场预测值,参与计算的时空采样点集合在每个训练步骤内从全部时空位置中随机均匀采样;温度预测辅助分支仅在训练阶段启用,推理阶段不启用;将最后一个三维卷积块的输出特征图作为时空特征图。
20、可选地,所述s3步骤,还包括:
21、s301:对所述时空特征图沿时间维度执行全局平均池化,得到空间特征图 ;
22、s302:通过卷积分类头对空间特征图进行处理,生成多类别概率图;所述卷积分类头由卷积核尺寸为 的通道压缩卷积层与softmax激活函数顺序连接构成,输出多类别概率图;以多类别概率图与人工标注的缺陷位置标签之间的多类别交叉熵损失作为缺陷检测任务损失,结合步骤 s202 中定义的物理约束损失,构建端到端联合训练的总损失函数,计算公式为:
23、;
24、其中,表示缺陷检测任务损失,采用多类别交叉熵损失函数,表示物理约束损失的权重系数;
25、s303:对多类别概率图执行类别预测,对各缺陷类别的预测区域分别施加类型感知形态学处理,再执行连通域分析,确定缺陷候选区;
26、对预测类别图中每一缺陷类别,提取满足预测类别等于且对应概率值超过该类别判定阈值的像素,生成该类别的二值预测掩膜;在对执行连通域分析之前,依据各类缺陷的空间形态先验分别施加类型感知形态学处理:
27、对缺胶类别的二值预测掩膜执行以圆盘形结构元素为核的形态学开运算;
28、对胶线断层类别的二值预测掩膜分别沿水平方向与竖直方向依次执行线状结构元素的形态学闭运算;
29、对气泡类别的二值预测掩膜执行以圆盘形结构元素为核的形态学开运算;
30、对经类型感知形态学处理后的各类别二值掩膜分别执行8连通规则的连通域分析,将每一连通区域确定为一个缺陷候选区;对像素数量少于该类别最小像素数阈值的连通区域直接丢弃,判定为噪声区域;各类别的判定阈值与最小像素数阈值分别设定。
31、可选地,所述s4步骤,还包括:
32、s401:对步骤s303输出的全部缺陷候选区执行胶路有效性验证,剔除空间位置不在预期胶路区域内的误检候选区;所述预期胶路区域由步骤s1中预先存储的胶路模板掩膜定义,胶路覆盖像素标注为1,背景像素标注为0;对每一缺陷候选区,计算其边界框内像素与胶路模板掩膜的重叠率;重叠率低于有效性验证阈值的缺陷候选区判定为误检并直接丢弃;经有效性验证后保留的缺陷候选区进入后续严重度评估步骤;
33、s402:对通过有效性验证的每一缺陷候选区执行缺陷严重度评估,根据区域像素数量将各缺陷划分为不同的严重度等级;对于胶线断层类别,额外计算断层长度估计值以辅助判断胶线连续性的受损程度;
34、s403:汇总步骤s401与s402的处理结果,生成结构化检测报告并输出最终检测结论;最终检测结论按如下规则判定:若结构化检测报告中不存在任何缺陷记录,则判定当前样本为合格品;若存在任意数量的重度缺陷记录,或同一胶路上中度及以上缺陷记录总数超过数量阈值 ,则判定当前样本为不合格品并触发报警;其余情况判定为疑似异常品,提交人工复检。
35、本发明还公开了一种基于热成像时空特征的面罩点胶检测系统,包括:
36、数据采集模块:获取热辐射图像时间序列与多阶段数据集;
37、物理约束模块:提取时空特征并计算物理约束损失;
38、检测模块:生成缺陷候选区并计算检测任务损失;
39、评估模块:执行胶路有效性验证与缺陷严重度评估。
40、与现有技术相比,本发明至少具有以下有益效果:
41、本发明提供了一种基于热成像时空特征的面罩点胶检测方法,该方案并非将现有的计算机视觉算法进行简单的生搬硬套,而是紧密结合了面罩点胶固化过程中的热动力学规律与物理空间特性,对传统算法进行了深度的场景化改进。本发明中的动态时序采样、各向异性热传导时空感知网络、形态学先验缺陷提取以及空间拓扑验证四个环节环环相扣,前置的物理采样为网络提供了高质量的数据底座,网络提取的物理特征为形态学分析提供了精准的概率分布,而最终的空间验证则为整个检测结果提供了兜底保障,各改进点协同作用,共同构成了一个不可分割的物理与数据双驱动的整体检测方案,显著提升了复杂工业环境下的检测精度与鲁棒性。
42、针对传统固定时长视频采集容易引入大量冗余背景噪声且容易遗漏关键固化特征的问题,本发明在数据构建阶段进行了自适应改进。本发明不再采用机械式的等间隔截取,而是通过提取全局温度随时间的动态变化趋势,精准锁定从温度上升到趋于稳定的有效固化时间区间,并在此区间内进行多阶段的针对性分段采样。这一改进使得后续模型能够完全聚焦于胶水发生物理相变最剧烈、热辐射特征最丰富的核心时段,从源头上提高了输入数据的信噪比和特征纯度。
43、针对常规三维时空卷积神经网络在处理热辐射图像时缺乏物理机制指导、容易受环境热干扰导致误判的技术缺陷,本发明创新性地构建了各向异性热传导时空感知网络。本发明的核心改进在于打破了传统卷积核各向同性的常规设计,深度结合了胶水材料在接缝方向与垂直接缝方向热扩散速率不同的各向异性物理特质,针对性地重塑了卷积核的感受野比例;同时,本发明并未单纯依赖数据驱动来更新网络权重,而是将经典的傅里叶热传导方程转化为物理约束条件融入网络的底层训练逻辑中。这种深度融合物理先验的算法改进,强制网络在提取时空特征时必须遵循真实的热力学扩散规律,从而赋予了模型极强的抗热噪声干扰能力和物理可解释性。
44、针对传统连通域分析算法在面对形态各异且边界模糊的点胶缺陷时极易出现过度合并或碎片化分割的问题,本发明在缺陷提取阶段引入了基于类型感知的形态学先验改进策略。本发明没有采用固定的二值化后处理,而是根据缺胶、胶线断层、气泡等不同缺陷在真实物理世界中的特定几何形态,分别为其量身定制了不同结构元素和运算规则的形态学处理路径。这一改进有效弥补了纯深度学习模型在微观边缘预测上的不足,能够精准修复断裂的胶线特征并滤除孤立的噪点,大幅提升了复杂缺陷轮廓的提取保真度。
45、此外,针对工业现场复杂热源容易在非点胶区域产生伪影并引发误报的痛点,本发明在最终的判定环节增设了基于预期胶路模板的空间有效性验证机制。该机制作为整个检测链路的最后一道防线,将前期提取的缺陷候选区与标准物理轨迹进行严格的空间拓扑比对,直接剔除了所有偏离预定作业区域的虚假缺陷。这一改进与前述的物理特征提取相辅相成,确保了最终生成的结构化检测报告和严重度评级完全忠实于实际的施胶工艺要求。
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