基于多路光纤传感的表面形貌异常检测方法及装置与流程

本发明涉及光学传感与智能检测，具体涉及基于多路光纤传感的表面形貌异常检测方法、装置及自动化搬运设备。

背景技术：

1、在工业自动化检测领域，利用光纤传感器对目标表面进行形貌检测是常见技术手段。现有技术通常采用模板匹配或单点阈值比较的方式处理光纤反射信号，例如通过动态时间规整算法将实时信号与标准模板对齐，或在固定位置进行布尔逻辑判定。然而，此类方法本质上依赖于静态的特征提取逻辑与固定的判别边界，在面对目标表面光学特性波动、环境光干扰或微小形变等复杂工况时，往往难以区分真实形貌异常与噪声干扰。由于缺乏对信号空间长程关联性与复杂度的多维表征能力，且不具备根据运行数据自适应优化检测参数的机制，导致现有方案在实际应用中误报率较高，难以满足高精度、高鲁棒性的工业检测需求。

技术实现思路

1、针对现有技术存在的因特征提取维度单一且缺乏自适应能力导致表面形貌异常检测误报率高的问题，本发明通过基于多路光纤传感的表面形貌异常检测方法、装置及自动化搬运设备，实现对目标表面形貌的高鲁棒性检测。

2、为实现上述目的，本发明采用如下技术方案：

3、一种基于多路光纤传感的表面形貌异常检测方法，包括：在探测端沿目标表面移动的过程中，获取多路光纤传感单元采集的连续探测信号，并基于连续探测信号进行自适应参考校正，生成空间差分信号；对空间差分信号分别进行分数阶微积分处理和非线性动力学复杂度分析，提取表征空间长程关联的第一特征和表征信号不规则性的第二特征，并基于第一特征和第二特征构建联合特征向量；基于非参数概率密度估计模型对联合特征向量进行异常判别，并基于判别结果更新分数阶微积分处理的阶数参数以及非参数概率密度估计模型的样本集。

4、可选的，基于连续探测信号进行自适应参考校正，生成空间差分信号，包括：在探测端未接近目标表面的自由移动阶段，获取多路光纤传感单元采集的多路背景基准信号，并基于多路背景基准信号计算多路信号间的本底差与增益比；在探测端接近目标表面的探测阶段，利用本底差和增益比对连续探测信号进行差分参考扣除，生成空间差分信号。

5、可选的，利用本底差和增益比对连续探测信号进行差分参考扣除，生成空间差分信号，包括：将连续探测信号中的第一路探测信号扣除对应的第一本底值，得到第一纯净信号；将连续探测信号中的第二路探测信号扣除对应的第二本底值后，按照增益比进行缩放，得到第二缩放信号；将第一纯净信号与第二缩放信号作差，得到空间差分信号；其中，第一本底值和第二本底值由本底差确定。

6、可选的，第一特征为分数阶梯度特征，分数阶梯度特征包括形貌异常起始位置和分数阶梯度能量；第二特征为样本熵特征；联合特征向量还包括梯度方向一致性游程。

7、通过引入分数阶梯度特征与样本熵特征的联合表征，实现了从空间结构与信号复杂度两个正交维度对形貌异常的刻画。分数阶梯度利用记忆效应捕捉信号的空间长程关联，能够有效识别平缓或渐变的形貌异常起始位置及能量分布；样本熵则量化了差分信号的不规则性与复杂度，能够灵敏反映局部微观形貌的突变。二者互补协同，克服了传统整数阶梯度仅关注局部变化而丢失全局结构信息的缺陷，显著提升了特征向量对不同类型形貌异常的区分度。

8、可选的，对空间差分信号分别进行分数阶微积分处理和非线性动力学复杂度分析，提取表征空间长程关联的第一特征和表征信号不规则性的第二特征，包括：通过分数阶微积分算法对空间差分信号的历史值进行加权累积，计算分数阶导数，并将分数阶导数首次超过预设初始阈值的位置确定为形貌异常起始位置，将分数阶导数的平方在预设空间区间内的积分确定为分数阶梯度能量；通过非线性动力学复杂度分析算法，基于预设的模式长度和容差参数对空间差分信号进行序列匹配，计算空间差分信号的复杂度度量值，并将复杂度度量值确定为样本熵特征。

9、可选的，基于非参数概率密度估计模型对联合特征向量进行异常判别，包括：非参数概率密度估计模型为核密度估计模型；计算当前联合特征向量在核密度估计模型下的密度估计值；当密度估计值低于预设密度阈值时，判定目标表面存在形貌异常。

10、可选的，基于判别结果更新分数阶微积分处理的阶数参数以及非参数概率密度估计模型的样本集，包括：以正常样本的密度估计值最大化为优化目标，通过梯度上升法在线调整分数阶微积分处理的阶数参数；在判定目标表面不存在形貌异常的情况下，将当前的联合特征向量以带遗忘因子的加权方式加入核密度估计模型的样本集中，以更新核密度估计模型。

11、通过构建特征提取参数与判别模型的同步自适应闭环，解决了固定参数难以适应工况漂移的问题。一方面，以正常样本密度最大化为目标在线优化阶数参数，使特征提取过程能够自动适配不同批次目标表面的光学特性差异，保持特征表达的敏感性；另一方面，通过带遗忘因子的样本集更新机制，使判别模型能够持续学习最新的正常工况分布，同时逐步淡化过时数据的影响。这种双重自学习机制确保了检测系统在长期运行中始终维持最优的检测性能与鲁棒性。

12、可选的，在探测端沿目标表面移动的过程中，获取多路光纤传感单元采集的连续探测信号，包括：在探测端沿目标表面移动的过程中，控制多路光纤传感单元的采样率与探测端的移动速度相匹配，以在空间维度上同步采集连续探测信号。

13、此外，本发明还提供了一种基于多路光纤传感的表面形貌异常检测装置，包括：空间差分重构模块，用于在探测端沿目标表面移动的过程中，获取多路光纤传感单元采集的连续探测信号，并基于连续探测信号进行自适应参考校正，生成空间差分信号；联合特征提取模块，用于对空间差分信号分别进行分数阶微积分处理和非线性动力学复杂度分析，提取表征空间长程关联的第一特征和表征信号不规则性的第二特征，并基于第一特征和第二特征构建联合特征向量；异常判别与自学习模块，用于基于非参数概率密度估计模型对联合特征向量进行异常判别，并基于判别结果更新分数阶微积分处理的阶数参数以及非参数概率密度估计模型的样本集。

14、此外，本发明还提供了一种自动化搬运设备，包括：末端执行器；多路光纤传感单元，设置于末端执行器上；处理器和存储器，存储器中存储有计算机程序，处理器执行计算机程序时实现如上述方案所述的基于多路光纤传感的表面形貌异常检测方法。

15、有益效果：

16、本发明通过多路光纤传感信号的自适应空间差分重构，有效消除了环境光共模干扰与传感器固有失配，获取了纯净的连续空间形貌差分信号；在此基础上，联合分数阶微积分处理与非线性动力学复杂度分析，从空间长程关联与信号不规则性两个正交维度构建联合特征向量，克服了传统方法特征维度单一、难以区分真实形貌异常与噪声干扰的缺陷；进一步结合非参数概率密度估计模型进行异常判别，并基于判别结果同步更新特征提取阶数参数与模型样本集，形成了特征提取、判别、自学习的完整自适应闭环，使得检测系统能够随工况演化自动优化参数与模型，从而显著提高了复杂工业场景下表面形貌异常检测的准确率、鲁棒性及环境适应性。

1.一种基于多路光纤传感的表面形貌异常检测方法，其特征在于，所述方法包括：

2.根据权利要求1所述的表面形貌异常检测方法，其特征在于，所述基于所述连续探测信号进行自适应参考校正，生成空间差分信号，包括：

3.根据权利要求2所述的表面形貌异常检测方法，其特征在于，所述利用所述本底差和所述增益比对所述连续探测信号进行差分参考扣除，生成所述空间差分信号，包括：

4.根据权利要求1所述的基于多路光纤传感的表面形貌异常检测方法，其特征在于，

5.根据权利要求4所述的基于多路光纤传感的表面形貌异常检测方法，其特征在于，所述对所述空间差分信号分别进行分数阶微积分处理和非线性动力学复杂度分析，提取表征空间长程关联的第一特征和表征信号不规则性的第二特征，包括：

6.根据权利要求1所述的基于多路光纤传感的表面形貌异常检测方法，其特征在于，所述基于非参数概率密度估计模型对所述联合特征向量进行异常判别，包括：

7.根据权利要求6所述的基于多路光纤传感的表面形貌异常检测方法，其特征在于，所述基于判别结果更新所述分数阶微积分处理的阶数参数以及所述非参数概率密度估计模型的样本集，包括：

8.根据权利要求1所述的基于多路光纤传感的表面形貌异常检测方法，其特征在于，所述在探测端沿目标表面移动的过程中，获取多路光纤传感单元采集的连续探测信号，包括：

9.一种基于多路光纤传感的表面形貌异常检测装置，其特征在于，所述装置包括：

10.一种自动化搬运设备，其特征在于，所述自动化搬运设备包括：