一种磁粉智能检测方法及系统与流程

1.本发明涉及无损检测技术领域，具体涉及一种磁粉智能检测方法及系统。


背景技术：

2.磁粉检测是一种工业无损检测方法，用于检测工件上可能存在的缺陷，其通过对磁化工件表面施加磁粉，基于磁化工件表面缺陷而产生的局部畸变，产生磁痕，完成缺陷检测。
3.目前磁粉检测主要通过实验室或质量人员进行，对工件进行抽查，然后基于磁粉检测结果进行生产工艺的改进。
4.在实现本技术中发明技术方案的过程中，发现上述技术至少存在如下技术问题：
5.现有技术中磁粉检测方法实施过程中主要依靠技术人员进行，检测结果主要通过人员观测获得，存在着检测效率较低、检测准确性和精度较低的技术问题。


技术实现要素：

6.本技术提供了一种磁粉智能检测方法及系统，用于针对解决现有技术中磁粉检测方法实施过程中主要依靠技术人员进行，检测结果主要通过人员观测获得，因而存在的磁粉检测效率较低、检测准确性和精度较低的技术问题。
7.鉴于上述问题，本技术提供了一种磁粉智能检测方法及系统。
8.本技术的第一个方面，提供了一种磁粉智能检测方法，所述方法包括：获得待检测工件的结构信息；根据所述待检测工件的结构信息和工件质量要求，设置磁粉检测参数；构建所述待检测工件的三维立体模型，根据所述三维立体模型规划确定第一磁粉检测路线；根据第一启动指令启动所述磁粉检测装置，并按照所述磁粉检测参数和所述第一磁粉检测路线对所述待检测工件进行检测；通过所述图像采集装置获得第一图像信息，所述第一图像信息包括所述待检测工件的磁粉检测图像信息；将所述磁粉检测图像信息通过无线网络上传至远程监测系统，所述远程监测系统将所述磁粉检测图像信息输入工件质量识别评估模型中，获得第一质量识别结果；如果所述第一质量识别结果为未达标，通过所述定位传感装置对第一异常位置进行动态标记。
9.本技术的第二个方面，提供了一种磁粉智能检测系统，所述系统包括：第一获得单元，所述第一获得单元用于获得待检测工件的结构信息；第一处理单元，所述第一处理单元用于根据所述待检测工件的结构信息和工件质量要求，设置磁粉检测参数；第一构建单元，所述第一构建单元用于构建所述待检测工件的三维立体模型，根据所述三维立体模型规划确定第一磁粉检测路线；第二处理单元，所述第二处理单元用于根据第一启动指令启动所述磁粉检测装置，并按照所述磁粉检测参数和所述第一磁粉检测路线对所述待检测工件进行检测；第二获得单元，所述第二获得单元用于通过所述图像采集装置获得第一图像信息，所述第一图像信息包括所述待检测工件的磁粉检测图像信息；第三处理单元，所述第三处理单元用于将所述磁粉检测图像信息通过无线网络上传至远程监测系统，所述远程监测系
统将所述磁粉检测图像信息输入工件质量识别评估模型中，获得第一质量识别结果；第四处理单元，所述第四处理单元用于如果所述第一质量识别结果为未达标，通过所述定位传感装置对第一异常位置进行动态标记。
10.本技术的第三个方面，提供了一种磁粉智能检测系统，包括：处理器，所述处理器与存储器耦合，所述存储器用于存储程序，当所述程序被所述处理器执行时，使系统以执行如第一方面所述方法的步骤。
11.本技术的第四个方面，提供了一种计算机可读存储介质，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面所述方法的步骤。
12.本技术中提供的一个或多个技术方案，至少具有如下技术效果或优点：
13.本技术提供的技术方案通过基于待检测的工件的结构信息以及生产的工件质量要求，设置不同精度的磁粉检测参数，然后基于工件生产的图纸信息，构建工件的三维立体模型，然后基于三维立体模型设置效率最高的磁粉检测路线，基于该磁粉检测路线对工件进行磁粉检测，获得第一图像信息，将第一图像信息上传至远程检测系统，通过构建训练完毕的工件质量识别评估模型进行检测识别，并在识别不达标时对工件上出现质量问题的异常位置进行标记。本技术提供的方法通过根据工件结构信息和生产质量要求设置磁粉检测参数，能够获得个性化的磁粉检测参数，降低检测成本的同时提升磁粉检测效率和检测效果；通过根据工件参数构建三维立体模型并划分磁粉检测路线，能够有效提升磁粉检测的效率；通过构建训练获得的工件质量识别评估模型进行磁粉检测图像的分析，能够提升磁粉检测图像分析的准确性，降低人工参与度，避免部分工件缺陷错检或漏检的情况发生，并在检测完成后对出现缺陷的异常位置进行标记，本技术建立了磁粉无伤检测的自动化智能方法，能够有效降低磁粉检测内的人工主观因素，达到提升磁粉检测效率、准确性和精度的技术效果。
14.上述说明仅是本技术技术方案的概述，为了能够更清楚了解本技术的技术手段，而可依照说明书的内容予以实施，并且为了让本技术的上述和其它目的、特征和优点能够更明显易懂，以下特举本技术的具体实施方式。
附图说明
15.图1为本技术提供的一种磁粉智能检测方法流程示意图；
16.图2为本技术提供的一种磁粉智能检测方法中构建工件质量识别评估模型的流程示意图；
17.图3为本技术提供的一种磁粉智能检测方法中对工件质量识别评估模型进行优化的流程示意图；
18.图4为本技术提供了一种磁粉智能检测系统结构示意图；
19.图5为本技术示例性电子设备的结构示意图。
20.附图标记说明：第一获得单元11，第一处理单元12，第一构建单元13，第二处理单元14，第二获得单元15，第三处理单元16，第四处理单元17，电子设备300，存储器301，处理器302，通信接口303，总线架构304。
具体实施方式
21.本技术通过提供了一种磁粉智能检测方法及系统，用于针对解决现有技术中磁粉检测方法实施过程中主要依靠技术人员进行，检测结果主要通过人员观测获得，因而存在的磁粉检测效率较低、检测准确性和精度较低的技术问题。
22.申请概述
23.磁粉检测是一种工业无损检测方法，用于检测工件上可能存在的缺陷，按照不同的分类方式，磁粉检测方法包括湿法、干法、连续法和漏磁法。磁粉检测方法通过对磁化工件表面施加磁粉，基于磁化工件表面缺陷而产生的局部畸变，在合适的光照下产生磁痕，完成缺陷检测，是一种应用十分广泛的无伤检测方法。目前磁粉检测主要通过实验室或质量人员进行，主要通过对磁化工件进行抽查，然后获得磁粉检测结果，将其作为生产问题分析和生产工艺改进的依据。现有技术中磁粉检测方法实施过程中主要依靠技术人员进行，检测结果主要通过人员观测获得，存在着检测效率较低、检测准确性和精度较低的技术问题。
24.针对上述技术问题，本技术提供的技术方案总体思路如下：
25.本技术提供的技术方案通过基于待检测的工件的结构信息以及生产的工件质量要求，设置不同精度的磁粉检测参数，然后基于工件生产的图纸信息，构建工件的三维立体模型，然后基于三维立体模型设置效率最高的磁粉检测路线，基于该磁粉检测路线对工件进行磁粉检测，获得第一图像信息，将第一图像信息上传至远程检测系统，通过构建训练完毕的工件质量识别评估模型进行检测识别，并在识别不达标时对工件上出现质量问题的异常位置进行标记。
26.在介绍了本技术基本原理后，下面，将参考附图对本技术中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本技术的一部分实施例，而不是本技术的全部实施例，应理解，本技术不受这里描述的示例实施例的限制。基于本技术的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。另外还需要说明的是，为了便于描述，附图中仅示出了与本技术相关的部分而非全部。
27.实施例一
28.如图1所示，本技术提供了一种磁粉智能检测方法，所述方法应用于一磁粉检测装置，所述装置包括一图像采集装置和一定位传感装置，所述方法包括：
29.s100：获得待检测工件的结构信息；
30.具体而言，待检测工件即为现有技术中任意工厂生产的任意型号的磁化工件，示例性地，待检测工件可为磁轴承、磁密封器件、继电器零件、磁阻零件等等工件。
31.进一步地，根据磁化零件生产工厂生产过程中待检测工件的图纸信息等信息，获得待检测工件的结构信息，其包括待检测工件的结构、尺寸、材料和质量标准以及尺寸误差范围等信息。
32.上述的磁粉检测装置为对待检测工件进行磁粉检测的装置，示例性地，磁粉检测装置包括驱动组件、磁粉喷洒组件和控制组件，其中，驱动组件用于驱动磁粉检测装置按照预设的路线进行移动，以对大型工件的多个位置进行磁粉检测。驱动组件也包括用于固定和挑战小型工件的部分，用于对小型工件进行固定和移动，以对小型工件的多个位置进行磁粉检测。磁粉喷洒组件用于按照一定的磁粉检测参数，对待检测工件喷洒磁粉悬液或磁粉，进行磁粉检测。控制组件用于设置和接收控制指令，以按照预设的参数和路线进行磁粉
检测。目前，现有技术中已有相应的磁粉检测装置，在此不再赘述。
33.图像采集装置用于在磁粉检测时，获取待检测工件表面一定图像质量的图像，可根据获取的检测图像进行处理分析，当待检测工件存在缺陷而出现磁痕时，可根据图像分析，完成磁粉检测。
34.定位传感装置用于在通过检测图像发现出现磁痕时，对待检测工件和/或检测图像内进行标记，以确认待检测工件出现缺陷的位置，进行后续的检查，作为根据缺陷调整生产工艺的基础。
35.s200：根据所述待检测工件的结构信息和工件质量要求，设置磁粉检测参数；
36.具体而言，根据上述待检测工件的结构信息，以及待检测工件的生产质量要求，该生产质量要求可根据待检测工件的生产图纸和相关的国标等进行获取。基于结构信息和生产质量要求，设置相关的磁粉检测参数。
37.上述的磁粉检测参数为对待检测工件进行磁粉检测的相关参数，示例性地，磁粉检测参数包括根据工件结构和生产质量要求设置的磁化检测方法、磁粉介质种类、磁化时间、间歇时间等参数。
38.s300：构建所述待检测工件的三维立体模型，根据所述三维立体模型规划确定第一磁粉检测路线；
39.具体而言，根据上述的待检测工件的结构信息，以及生产待检测工件时的图纸信息，构建待检测工件的三维立体模型。再根据该三维立体模型，规划确定进行磁粉检测的第一磁粉检测路线。
40.工件在进行磁粉检测的过程中，需要对工件表面进行全部的遍历检测，而在人工检测的过程中，若出现部分区域重复检测或者部分区域的漏检，则会影响工件磁粉检测的准确性，因此，需要保证对待检测工件表面进行全覆盖的磁粉检测，根据待检测工件的三维立体模型，规划磁粉检测路线，以提升磁粉检测的效果。
41.示例性地，若待检测工件机器三维立体模型为圆柱状，则第一磁粉检测路线可为先对圆柱状的两底面进行检测，然后按照从一端到另一端来回往复的对圆柱状的侧面进行检测。上述描述仅为第一磁粉检测路线的示例性描述，不作为限制，本领域技术人员应当了解，可根据三维立体模型进行适应性的磁粉检测路线规划，以提升磁粉检测效果和效率。
42.s400：根据第一启动指令启动所述磁粉检测装置，并按照所述磁粉检测参数和所述第一磁粉检测路线对所述待检测工件进行检测；
43.s500：通过所述图像采集装置获得第一图像信息，所述第一图像信息包括所述待检测工件的磁粉检测图像信息；
44.具体而言，基于上述的第一磁粉检测路线和磁粉检测参数对待检测工件进行磁粉检测，获得第一启动指令，启动上述的磁粉检测装置进行磁粉检测。
45.在磁粉检测的过程中，若待检测工件出现了应力裂纹或疲劳裂纹等缺陷，则会使缺陷处的磁力线产生畸变，而产生漏磁场，进而使覆盖于工件表面的磁粉产生磁痕。在检测的过程中，通过上述的图像采集装置，在合适的灯光下，获取待检测工件表面的图像信息，若待检测工件存在缺陷，则获取的图像信息内存在由于缺陷而产生的磁痕，得到磁粉检测图像信息。
46.s600：将所述磁粉检测图像信息通过无线网络上传至远程监测系统，所述远程监
测系统将所述磁粉检测图像信息输入工件质量识别评估模型中，获得第一质量识别结果；
47.具体而言，在通过图像采集装置采集获得磁粉检测图像信息后，将其通过无线网络上传至远程监测系统，远程监测系统用于进行磁粉检测图像信息分析和待检测工件缺陷分析，其内包括一工件质量识别评估模型，用于进行磁粉检测图像的分析。
48.如图2所示，本技术提供的方法中的步骤s600包括：
49.s610：通过大数据获得已知工件检测图像数据集和未知工件检测图像数据集；
50.s620：基于生成对抗网络对所述已知工件检测图像数据集和所述未知工件检测图像数据集进行图像增强；
51.s630：根据图像增强后的所述已知工件检测图像数据集和所述未知工件检测图像数据集，通过一维卷积残差网络进行建模，获得所述工件质量识别评估模型。
52.具体而言，基于当前生产待检测工件的工厂此前进行的磁粉检测的图像数据，获得已知工件检测图像数据集，以及根据大数据获取生产其他类型工件的工厂或者第三方检测机构的磁粉检测的图像数据，获得为未知工件检测图像数据集。
53.实际上，由于磁化工件种类繁多、型号复杂，并且可能出现的缺陷种类繁多。上述的已知工件检测图像数据集和未知工件检测图像数据集无法包括所有类型工件可能出现的所有缺陷类型对应磁痕类型的图像，因此，需要对工件检测图像数据集进行图像增强，增加其中的图像数据维度。本技术提供的方法中，采用生成对抗网络(generative adversarial nets,gan)对工件检测图像数据集进行图像增强。
54.本技术提供的方法中的步骤s620包括：
55.s621：初始化生成器和判别器的参数，获得初始生成器参数和初始判别器参数；
56.s622：获得预定生成对抗网络的参数更新次数阈值；
57.s623：按照所述参数更新次数阈值，对所述初始生成器参数和初始判别器参数进行更新，生成参数更新步骤：所述生成器的参数不变，训练所述判别器；所述判别器的参数不变，训练所述生成器；
58.s624：基于所述参数更新步骤对所述已知工件检测图像数据集和所述未知工件检测图像数据集进行图像增强。
59.具体而言，本技术提供的方法中的对抗生成网络包括生成器(generative model)和判别器(discriminative model)，其中，生成器用于根据已知工件检测图像数据集和未知工件检测图像数据集，进行捕捉两个图像数据集内检测图像的潜在分布，并且根据该潜在分布生成新的工件磁粉检测图像。而判别器用于判断生成器生成的新图像数据属于真实数据还是伪造数据。基于对生成器和判断模型的训练，在生成器和判断模型的对抗博弈中，使生成器能够生成无法被判断模型准确判别为真实数据或伪造数据的磁粉检测图像信息，以达到增加已知工件检测图像数据集和未知工件检测图像数据集内图像数据的目的。
60.其中，本技术中的生成对抗模型内的生成器和判别器均为神经网络模型，分别构建生成器和判别器后，生成器和判别器的内的参数初始化。然后，根据已知工件检测图像数据集和未知工件检测图像数据集进行图像增强的业务需求，即需要增加的检测图像信息的维度，初步设置生成对抗网络的参数更新次数阈值，初步根据该参数更新次数阈值对生成器和判断器进行训练。
61.具体地，将部分已知工件检测图像数据集和未知工件检测图像数据集内的磁粉检
测图像信息作为初步训练数据输入生成器，并设置一定的噪声，使生成器根据该初步训练数据和噪声随机生成伪造的磁粉检测图像，作为生成数据。此时，由于生成器尚未训练完成，故生成数据可能会被判断器轻易的识别为伪造数据。以及，将生成数据和已知工件检测图像数据集和未知工件检测图像数据集内的磁粉检测图作为训练数据，对判断器进行训练，其中，将生成数据作为伪造数据，输出为0，将已知工件检测图像数据集和未知工件检测图像数据集作为真实数据，输出为1，训练判别器，完成一次迭代训练。
62.然后，将上述的生成数据作为真实数据，和已知工件检测图像数据集和未知工件检测图像数据集一同进行生成器的二次迭代训练，生成新的生成数据，然后，将新的生成数据以及之前的训练数据作为新的训练数据，对判别器进行分类的二次迭代训练。
63.如此，重复上述步骤，在训练生产器的过程中，保证判别器的参数不变，在训练判别器的过程中，保证生成器的参数不变，对生成器和判别器进行交替训练，由于将上一次判别器分类的生成数据(伪造数据)作为新的真实数据对生成器进行训练，从而达到迷惑判别器的目的，在多次迭代训练后，判别器无法准确判别生成器的生成数据是否为真实数据或伪造数据，分类输出值接近于0.5，且此时生成器生成的数据较为接近已知工件检测图像数据集和未知工件检测图像数据集内的数据，完成生成器和判别器的训练。
64.完成对抗生成网络的训练后，即可通过对抗生成网络生成磁粉检测图像，提升已知工件检测图像数据集和未知工件检测图像数据集内图像数据的维度，进行图像增强，进而为后续的模型训练提升训练数据，提升模型输出的准确性。
65.在对已知工件检测图像数据集和未知工件检测图像数据集进行图像增强后，进行构建工件质量识别评估模型并训练。本技术提供的方法中通过卷积神经网络构建工件质量识别评估模型，对磁粉检测图像内的磁痕图像进行卷积特征提取，完成工件磁粉检测的质量智能评估。
66.由于磁粉检测图像内的磁痕图像特征类型较为繁杂，因此，本技术中的工件质量识别评估模型需要设置较深的卷积网络层数，以提取更加深度的图像特征，提升磁粉检测图像分析的准确性和精度。但是，在增加卷积层数的过程中，可能会导致模型梯度爆炸等问题，因此，本技术中集合残差网络，采用一维卷积残差网络进行工件质量识别评估模型的构建。
67.具体地，本技术提供的方法内构建工件质量识别评估模型的过程中，将一维卷积层的输出串联残差块，并将残差块的输出连接一维卷积层，如此，构建获得一维卷积残差网络。然后，基于图像增强的已知工件检测图像数据集和未知工件检测图像数据集进行训练数据集合验证数据集的划分，对一维卷积残差网络进行训练，训练完毕获得工件质量识别评估模型。
68.基于上述工件质量识别评估模型，在进行工件磁粉检测的过程中，将磁粉检测图像信息输入该工件质量识别评估模型，即可获得输出结果，输出结果中包括图像数据内磁痕特征的卷积提取结果，能够快速提取待检测工件内可能存在缺陷对应的磁痕图像，并且提取效率较高，提取准确率较高。
69.本技术提供的方法基于机器学习，采用对抗生成网络对工件检测数据集内的图像数据进行增强，提升数据维度，并采用增强后的工件检测图像数据集和未知工件检测图像数据集，基于以为卷积残差网络进行模型构建，能够使模型的输出结果更为准确，能够根据
磁粉检测图像进行工件质量的智能分析识别，达到了提升磁粉检测准确性、效率和精度的技术效果。
70.s700：如果所述第一质量识别结果为未达标，通过所述定位传感装置对第一异常位置进行动态标记。
71.具体而言，将待检测工件的磁粉检测图像输入上述的工件质量识别评估模型后，获得第一质量识别结果，第一识别质量结果内包括磁粉检测图像内是否存在磁痕，以及磁痕位置、磁痕数量和磁痕尺寸等，根据该第一识别质量结果判断其是否满足上述的质量要求，若不合格，则对其中的磁痕进行标记，并在工件上磁痕对应的位置处进行标记，以进行后续的检测分析。
72.本技术提供的方法通过根据工件结构信息和生产质量要求设置磁粉检测参数，能够获得个性化的磁粉检测参数，降低检测成本的同时提升磁粉检测效率和检测效果；通过根据工件参数构建三维立体模型并划分磁粉检测路线，能够有效提升磁粉检测的效率；通过对抗生成网络提升图像数据的维度，然后通过构建训练获得的工件质量识别评估模型进行磁粉检测图像的分析，能够提升磁粉检测图像分析的准确性，降低人工参与度，避免部分工件缺陷错检或漏检的情况发生，并在检测完成后对出现缺陷的异常位置进行标记，本技术建立了磁粉无伤检测的自动化智能方法，能够有效降低磁粉检测内的人工主观因素，达到提升磁粉检测效率、准确性和精度的技术效果。
73.本技术提供的方法中的步骤s200包括：
74.s210：根据磁粉类型和环境亮度，确定照明系数；
75.s220：对所述待检测工件的结构信息进行曲率分析，获得工件曲面信息；
76.s230：根据所述工件曲面信息确定磁化方向，基于所述磁化方向对照明角度进行调整确定；
77.s240：根据所述照明系数、所述磁化方向和所述照明角度对所述磁粉检测参数进行补充修正。
78.具体而言，根据上述的磁粉检测参数，获取当前磁粉检测所采用的磁粉类型，示例性地，磁粉类型可为：红磁粉、黑磁粉、荧光磁粉或白磁粉等。而不同的磁粉适合于在不同的环境亮度和照明条件下进行磁粉检测工作，示例性地，黑磁粉适合在亮度较高的环境下使用。
79.根据上述的磁粉类型以及当前环境的亮度，确定照明系数，照明系数包括照明亮度等，若环境亮度较大，则照明系数较低，反之则较高。
80.然后，根据上述待检测工件的三维立体模型，获得待检测工件表面存在的曲面，并对存在的曲面进行曲率分析，获得工件曲面信息，工件曲面信息包括曲面的半径、角度、以及曲面各处的斜率等。根据该工件曲面信息，确定进行磁粉检测的磁化方向，示例性地，磁化方向可为，由曲面半径较小的部分想曲面半径较大的部分进行磁化。
81.进一步地，基于该磁化方向对照明角度进行调整，以始终保持采集获得的磁粉检测图像数据内无阴影、无瑕疵，避免由于磁粉检测图像的缺陷导致磁粉检测的精度降低。
82.最后，基于上述调整的照明系数、磁化方向和照明角度，对磁粉检测参数进行补充和/或修正，以提升磁粉检测参数的准确性。本技术提供的方法通过根据磁粉检测的磁粉类型、照明系数、磁化方向、照明角度等确定磁粉检测参数，能够保证磁粉检测获得的磁粉检
测图像数据图像质量较高，无其他因素干扰，进而达到提升磁粉检测准确性的技术效果。
83.如图3所示，本技术提供的方法还包括步骤s800，步骤s800包括：
84.s810：获得实际工件质量识别结果，基于所述第一质量识别结果和所述实际工件质量识别结果的差值，获得第一识别偏差度；
85.s820：基于pso算法初始化粒子群参数，根据所述第一识别偏差度和所述粒子群参数迭代计算粒子群适应度函数；
86.s830：当达到预设终止条件时，获得所述粒子群适应度函数的最优结果粒子；
87.s840：将所述最优结果粒子映射到所述工件质量识别评估模型进行优化训练。
88.具体而言，为提升本技术提供方法进行磁粉检测的准确性，对工件质量识别评估模型进行优化。首先，通过技术人员进行待检测工件的人工磁粉检测，并可进行多次，选取最为精确的人工磁粉检测结果，作为实际工件质量识别结果。
89.然后基于该实际工件质量识别结果和上述第一质量识别结果的差值，计算获得第一识别偏差度。示例性地，第一识别偏差度内包括磁痕的数量偏差、磁痕的尺寸偏差等，第一识别偏差度越大，则工件质量识别评估模型的准确度越低，换言之，工件质量识别评估模型的拟合度较低，无法适应于当前待检测工件类型的检测。
90.基于上述的第一识别偏差度，基于粒子群优化算法(particleswarm optimization,pso)获得粒子群，基于粒子群优化算法对上述的工件质量识别评估模型进行优化，确立该模型的输入为磁粉检测图像数据，输出为质量识别结果。
91.然后将粒子群优化算法进行初始化，优化的参数为工件质量识别评估模型内所有权重的集合。进一步更新粒子群内粒子的位置和速度，将所有粒子输入模型内进行训练，通过计算粒子群的适应度函数来评估粒子的好坏，以适应度函数来调整每个粒子的位置和速度。
92.基于上述步骤，进行迭代，当达到预设终止条件时，输出最优的粒子，然后基于该最优的粒子对工件质量识别评估模型进行优化训练。
93.本技术提供的方法通过粒子群优化算法对工件质量识别评估模型进行优化训练，能够降低工件质量识别评估模型输出结果与实际质检结果的偏差度，提升工件质量识别评估模型的准确性，达到准确处理数据，提升磁粉检测准确性的技术效果。
94.本技术提供的方法中的步骤s600中的“将所述磁粉检测图像信息通过无线网络上传至远程监测系统”还包括步骤s640，步骤s640包括：
95.s641：基于所述待检测工件的应用信息，选择加密算法；
96.s642：基于所述加密算法对所述磁粉检测图像信息进行加密，获得加密后的磁粉检测图像信息；
97.s643：将所述加密后的磁粉检测图像信息通过无线网络上传至所述远程监测系统。
98.具体而言，本技术提供的方法可通过中心化进行多个工厂的磁粉质量检测，各工厂内各工件存在一定的商业秘密，因此，可对进行质量分析的磁粉检测图像进行加密，避免商业秘密泄露。
99.基于当前待检测工件的应用信息，获得其对应的机密程度，具体根据该待检测工件对应的商业重要程度或工艺重要程度，设置对应的机密等级，然后，根据该机密等级选择
对应的加密算法。
100.基于对应的加密算法，对磁粉检测图像信息进行加密，获得加密后的磁粉检测图像信息，然后将加密后的磁粉检测图像信息通过无线网络上传至远程监测系统，进行质量分析。
101.本技术提供的方法通过将待检测工件的磁粉检测图像进行加密，然后上传至远程监测系统，能够避免磁粉检测图像在传输过程中被竞品公司截取或篡改，进而保护公司的财产，提升智能化磁粉质量检测的安全性。
102.本技术提供的方法中的步骤s210包括：
103.s211：根据所述工件质量要求，获得工件填充密度信息；
104.s212：基于所述工件填充密度信息，确定检测磁粉细度信息；
105.s213：根据所述待检测工件的表面颜色信息，获得检测对比度，并基于所述检测对比度获得检测磁粉颜色信息；
106.s214：基于所述检测磁粉细度信息和所述检测磁粉颜色信息，确定所述磁粉类型。
107.具体而言，根据不同的待检测工件，需要选用不同的磁粉类型进行检测，步骤s210中通过上述步骤确定进行磁粉检测的磁粉类型。
108.具体地，根据上述的工件质量要求，获得当前待检测工件可能存在缝隙部分的质量检测要求，进而得到工件填充密度信息。根据该工件填充密度信息确定满足该填充密度的磁粉的细度信息。
109.以及，还需根据待检测工件的表面颜色信息，进行磁粉颜色的选择。可通过图像采集装置采集待检测工件表面的图像，然后获取其中的rgb数值，并对rgb数值进行值域划分，对于不同颜色工件的不同的rgb数值范围，确定检测对比度，以使磁粉颜色与待检测工件的颜色的对比度达到一定阈值。基于该检测对比度，获得对应的检测磁粉颜色信息。进一步按照该磁粉细度信息和检测磁粉颜色信息，确定上述的磁粉类型。
110.本技术提供的方法通过待检测工件的质量要求和颜色要求选择不同细度尺寸和不同颜色检测磁粉，并且基于该检测磁粉类型进行磁粉检测参数的调整，进而提升磁粉检测分析的准确性和效率。
111.综上所述，本技术提供的方法通过根据工件结构信息和生产质量要求设置磁粉检测参数，降低检测成本的同时提升磁粉检测效率和检测效果；通过根据工件参数构建三维立体模型并划分磁粉检测路线，能够有效提升磁粉检测的效率；通过构建训练获得的工件质量识别评估模型进行磁粉检测图像的分析，能够提升磁粉检测图像分析的准确性，降低人工参与度，避免部分工件缺陷错检或漏检的情况发生，通过粒子群优化算法对模型进行优化，能够提升模型输出的准确率，并在检测完成后对出现缺陷的异常位置进行标记，本技术建立了磁粉无伤检测的自动化智能方法，能够有效降低磁粉检测内的人工主观因素，达到提升磁粉检测效率、准确性和精度的技术效果。
112.实施例二
113.基于与前述实施例中一种磁粉智能检测方法相同的发明构思，如图4所示，本技术提供了一种磁粉智能检测系统，其中，所述系统包括：
114.第一获得单元11，所述第一获得单元11用于获得待检测工件的结构信息；
115.第一处理单元12，所述第一处理单元12用于根据所述待检测工件的结构信息和工
件质量要求，设置磁粉检测参数；
116.第一构建单元13，所述第一构建单元13用于构建所述待检测工件的三维立体模型，根据所述三维立体模型规划确定第一磁粉检测路线；
117.第二处理单元14，所述第二处理单元14用于根据第一启动指令启动所述磁粉检测装置，并按照所述磁粉检测参数和所述第一磁粉检测路线对所述待检测工件进行检测；
118.第二获得单元15，所述第二获得单元15用于通过所述图像采集装置获得第一图像信息，所述第一图像信息包括所述待检测工件的磁粉检测图像信息；
119.第三处理单元16，所述第三处理单元16用于将所述磁粉检测图像信息通过无线网络上传至远程监测系统，所述远程监测系统将所述磁粉检测图像信息输入工件质量识别评估模型中，获得第一质量识别结果；
120.第四处理单元17，所述第四处理单元17用于如果所述第一质量识别结果为未达标，通过所述定位传感装置对第一异常位置进行动态标记。
121.进一步的，所述系统还包括：
122.第三获得单元，所述第三获得单元用于通过大数据获得已知工件检测图像数据集和未知工件检测图像数据集；
123.第五处理单元，所述第五处理单元用于基于生成对抗网络对所述已知工件检测图像数据集和所述未知工件检测图像数据集进行图像增强；
124.第二构建单元，所述第二构建单元用于根据图像增强后的所述已知工件检测图像数据集和所述未知工件检测图像数据集，通过一维卷积残差网络进行建模，获得所述工件质量识别评估模型。
125.进一步的，所述系统还包括：
126.第六处理单元，所述第六处理单元用于初始化生成器和判别器的参数，获得初始生成器参数和初始判别器参数；
127.第四获得单元，所述第四获得单元用于获得预定生成对抗网络的参数更新次数阈值；
128.第七处理单元，所述第七处理单元用于按照所述参数更新次数阈值，对所述初始生成器参数和初始判别器参数进行更新，生成参数更新步骤：所述生成器的参数不变，训练所述判别器；所述判别器的参数不变，训练所述生成器；
129.第八处理单元，所述第八处理单元用于基于所述参数更新步骤对所述已知工件检测图像数据集和所述未知工件检测图像数据集进行图像增强。
130.进一步的，所述系统还包括：
131.第九处理单元，所述第九处理单元用于根据磁粉类型和环境亮度，确定照明系数；
132.第五获得单元，所述第五获得单元用于对所述待检测工件的结构信息进行曲率分析，获得工件曲面信息；
133.第十处理单元，所述第十处理单元用于根据所述工件曲面信息确定磁化方向，基于所述磁化方向对照明角度进行调整确定；
134.第十一处理单元，所述第十一处理单元用于根据所述照明系数、所述磁化方向和所述照明角度对所述磁粉检测参数进行补充修正。
135.进一步的，所述系统还包括：
136.第十二处理单元，所述第十二处理单元用于获得实际工件质量识别结果，基于所述第一质量识别结果和所述实际工件质量识别结果的差值，获得第一识别偏差度；
137.第十三处理单元，所述第十三处理单元用于基于pso算法初始化粒子群参数，根据所述第一识别偏差度和所述粒子群参数迭代计算粒子群适应度函数；
138.第六获得单元，所述第六获得单元用于当达到预设终止条件时，获得所述粒子群适应度函数的最优结果粒子；
139.第十四处理单元，所述第十四处理单元用于将所述最优结果粒子映射到所述工件质量识别评估模型进行优化训练。
140.进一步的，所述系统还包括：
141.第七获得单元，所述第七获得单元用于基于所述待检测工件的应用信息，选择加密算法；
142.第八获得单元，所述第八获得单元用于基于所述加密算法对所述磁粉检测图像信息进行加密，获得加密后的磁粉检测图像信息；
143.第十五处理单元，所述第十五处理单元用于将所述加密后的磁粉检测图像信息通过无线网络上传至所述远程监测系统。
144.进一步的，所述系统还包括：
145.第九获得单元，所述第九获得单元用于根据所述工件质量要求，获得工件填充密度信息；
146.第十六处理单元，所述第十六处理单元用于基于所述工件填充密度信息，确定检测磁粉细度信息；
147.第十获得单元，所述第十获得单元用于根据所述待检测工件的表面颜色信息，获得检测对比度，并基于所述检测对比度获得检测磁粉颜色信息；
148.第十七处理单元，所述第十七处理单元用于基于所述检测磁粉细度信息和所述检测磁粉颜色信息，确定所述磁粉类型。
149.实施例三
150.基于与前述实施例中一种磁粉智能检测方法相同的发明构思，本技术还提供了一种计算机可读存储介质，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如实施例一内的方法。
151.示例性电子设备
152.下面参考图5来描述本技术的电子设备，
153.基于与前述实施例中一种磁粉智能检测方法相同的发明构思，本技术还提供了一种磁粉智能检测系统，包括：处理器，所述处理器与存储器耦合，所述存储器用于存储程序，当所述程序被所述处理器执行时，使得系统以执行实施例一所述方法的步骤。
154.该电子设备300包括：处理器302、通信接口303、存储器301。可选的，电子设备300还可以包括总线架构304。其中，通信接口303、处理器302以及存储器301可以通过总线架构304相互连接；总线架构304可以是外设部件互连标(peripheral component interconnect，简称pci)总线或扩展工业标准结构(extended industry standard architecture，简称eisa)总线等。所述总线架构304可以分为地址总线、数据总线、控制总线等。为便于表示，图5中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
155.处理器302可以是一个cpu，微处理器，asic，或一个或多个用于控制本技术方案程序执行的集成电路。
156.通信接口303，使用任何收发器一类的装置，用于与其他设备或通信网络通信，如以太网，无线接入网(radio access network，ran),无线局域网(wireless local area networks，wlan)，有线接入网等。
157.存储器301可以是rom或可存储静态信息和指令的其他类型的静态存储设备，ram或者可存储信息和指令的其他类型的动态存储设备，也可以是电可擦可编程只读存储器(electrically erasable programmable read-only memory，eeprom)、只读光盘(compact discread-only memory，cd-rom)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。存储器可以是独立存在，通过总线架构304与处理器相连接。存储器也可以和处理器集成在一起。
158.其中，存储器301用于存储执行本技术方案的计算机执行指令，并由处理器302来控制执行。处理器302用于执行存储器301中存储的计算机执行指令，从而实现本技术上述实施例提供的一种磁粉智能检测方法。
159.本领域普通技术人员可以理解：本技术中涉及的第一、第二等各种数字编号仅为描述方便进行的区分，并不用来限制本技术的范围，也不表示先后顺序。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。“至少一个”是指一个或者多个。至少两个是指两个或者多个。“至少一个”、“任意一个”或其类似表达，是指的这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a,b,或c中的至少一项(个、种)，可以表示：a,b,c,a-b,a-c,b-c,或a-b-c，其中a,b,c可以是单个，也可以是多个。
160.在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本技术所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(dsl))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包括一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，dvd)、或者半导体介质(例如固态硬盘(solid state disk，ssd))等。
161.本技术中所描述的各种说明性的逻辑单元和电路可以通过通用处理器，数字信号处理器，专用集成电路(asic)，现场可编程门阵列(fpga)或其它可编程逻辑装置，离散门或晶体管逻辑，离散硬件部件，或上述任何组合的设计来实现或操作所描述的功能。通用处理
器可以为微处理器，可选地，该通用处理器也可以为任何传统的处理器、控制器、微控制器或状态机。处理器也可以通过计算装置的组合来实现，例如数字信号处理器和微处理器，多个微处理器，一个或多个微处理器联合一个数字信号处理器核，或任何其它类似的配置来实现。
162.本技术中所描述的方法或算法的步骤可以直接嵌入硬件、处理器执行的软件单元、或者这两者的结合。软件单元可以存储于ram存储器、闪存、rom存储器、eprom存储器、eeprom存储器、寄存器、硬盘、可移动磁盘、cd-rom或本领域中其它任意形式的存储媒介中。示例性地，存储媒介可以与处理器连接，以使得处理器可以从存储媒介中读取信息，并可以向存储媒介存写信息。可选地，存储媒介还可以集成到处理器中。处理器和存储媒介可以设置于asic中，asic可以设置于终端中。可选地，处理器和存储媒介也可以设置于终端中的不同的部件中。这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
163.尽管结合具体特征及其实施例对本技术进行了描述，显而易见的，在不脱离本技术的精神和范围的情况下，可对其进行各种修改和组合。相应地，本说明书和附图仅仅是本技术的示例性说明，且视为已覆盖本技术范围内的任意和所有修改、变化、组合或等同物。显然，本领域的技术人员可以对本技术进行各种改动和变型而不脱离本技术的范围。这样，倘若本技术的这些修改和变型属于本技术及其等同技术的范围之内，则本技术意图包括这些改动和变型在内。