关键词：
焊接缺陷识别
无损检测
知识蒸馏
目标检测
数字图像处理
摘要：
随着工业4.0和智能制造的推进,焊接缺陷检测技术逐渐向自动化和智能化方向发展。在制造业中,焊接质量直接影响产品的性能和寿命。通过缺陷检测,可以在生产过程中及时发现问题,减少返工和废品率,从而提高产品质量和生产效率。基于深度学习和机器视觉的检测方法能够实现高精度、高效率的缺陷识别,减少对人工经验的依赖,推动焊接检测技术的进步。本文针对焊接缺陷检测中存在的数据预处理适应性差、图像数据中存在强干扰因素、以及缺陷类别间高相似度等问题,提出创新性解决方案并构建了完整的识别系统,本文主要研究工作如下。
1.焊接缺陷数据集整理及构建。本研究通过与相关企业合作,收集了约10000张原始焊接底片,涵盖七种典型焊接缺陷,包括裂纹、未熔合、未焊透等。通过切分和缩放操作,统一了图像规格,确保数据的一致性和适用性。为提高图像质量,本研究采用了一系列数字图像处理方法,包括高斯滤波和中值滤波去噪,显著提升了缺陷轮廓的清晰度和图像对比度。针对DICOM格式图像,提出了基于直方图匹配的动态窗宽、窗位调节方法,进一步优化了焊接缺陷的对比度和细节表现。最终,本研究构建了一个高质量焊接缺陷数据集,为后续深度学习模型的开发提供了坚实的基础。
2.基于知识蒸馏算法改进的焊接缺陷分类模型。针对焊接缺陷分类中因形态和灰度相似性导致的分类难题,本研究提出了基于可变类别温度的知识蒸馏算法(KD-ACT)。通过实验发现,焊接缺陷数据集的类别间相似性远高于传统的RGB三通道数据集,这一特性显著增加了分类难度。为此,本研究采用了知识蒸馏中的软标签方法,保留类别间的隐式信息,避免了硬标签带来的信息损失。进一步提出的KD-ACT算法通过设置类别温度,采用变换后的Sigmoid函数映射新温度参数,并结合验证集反馈动态调整温度,增强了模型对易混淆类别的辨别能力。实验结果表明,该方法有效缓解了高相似性问题,显著提升了分类准确率。
3.多检测模型协同的焊接缺陷识别系统构建及项目应用。本研究设计并实现了一个高鲁棒性的焊接缺陷识别系统,该系统包含焊接区域检测模型、铅字区域检测模型、焊接缺陷检测模型以及基于知识蒸馏算法改进的焊接缺陷分类模型。整个系统构建分为三部分:模型训练、模型推理和预测结果的后处理。通过协同多个模型的工作流程,为全自动焊接缺陷识别提供了可靠的技术支持。
欢迎来到三峡大学图书馆！
