【技術(shù)實現(xiàn)步驟摘要】
本專利技術(shù)屬于機器視覺，尤其涉及一種可轉(zhuǎn)位刀片缺陷檢測方法、電子設備、介質(zhì)。
技術(shù)介紹
1、數(shù)控刀具作為工業(yè)母機機床中的核心部件，對于加工質(zhì)量起著關鍵性作用。因此，對刀具進行檢測具有重要的意義。可轉(zhuǎn)位刀片作為大型刀具的必要組成部分，其健康檢測也成為整個生產(chǎn)過程安全、順利進行的一個重要環(huán)節(jié)。
2、在可轉(zhuǎn)位刀片生產(chǎn)的過程中，由于工藝條件及生產(chǎn)過程中的運輸不當?shù)仍颍镀瑫霈F(xiàn)各種缺陷，如毛刺、裂紋、豁口、涂層剝落等。這些缺陷會極大地破壞刀片的外觀完整性和降低刀片的使用壽命。例如刀片的邊緣豁口缺陷，可能會造成待加工表面的凸凹不平，進而影響產(chǎn)品的表面粗糙度和一致性；又如涂層剝落缺陷，可能會嚴重影響刀片的力學性能，造成加工過程中的“崩刀”。
3、針對可轉(zhuǎn)位刀片的缺陷檢測問題，發(fā)展歷程可以分為三個階段，人工檢測階段、機器視覺階段再到目前重點研究的人工智能階段。在人工檢測階段，刀片的表面缺陷檢測主要通過人工肉眼完成，這種檢測方式效率低、準確率低、勞動強度大，無法適應現(xiàn)代大規(guī)模、高質(zhì)量的生產(chǎn)需求。同時，由于必須在強光源的照射下才能快速準確的找到刀片的表面缺陷，會造成工人的用眼疲勞甚至是眼部疾病。基于機器視覺的刀片檢測方法以刀片為直接檢測對象，通過分析刀片的圖像從而判斷刀片的狀態(tài)。該檢測方法不僅可以統(tǒng)一標準，而且能夠降低對操作者加工經(jīng)驗的要求，極大的提高加工效率。但由于其需要專業(yè)的工程師給定參數(shù)，不同種類的刀片及不同的環(huán)境都會影響其檢測效果，整體泛化性不高。基于人工智能方法檢測是目前的重點研究領域，其關鍵在于利用深度神經(jīng)網(wǎng)
技術(shù)實現(xiàn)思路
1、針對現(xiàn)有技術(shù)不足，本專利技術(shù)提供了一種可轉(zhuǎn)位刀片缺陷檢測方法、電子設備、介質(zhì)。
2、第一方面，本專利技術(shù)實施例提供了一種可轉(zhuǎn)位刀片缺陷檢測方法，所述方法包括：
3、獲取可轉(zhuǎn)位刀片正常樣本、可轉(zhuǎn)位刀片缺陷樣本；
4、構(gòu)建可轉(zhuǎn)位刀片缺陷檢測模型，并以可轉(zhuǎn)位刀片正常樣本為訓練集訓練可轉(zhuǎn)位刀片缺陷檢測模型；在可轉(zhuǎn)位刀片缺陷檢測模型第k輪訓練的過程中包括：將可轉(zhuǎn)位刀片正常樣本經(jīng)輸入層輸入至教師編碼器進行編碼，經(jīng)特征壓縮模塊得到第一特征向量、第二特征向量，將第一特征向量輸入至第一學生解碼器，將第二特征向量輸入至第二學生解碼器；計算第i教師編碼向量與第一學生解碼器第i向量間的第一相似度，計算第i教師編碼向量與第二學生解碼器第i向量間的第二相似度；基于第一相似度、第二相似度構(gòu)建損失函數(shù)，通過損失函數(shù)、隨機梯度下降法訓練可轉(zhuǎn)位刀片缺陷檢測模型；
5、將可轉(zhuǎn)位刀片缺陷樣本輸入至每一輪訓練得到的可轉(zhuǎn)位刀片缺陷檢測模型中，篩選出最優(yōu)的可轉(zhuǎn)位刀片缺陷檢測模型；
6、獲取待檢測的可轉(zhuǎn)位刀片圖像輸入至最優(yōu)的可轉(zhuǎn)位刀片缺陷檢測模型，判斷是否存在缺陷。
7、第二方面，本專利技術(shù)實施例提供了一種電子設備，包括存儲器和處理器，所述存儲器與所述處理器耦接；其中，所述存儲器用于存儲程序數(shù)據(jù)，所述處理器用于執(zhí)行所述程序數(shù)據(jù)以實現(xiàn)上述的可轉(zhuǎn)位刀片缺陷檢測方法。
8、第三方面，本專利技術(shù)實施例提供了一種計算機可讀存儲介質(zhì)，其上存儲有計算機程序，所述程序被處理器執(zhí)行時實現(xiàn)上述的可轉(zhuǎn)位刀片缺陷檢測方法。
9、第四方面，本專利技術(shù)實施例提供了一種計算機程序產(chǎn)品，包括計算機程序/指令，該計算機程序/指令被處理器執(zhí)行時實現(xiàn)上述的可轉(zhuǎn)位刀片缺陷檢測方法。
10、與現(xiàn)有技術(shù)相比，本專利技術(shù)的有益效果為：
11、本專利技術(shù)提供了一種無監(jiān)督的可轉(zhuǎn)位刀片缺陷檢測方法，在訓練階段僅包含可轉(zhuǎn)位刀片正常樣本，減少了對大規(guī)模樣本的收集與標注工作，降低了人工成本和數(shù)據(jù)處理難度，同時避免了傳統(tǒng)有監(jiān)督方法中缺陷樣本獲取困難的問題，本專利技術(shù)方法不僅能夠檢測已知缺陷，還能識別未知缺陷，提升了檢測的準確性和泛化能力，從而有效提高了刀片缺陷檢測的效率。
12、同時，本專利技術(shù)方法將教師編碼器的輸出經(jīng)特征壓縮模塊處理得到第一特征向量、第二特征向量，將第一特征向量輸、第二特征向量分別輸入至第一學生解碼器第二學生解碼器，使得第一學生解碼器關注教師編碼器的底層紋理信息，特別是針對可轉(zhuǎn)位刀片的破損、劃痕等缺陷；第二學生解碼器關注教師編碼器的高層語義信息，特別是針對可轉(zhuǎn)位刀片的高溫氧化等缺陷，從而提高可轉(zhuǎn)位刀片缺陷檢測模型的準確率。
本文檔來自技高網(wǎng)...【技術(shù)保護點】
1.一種可轉(zhuǎn)位刀片缺陷檢測方法，其特征在于，所述方法包括：
2.根據(jù)權(quán)利要求1所述的一種可轉(zhuǎn)位刀片缺陷檢測方法，其特征在于，所述可轉(zhuǎn)位刀片缺陷檢測模型包括：輸入層、教師編碼器、特征壓縮模塊、第一學生解碼器、第二學生解碼器以及輸出層；
3.根據(jù)權(quán)利要求1或2所述的一種可轉(zhuǎn)位刀片缺陷檢測方法，其特征在于，所述教師編碼器、第一學生解碼器、第二學生解碼器選用ResNet模型。
4.根據(jù)權(quán)利要求2所述的一種可轉(zhuǎn)位刀片缺陷檢測方法，其特征在于，通過特征壓縮模塊對教師編碼器輸出的編碼向量進行處理，得到第一特征向量tl、第二特征向量th的過程包括：
5.根據(jù)權(quán)利要求1或2所述的一種可轉(zhuǎn)位刀片缺陷檢測方法，其特征在于，計算第i教師編碼向量與第一學生解碼器第i向量間的第一相似度，以及計算第i教師編碼向量與第二學生解碼器第i向量間的第二相似度的表達式如下：
6.根據(jù)權(quán)利要求2所述的一種可轉(zhuǎn)位刀片缺陷檢測方法，其特征在于，基于第一特征異常圖、第二特征異常圖得到可轉(zhuǎn)位刀片缺陷檢測模型輸出的異常圖的表達式如下：
7.根據(jù)權(quán)利要求1所述的
8.一種電子設備，包括存儲器和處理器，其特征在于，所述存儲器與所述處理器耦接；其中，所述存儲器用于存儲程序數(shù)據(jù)，所述處理器用于執(zhí)行所述程序數(shù)據(jù)以實現(xiàn)上述權(quán)利要求1-7任一項所述的可轉(zhuǎn)位刀片缺陷檢測方法。
9.一種計算機可讀存儲介質(zhì)，其上存儲有計算機程序，其特征在于，所述程序被處理器執(zhí)行時實現(xiàn)如權(quán)利要求1-7中任一所述的可轉(zhuǎn)位刀片缺陷檢測方法。
10.一種計算機程序產(chǎn)品，包括計算機程序/指令，其特征在于，該計算機程序/指令被處理器執(zhí)行時實現(xiàn)權(quán)利要求1-7中任一所述的可轉(zhuǎn)位刀片缺陷檢測方法。
...【技術(shù)特征摘要】
1.一種可轉(zhuǎn)位刀片缺陷檢測方法，其特征在于，所述方法包括：
2.根據(jù)權(quán)利要求1所述的一種可轉(zhuǎn)位刀片缺陷檢測方法，其特征在于，所述可轉(zhuǎn)位刀片缺陷檢測模型包括：輸入層、教師編碼器、特征壓縮模塊、第一學生解碼器、第二學生解碼器以及輸出層；
3.根據(jù)權(quán)利要求1或2所述的一種可轉(zhuǎn)位刀片缺陷檢測方法，其特征在于，所述教師編碼器、第一學生解碼器、第二學生解碼器選用resnet模型。
4.根據(jù)權(quán)利要求2所述的一種可轉(zhuǎn)位刀片缺陷檢測方法，其特征在于，通過特征壓縮模塊對教師編碼器輸出的編碼向量進行處理，得到第一特征向量tl、第二特征向量th的過程包括：
5.根據(jù)權(quán)利要求1或2所述的一種可轉(zhuǎn)位刀片缺陷檢測方法，其特征在于，計算第i教師編碼向量與第一學生解碼器第i向量間的第一相似度，以及計算第i教師編碼向量與第二學生解碼器第i向量間的第二相似度的表達式如下：
6.根據(jù)...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：胡松鈺，郭浩銳，胡家榮，胡佳瀅，傅建中，
申請(專利權(quán))人：浙江大學，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。