本發(fā)明涉及汽車焊接，具體而言，涉及一種汽車零部件的焊接缺陷識別方法、系統(tǒng)、設備及介質。

背景技術：

1、隨著工業(yè)自動化的快速發(fā)展，焊接技術在汽車制造業(yè)中扮演著至關重要的角色。傳統(tǒng)的焊接質量檢測方法依賴于人工檢測或簡單的自動化設備，這些方法存在檢測速度慢、精度低、效率不高的問題。為了提高焊接質量的檢測效率和準確性，現(xiàn)有的技術嘗試采用機器視覺和超聲波檢測等手段。

2、然而，這些技術往往只能檢測到焊接表面的缺陷，對于焊接內部的缺陷則難以識別，且在復雜環(huán)境下的適應性較差。

技術實現(xiàn)思路

1、本發(fā)明的目的在于提供一種汽車零部件的焊接缺陷識別方法、系統(tǒng)、設備及介質，以改善上述問題。為了實現(xiàn)上述目的，本發(fā)明采取的技術方案如下：

2、第一方面，本技術提供了一種汽車零部件的焊接缺陷識別方法，包括：

3、利用結構光視覺傳感器和高頻超聲傳感器獲取汽車零部件的待焊接區(qū)域的三維結構光數(shù)據(jù)和在焊接過程中產生的聲波信號，并分別對三維結構光數(shù)據(jù)和聲波信號進行預處理，其中包括對三維結構光數(shù)據(jù)進行濾波和降噪，得到用于識別焊縫幾何特征的邊緣和輪廓信息，對聲波信號進行頻譜分析，去除背景噪聲，得到用于識別焊接內部缺陷的特征頻率信息；

4、通過熱成像相機捕捉汽車零部件的待焊接區(qū)域的熱分布圖像，并采用磁光成像技術檢測焊接區(qū)域的磁場變化，并分別對熱分布圖像進行溫度校準，得到用于識別焊接缺陷熱異常的區(qū)域特征信息，對磁光成像數(shù)據(jù)進行空間濾波，得到用于識別焊接缺陷的磁光信號特征信息；

5、根據(jù)邊緣和輪廓信息、特征頻率信息、區(qū)域特征信息和磁光信號特征信息，經(jīng)過深度學習算法處理，得到融合后的特征表示，通過訓練一個深度學習模型對融合后的特征表示進行缺陷識別與分類，得到缺陷識別結果，其中該模型能夠自動學習焊接缺陷的特征，并將其分為不同的類別，包括裂紋、氣孔以及未焊透；

6、基于缺陷識別結果，評估焊接質量，并通過模擬退火算法調整焊接參數(shù)，生成焊接質量報告，從而識別到汽車零部件的焊接缺陷。

7、優(yōu)選地，所述利用結構光視覺傳感器和高頻超聲傳感器獲取汽車零部件的待焊接區(qū)域的三維結構光數(shù)據(jù)和在焊接過程中產生的聲波信號，并分別對三維結構光數(shù)據(jù)和聲波信號進行預處理，其中包括對三維結構光數(shù)據(jù)進行濾波和降噪，得到用于識別焊縫幾何特征的邊緣和輪廓信息，對聲波信號進行頻譜分析，去除背景噪聲，得到用于識別焊接內部缺陷的特征頻率信息，其中包括：

8、根據(jù)結構光視覺傳感器采集的汽車零部件待焊接區(qū)域的原始三維結構光數(shù)據(jù)，經(jīng)過傅里葉變換處理，得到焊縫的頻域表示；

9、利用逆傅里葉變換和高斯濾波對焊縫的頻域表示進行處理，得到增強的焊縫邊緣和輪廓信息；

10、基于高頻超聲傳感器采集的焊接過程中產生的原始聲波信號，經(jīng)過短時分數(shù)階傅里葉變換處理，得到時頻域表示，其中包括通過短時分數(shù)階傅里葉變換分析聲波信號的局部頻譜特性，為識別焊接內部缺陷提供時頻特征；

11、經(jīng)過小波去噪對時頻域表示進行處理，得到用于識別焊接內部缺陷的特征頻率信息。

12、優(yōu)選地，所述通過熱成像相機捕捉汽車零部件的待焊接區(qū)域的熱分布圖像，并采用磁光成像技術檢測焊接區(qū)域的磁場變化，并分別對熱分布圖像進行溫度校準，得到用于識別焊接缺陷熱異常的區(qū)域特征信息，對磁光成像數(shù)據(jù)進行空間濾波，得到用于識別焊接缺陷的磁光信號特征信息，其中包括：

13、根據(jù)熱成像相機捕捉的汽車零部件待焊接區(qū)域的熱分布圖像，經(jīng)過黑體輻射定律和斯特藩-玻爾茲曼定律計算，得到用于識別焊接缺陷熱異常的區(qū)域特征信息；

14、基于熱分布圖像，經(jīng)過雙目視覺技術3d重建處理，使用針孔攝像機模型和立體匹配算法，得到用于識別焊接缺陷的3d溫度分布模型，其中立體匹配算法包括特征提取、特征匹配以及視差計算，最終得到每個像素點的三維坐標；

15、根據(jù)3d溫度分布模型，經(jīng)過置信傳播算法處理，該算法通過迭代過程優(yōu)化模型的參數(shù)估計，得到焊接區(qū)域的熱特性和缺陷位置；

16、經(jīng)過空間濾波器和相干光學圖像處理系統(tǒng)對熱特性和缺陷位置處理，得到用于識別焊接缺陷的增強磁光信號特征信息。

17、優(yōu)選地，所述根據(jù)邊緣和輪廓信息、特征頻率信息、區(qū)域特征信息和磁光信號特征信息，經(jīng)過深度學習算法處理，得到融合后的特征表示，通過訓練一個深度學習模型對融合后的特征表示進行缺陷識別與分類，得到缺陷識別結果，其中包括：

18、根據(jù)結構光特征向量、超聲特征向量、熱成像特征向量和磁光特征向量，經(jīng)過特征融合層處理，得到融合的特征表示；

19、利用深度學習模型對融合的特征表示進行訓練，其中訓練過程使用交叉熵損失函數(shù)和反向傳播算法來優(yōu)化模型參數(shù)，得到訓練后的模型參數(shù)；

20、經(jīng)過前向傳播法對訓練后的模型參數(shù)進行計算，模型輸出每個存在缺陷類別的預測概率，最終根據(jù)概率最高的類別確定缺陷類型，并結合圖像分割技術來確定缺陷的具體位置，得到缺陷識別結果。

21、優(yōu)選地，所述基于缺陷識別結果，評估焊接質量，并通過模擬退火算法調整焊接參數(shù)，生成焊接質量報告，從而識別到汽車零部件的焊接缺陷，其中包括：

22、根據(jù)缺陷識別結果中的缺陷類型、數(shù)量和位置，結合焊接工藝標準，使用缺陷密度、缺陷分布和缺陷嚴重程度指標計算綜合得分；

23、利用模擬退火算法對綜合得分進行處理，得到經(jīng)過優(yōu)化的焊接參數(shù)；

24、根據(jù)優(yōu)化后的焊接參數(shù)，經(jīng)過反饋控制機制處理，其中反饋控制機制包括監(jiān)控焊接過程并實時調整焊接設備參數(shù)，得到最終調整后的焊接參數(shù)，從而識別到汽車零部件的焊接缺陷。

25、第二方面，本技術還提供了一種汽車零部件的焊接缺陷識別系統(tǒng)，包括：

26、處理模塊：用于利用結構光視覺傳感器和高頻超聲傳感器獲取汽車零部件的待焊接區(qū)域的三維結構光數(shù)據(jù)和在焊接過程中產生的聲波信號，并分別對三維結構光數(shù)據(jù)和聲波信號進行預處理，其中包括對三維結構光數(shù)據(jù)進行濾波和降噪，得到用于識別焊縫幾何特征的邊緣和輪廓信息，對聲波信號進行頻譜分析，去除背景噪聲，得到用于識別焊接內部缺陷的特征頻率信息；

27、校準模塊：用于通過熱成像相機捕捉汽車零部件的待焊接區(qū)域的熱分布圖像，并采用磁光成像技術檢測焊接區(qū)域的磁場變化，并分別對熱分布圖像進行溫度校準，得到用于識別焊接缺陷熱異常的區(qū)域特征信息，對磁光成像數(shù)據(jù)進行空間濾波，得到用于識別焊接缺陷的磁光信號特征信息；

28、訓練模塊：用于根據(jù)邊緣和輪廓信息、特征頻率信息、區(qū)域特征信息和磁光信號特征信息，經(jīng)過深度學習算法處理，得到融合后的特征表示，通過訓練一個深度學習模型對融合后的特征表示進行缺陷識別與分類，得到缺陷識別結果，其中該模型能夠自動學習焊接缺陷的特征，并將其分為不同的類別，包括裂紋、氣孔以及未焊透；

29、識別模塊：用于基于缺陷識別結果，評估焊接質量，并通過模擬退火算法調整焊接參數(shù)，生成焊接質量報告，從而識別到汽車零部件的焊接缺陷。

30、第三方面，本技術還提供了一種汽車零部件的焊接缺陷識別設備，包括：

31、存儲器，用于存儲計算機程序；

32、處理器，用于執(zhí)行所述計算機程序時實現(xiàn)所述汽車零部件的焊接缺陷識別方法的步驟。

33、第四方面，本技術還提供了一種可讀存儲介質，所述可讀存儲介質上存儲有計算機程序，所述計算機程序被處理器執(zhí)行時實現(xiàn)上述基于汽車零部件的焊接缺陷識別方法的步驟。

34、本發(fā)明的有益效果為：

35、本發(fā)明通過結合結構光視覺傳感器、高頻超聲傳感器、熱成像相機和磁光成像技術，實現(xiàn)了對焊接區(qū)域的全面檢測，首先，利用結構光視覺傳感器獲取焊接區(qū)域的三維結構光數(shù)據(jù)，然后通過傅里葉變換和高斯濾波處理，提取出焊縫的清晰邊緣和輪廓信息；接著，通過高頻超聲傳感器收集焊接過程中產生的聲波信號，并利用短時傅里葉變換和背景噪聲去除技術，提取出焊接缺陷的特征頻率信息；此外，通過熱成像相機捕捉焊接區(qū)域的熱分布圖像，并采用溫度校準處理，得到焊接缺陷的熱異常區(qū)域特征信息；最后，通過磁光成像技術檢測焊接區(qū)域的磁場變化，并進行空間濾波處理，得到焊接缺陷的磁光信號特征信息。這些特征信息被輸入到一個深度學習模型中，通過訓練得到一個能夠自動識別和分類焊接缺陷的模型。該模型能夠識別包括裂紋、氣孔和未焊透在內的多種焊接缺陷，從而顯著提高了焊接質量檢測的準確性和效率。

36、本發(fā)明的其他特征和優(yōu)點將在隨后的說明書闡述，并且，部分地從說明書中變得顯而易見，或者通過實施本發(fā)明實施例了解。本發(fā)明的目的和其他優(yōu)點可通過在所寫的說明書、權利要求書、以及附圖中所特別指出的結構來實現(xiàn)和獲得。