本發(fā)明涉及磁粉探傷儀，特別涉及一種帶缺陷智能識別功能的磁粉探傷儀。

背景技術(shù)：

1、磁粉探傷儀是一種用于檢測金屬工件表面和近表面裂紋和缺陷的設(shè)備。它基于磁粉法原理，利用磁粉探測技術(shù)，通過在金屬表面生成磁場并施加磁粉，來發(fā)現(xiàn)并顯示出被測物體上的裂紋、夾雜、氣孔等缺陷，從而對金屬工件進(jìn)行質(zhì)量評估和檢測。

2、相關(guān)技術(shù)中，通過圖像處理技術(shù)，并在數(shù)據(jù)處理、不同尺度的特征融合問題上采用簡單的線性操作，比如求和、串聯(lián)，來實現(xiàn)數(shù)據(jù)處理，這種不同尺度間的特征融合方式過于簡單且粗糙，無法有效彌合不同尺度特征層的特征，而不能整合不同尺度特征層間的信息會導(dǎo)致后續(xù)對目標(biāo)檢測的精度和魯棒性不佳。

技術(shù)實現(xiàn)思路

1、本發(fā)明的主要目的是提供一種帶缺陷智能識別功能的磁粉探傷儀，旨在快速穩(wěn)定的處理數(shù)據(jù)，提高對待檢測件上存在的裂紋的檢測精度和魯棒性。

2、為實現(xiàn)上述目的，本發(fā)明提出的一種帶缺陷智能識別功能的磁粉探傷儀，包括以下步驟：

3、s100，通過顯像儀偵測設(shè)有磁粉和檢測磁場的待檢測件，并獲取待檢測件不同尺度輸出特征，包括全局整體特征和局部裂紋細(xì)節(jié)特征；

4、s200，基于全局整體特征和局部裂紋細(xì)節(jié)特征構(gòu)建特征模型，并由數(shù)據(jù)庫對特征模型進(jìn)行備份；

5、s300，基于特征模型設(shè)計卷積神經(jīng)網(wǎng)絡(luò)，并對特征模型進(jìn)行特征提取，對提取的特征進(jìn)行采樣，通過空間池化金字塔對采樣信息參照檢測模型的不同尺度進(jìn)行池化來特征抽取再聚合；

6、s400，基于聚合信息并調(diào)用數(shù)據(jù)庫對待檢測件進(jìn)行狀態(tài)判定，并通過設(shè)置顯像模塊展示待檢測件狀態(tài)，并對識別出的待檢測件上的裂紋位置進(jìn)行框選、報警；

7、s500，基于待檢測件狀態(tài)和特征模型構(gòu)建學(xué)習(xí)模型，將學(xué)習(xí)模型導(dǎo)入數(shù)據(jù)庫構(gòu)建快速判斷模型。

8、在本技術(shù)的一實施例中，所述步驟s300之后，還包括：

9、s310，基于特征模型設(shè)計函數(shù)模塊，并通過函數(shù)模塊對不同尺度進(jìn)行初步特征提取；

10、s320，基于特征模型設(shè)置有高級分析模塊，并通過高級分析模塊對提取的初步特征進(jìn)行分析，得到關(guān)鍵信息集合；

11、s330，基于關(guān)鍵信息集合通過最大池化進(jìn)行采樣，并利用空間池化金字塔對采樣信息做進(jìn)一步分析聚合，得到聚合信息。

12、在本技術(shù)的一實施例中，所述步驟s310之后，還包括：

13、s311，基于特征模型設(shè)置卷積層，并配置濾波器，用于從特征模型中的輸入圖像中提取并檢測不同位置的不同特征信息；

14、s312，基于特征信息設(shè)置批量歸一化層，通過加速神經(jīng)網(wǎng)絡(luò)的收斂過程，規(guī)范不同層的數(shù)據(jù)輸入；

15、s313，基于數(shù)據(jù)輸入設(shè)置silu激活函數(shù)，通過調(diào)用網(wǎng)絡(luò)學(xué)習(xí)復(fù)雜的特征表示，用于激活特征分析。

16、在本技術(shù)的一實施例中，所述步驟s320之后，還包括：

17、s321，基于提取的初步特征設(shè)置有深度拓展模塊，通過深度拓展模塊跨層連接來解決深度神經(jīng)網(wǎng)絡(luò)中的梯度消失或爆炸問題；

18、s322，基于深度拓展模塊設(shè)置卷積層，通過卷積層學(xué)習(xí)深度分析，并對初步特征進(jìn)行深度分析。

19、在本技術(shù)的一實施例中，所述步驟s400之后，還包括：

20、s410，基于聚合信息設(shè)計有頸部結(jié)構(gòu)，通過頸部結(jié)構(gòu)收集更為全面的待檢測件狀態(tài)信息；

21、s420，基于頸部結(jié)構(gòu)設(shè)計有注意力機制，用于引導(dǎo)不同層次特征的全局信息和局部信息相互補齊。

22、在本技術(shù)的一實施例中，所述步驟s420之后，還包括：

23、s421，基于注意力機制對全局信息從通道層面進(jìn)行數(shù)據(jù)處理，處理的方式為

24、

25、其中，x代表輸入注意力的特征圖，mc()表示對所有特征圖進(jìn)行通道方向進(jìn)行操作，h、w表示每張?zhí)卣鲌D的高度和寬度。

26、在本技術(shù)的一實施例中，所述步驟s421之后，還包括：

27、s422，將特征圖從空間層面進(jìn)行特征的聚焦和加權(quán)，以達(dá)到通過卷積生成一個掩膜來從空間層面對特征圖進(jìn)行局部信息的強化，可以表述為

28、

29、其中，ms()表示對所有特征圖進(jìn)行空間方向的操作，c代表特征圖的通道數(shù)量，δ表示對逐通道特征圖進(jìn)行特征強化操作。

30、在本技術(shù)的一實施例中，所述步驟s422之后，還包括：

31、s423，將不同尺度的特征圖進(jìn)行融合操作，對采樣得到的深度特征圖和淺度特征圖進(jìn)行聯(lián)合處理，并最終在不同尺度上進(jìn)行特征融合，得到待檢測件狀態(tài)特征，可表示為

32、

33、

34、其中m為輸入特征圖最后的強化特征，表示逐元素相乘，n為新生成的融合特征，fup(xl+1)表示來自上采樣的底層特征，xl表示淺層特征，[]為合并操作。

35、在本技術(shù)的一實施例中，所述步驟s423之后，還包括：

36、s424，基于新生成的融合特征通過repconv結(jié)構(gòu)重參數(shù)化進(jìn)行特征通道數(shù)調(diào)整，并在不同尺度特征圖上進(jìn)行結(jié)構(gòu)預(yù)測，輸出對應(yīng)的目標(biāo)位置與類別信息。

37、在本技術(shù)的一實施例中，一種磁粉探傷系統(tǒng)應(yīng)用于一種帶缺陷智能識別功能的磁粉探傷儀，磁粉探傷系統(tǒng)包括：

38、數(shù)據(jù)收集模塊，所述數(shù)據(jù)收集模塊用于連通于磁粉探傷儀，并收集待檢測件不同尺度下的全局整體特征和局部裂紋細(xì)節(jié)特征；

39、數(shù)據(jù)整理模塊，所述數(shù)據(jù)整理模塊用于接收全局整體特征和局部裂紋細(xì)節(jié)特征，構(gòu)建特征模型，并通過數(shù)據(jù)庫進(jìn)行暫存；

40、特征提取模塊，所述特征提取模塊根據(jù)特征模型，提取不同尺度的狀態(tài)信息和特征關(guān)鍵詞，并通過函數(shù)得到待檢測件狀態(tài)圖表；

41、顯示調(diào)節(jié)模塊，所述顯示調(diào)節(jié)模塊基于待檢測件狀態(tài)圖表，對待檢測件狀態(tài)進(jìn)行展示，并對存在的裂紋情況進(jìn)行報警，并結(jié)合特征模型對數(shù)據(jù)庫進(jìn)行更新。

42、本發(fā)明技術(shù)方案通過采用在檢測待檢測件上是否存在傷口前預(yù)先清理待檢測件的表面，確保無油污或者雜質(zhì)，放置磁粉探傷儀，并調(diào)節(jié)遠(yuǎn)程攝像頭，同時設(shè)置磁場強度和磁粉的稀釋比例，確保其適合具體的檢測需求，將磁粉以粉末或液體狀態(tài)涂敷在潛在缺陷處，并利用磁粉探傷儀施加磁場，并結(jié)合遠(yuǎn)程攝像頭等探測、收集待檢測件的狀態(tài)數(shù)據(jù)進(jìn)行傷情判斷，具體的首先需要通過顯像儀、探測器、遠(yuǎn)程攝像頭等儀器獲取待檢測件潛在缺陷處的不同尺度輸出特征，包括全局整體特征和局部裂紋細(xì)節(jié)特征，這些特征將由磁粉探傷儀內(nèi)預(yù)制的探傷管理軟件進(jìn)行接收，并根據(jù)這些數(shù)據(jù)構(gòu)建特征模型，特征模型有利于后續(xù)對狀態(tài)進(jìn)行計算，并且由數(shù)據(jù)庫對特征模型進(jìn)行備份，并結(jié)合最終計算結(jié)果完成備份后，可以有利于系統(tǒng)對探傷流程和方式進(jìn)行深度學(xué)習(xí)，有利于提高后續(xù)對待檢測件傷情判斷的準(zhǔn)確性和效率，通過特征模型可以對應(yīng)設(shè)置卷積神經(jīng)網(wǎng)絡(luò)，該網(wǎng)絡(luò)可以高效準(zhǔn)確的收集判斷待檢測件的傷情，首先可以利用激活函數(shù)通過特征模型的信息點進(jìn)行初步的特征提取，系統(tǒng)同時也在通過聯(lián)網(wǎng)學(xué)習(xí)高級語義等，便于對初步提取的特征進(jìn)行篩選，得到關(guān)鍵信息，并進(jìn)行采樣，通過采樣空間池化金字塔的方式，對采樣信息結(jié)合特征模型從不同尺度進(jìn)行池化來特征抽取而后再聚合，用以提高算法的魯棒性和精度，對上述聚合信息進(jìn)行計算和判斷，可以調(diào)用歷史數(shù)據(jù)庫中曾經(jīng)判斷過的實例進(jìn)行輔助判斷，進(jìn)而判斷出待檢測件的裂縫在磁粉探傷儀所收集到的圖像中的裂縫類別信息和位置信息，實現(xiàn)裂紋識別探傷自動化檢測，并由磁粉探傷儀所配置的顯像模塊如顯示屏對待檢測件的傷口位置以圖像形式進(jìn)行標(biāo)注并報警，便于用戶知曉檢測結(jié)果，當(dāng)待檢測件狀態(tài)檢測完成后，數(shù)據(jù)庫將對應(yīng)結(jié)果連同特征模型構(gòu)建學(xué)習(xí)模型，并在數(shù)據(jù)庫中連同往期數(shù)據(jù)優(yōu)化快速判斷模型，便于之后對待檢測件狀態(tài)進(jìn)行判斷時調(diào)用，以達(dá)到快速準(zhǔn)確的判斷當(dāng)前待檢測件的狀態(tài)的目地，提高檢測精度和魯棒性。