(19)國(guó)家知識(shí)產(chǎn)權(quán)局(12)發(fā)明專利(22)申請(qǐng)日2024.05.23(43)申請(qǐng)公布日2024.09.06公司31236(56)對(duì)比文件G01B11/25(2006.01)權(quán)利要求書(shū)3頁(yè)說(shuō)明書(shū)12頁(yè)附圖7頁(yè)焊縫形貌及表面缺陷在線檢測(cè)評(píng)估方法和本發(fā)明提供了一種焊縫形貌及表面缺陷在像；對(duì)3D點(diǎn)云提取焊縫區(qū)域，計(jì)算焊縫整體形貌；對(duì)2D灰度圖像利用多邊形定位框進(jìn)行焊縫表面缺陷的標(biāo)注；建立全卷積神經(jīng)網(wǎng)絡(luò)缺陷檢測(cè)模明能夠準(zhǔn)確地進(jìn)行焊縫整體形貌的計(jì)算以及與表面缺陷的綜合判定，克服了傳統(tǒng)焊縫表面質(zhì)量通過(guò)線激光沿焊縫縱向進(jìn)行掃描。得到焊縫形貌的整體三維輪廓高度數(shù)據(jù)將掃描高度數(shù)據(jù)轉(zhuǎn)換為3D點(diǎn)云和2D灰度圖像對(duì)3D點(diǎn)云進(jìn)行處理，提取焊縫區(qū)域.計(jì)算焊縫整體形貌對(duì)2D灰度圖像利用多邊形定位框進(jìn)行焊縫表面缺陷的標(biāo)注.構(gòu)建焊縫表面缺陷數(shù)據(jù)集以焊縫2D灰度圖像為輸入，以像素級(jí)缺陷分類為輸出建立全卷積神經(jīng)網(wǎng)絡(luò)缺陷檢測(cè)模型，并進(jìn)行訓(xùn)練、驗(yàn)證和測(cè)試對(duì)模型判定的缺陷進(jìn)行可視化、空間定位及幾何尺寸計(jì)算將焊縫整體形貌與表面缺陷檢測(cè)相結(jié)合，對(duì)焊縫表面質(zhì)量進(jìn)行綜合評(píng)估依據(jù)構(gòu)建的焊縫形貌和表面缺陷檢測(cè)綜合評(píng)估系統(tǒng)，對(duì)實(shí)際焊接的焊縫表面質(zhì)量進(jìn)行在線檢測(cè)與評(píng)估21.一種焊縫形貌及表面缺陷在線檢測(cè)評(píng)估方法，其特征在于，包括：步驟S1:通過(guò)線激光沿焊縫縱向進(jìn)行掃描，得到焊縫形貌的整體三維輪廓高度數(shù)據(jù)；步驟S2:將掃描得到的整體三維輪廓高度數(shù)據(jù)轉(zhuǎn)換為3D點(diǎn)云和2D灰度圖像；步驟S4:對(duì)2D灰度圖像利用多邊形定位框進(jìn)行焊縫表面缺陷的標(biāo)注，構(gòu)建焊縫表面缺陷數(shù)據(jù)集；步驟S5:以焊縫2D灰度圖像為輸入，以像素級(jí)缺陷分類為輸出建立全卷積神經(jīng)網(wǎng)絡(luò)缺步驟S6:對(duì)缺陷檢測(cè)模型判定的缺陷進(jìn)行缺陷的可視化、空間定位及幾何尺寸計(jì)算；步驟S7:將焊縫整體形貌與表面缺陷檢測(cè)相結(jié)合，對(duì)焊縫表面質(zhì)量進(jìn)行綜合評(píng)估；步驟S8:依據(jù)構(gòu)建的焊縫形貌和表面缺陷檢測(cè)綜合評(píng)估系統(tǒng)，對(duì)實(shí)際焊接的焊縫表面質(zhì)量進(jìn)行在線檢測(cè)與評(píng)估；所述步驟S3包括：步驟S3.1:去除3D點(diǎn)云中的無(wú)效數(shù)據(jù)點(diǎn)；步驟S3.2:識(shí)別3D點(diǎn)云的焊縫區(qū)域內(nèi)點(diǎn)；步驟S3.3:得到焊縫區(qū)域3D點(diǎn)云；步驟S3.4:根據(jù)焊縫區(qū)域點(diǎn)云計(jì)算焊縫整體所述步驟S4包括：步驟S4.1:對(duì)2D灰度圖像利用多邊形定位框進(jìn)行焊縫不同類型表面加噪聲，進(jìn)行數(shù)據(jù)增廣，構(gòu)成焊縫表面缺陷數(shù)據(jù)集；步驟S4.3:將得到的數(shù)據(jù)集按照預(yù)設(shè)比所述步驟S6包括：步驟S6.1:對(duì)網(wǎng)絡(luò)輸出提取缺陷：缺陷檢測(cè)模型的輸出為[height,width,num_出三維張量中的像素值為對(duì)應(yīng)缺陷類別的預(yù)測(cè)概率值；首先將模型輸出的缺陷預(yù)測(cè)三維張量縮放回原始圖像大小，然后按照最大預(yù)測(cè)值對(duì)應(yīng)的類別獲取不同缺陷的掩膜圖像，再對(duì)不同類別缺陷的掩膜圖像分別進(jìn)行連通域提取，得到各個(gè)缺陷的二維輪廓；步驟S6.2:缺陷可視化、空間定位及尺寸計(jì)算：基于Delaunay三角剖分進(jìn)行缺陷的二維拓?fù)潢P(guān)系重建，并返回到三維點(diǎn)云得到缺陷的可視化結(jié)果；將二維缺陷輪廓與3D點(diǎn)云結(jié)合分析，依據(jù)缺陷在子幀中的相對(duì)位置及幀數(shù)得到在實(shí)際焊縫中的位置；獲取缺陷點(diǎn)云的三所述步驟S7包括：結(jié)合步驟S3得到的焊縫區(qū)域，判斷缺陷是否在焊縫表面，排除誤檢缺陷，根據(jù)相應(yīng)焊接質(zhì)量標(biāo)準(zhǔn)對(duì)焊縫形貌及缺陷是否超差進(jìn)行綜合評(píng)估。2.根據(jù)權(quán)利要求1所述的焊縫形貌及表面缺陷在線檢測(cè)評(píng)估方法，其特征在于，所述步驟S1包括：在三維空間中對(duì)焊縫進(jìn)行線激光掃描：以焊縫縱向?yàn)閅軸方向，橫截面方向?yàn)閄軸方向，高度為Z軸方向，線激光與X軸平行，以預(yù)設(shè)恒頻率獲得焊縫截面的高度數(shù)據(jù)；所述步驟S2包括：步驟S2.1:根據(jù)X軸和Y軸的空間分辨率將掃描高度數(shù)據(jù)轉(zhuǎn)換為3D點(diǎn)云；步驟S2.2:采用Sobel結(jié)合高斯增強(qiáng)的圖像處理算法將掃描高度數(shù)據(jù)轉(zhuǎn)換為2D灰度圖像，然后采用等間隔裁剪方法對(duì)2D灰度圖像進(jìn)行子幀劃分。3.根據(jù)權(quán)利要求1所述的焊縫形貌及表面缺陷在線檢測(cè)評(píng)估方法，其特征在于，所述步3驟S5包括：步驟S5.1:以焊縫2D灰度圖像為輸入，以像素級(jí)缺陷分類為輸出建立全卷積神經(jīng)網(wǎng)絡(luò)缺陷檢測(cè)模型；步驟S5.2:配置模型訓(xùn)練參數(shù)，包括設(shè)定學(xué)習(xí)率、衰減方式、優(yōu)化器、以及批量大小步驟S5.3:對(duì)2D灰度圖像進(jìn)行預(yù)處理：首先轉(zhuǎn)換為三通道RGB圖像，然后進(jìn)行裁剪縮放成全卷積神經(jīng)網(wǎng)絡(luò)的要求的標(biāo)準(zhǔn)尺寸；步驟S5.4:對(duì)建立的缺陷檢測(cè)模型進(jìn)行遷移學(xué)習(xí)：首先凍結(jié)特征提取部分的權(quán)重參數(shù)，對(duì)網(wǎng)絡(luò)進(jìn)行微調(diào)，經(jīng)過(guò)預(yù)設(shè)訓(xùn)練迭代次數(shù)后，再解凍特征提取部分進(jìn)行全模型的權(quán)值訓(xùn)練；步驟S5.5:用驗(yàn)證集進(jìn)行過(guò)擬合檢查，判斷缺陷檢測(cè)模型對(duì)驗(yàn)證集的損失變化是否出現(xiàn)先下降后反而上升的過(guò)擬合現(xiàn)象，當(dāng)驗(yàn)證集的損失不再下降時(shí)，停止訓(xùn)練；步驟S5.6:用測(cè)試集對(duì)缺陷檢測(cè)模型的準(zhǔn)確率和召回率指標(biāo)進(jìn)行測(cè)試，驗(yàn)證模型的適應(yīng)性和準(zhǔn)確性。4.一種焊縫形貌及表面缺陷在線檢測(cè)評(píng)估系統(tǒng)，其特征在于，包括：數(shù)據(jù)采集模塊M1:通過(guò)線激光沿焊縫縱向進(jìn)行掃描，得到焊縫形貌的整體三維輪廓高度數(shù)據(jù)；數(shù)據(jù)轉(zhuǎn)換模塊M2:將掃描得到的整體三維輪廓高度數(shù)據(jù)轉(zhuǎn)換為3D點(diǎn)云和2D灰度圖像；形貌計(jì)算模塊M3:對(duì)3D點(diǎn)云進(jìn)行處理，提取焊縫區(qū)域，計(jì)算焊縫整體形貌；數(shù)據(jù)集構(gòu)建模塊M4:對(duì)2D灰度圖像利用多邊形定位框進(jìn)行焊縫表面缺陷的標(biāo)注，構(gòu)建焊縫表面缺陷數(shù)據(jù)集；網(wǎng)絡(luò)構(gòu)建模塊M5:以焊縫2D灰度圖像為輸入，以像素級(jí)缺陷分類為輸出建立全卷積神缺陷檢測(cè)模塊M6:對(duì)缺陷檢測(cè)模型判定的缺陷進(jìn)行缺陷的可視化、空間定位及幾何尺寸計(jì)算；綜合質(zhì)量評(píng)估模塊M7:將焊縫整體形貌與表面缺陷檢測(cè)相結(jié)合，對(duì)焊縫表面質(zhì)量進(jìn)行綜合評(píng)估；在線檢測(cè)評(píng)估模塊M8:依據(jù)構(gòu)建的焊縫形貌和表面缺陷檢測(cè)綜合評(píng)估系統(tǒng)，對(duì)實(shí)際焊接的焊縫表面質(zhì)量進(jìn)行在線檢測(cè)與評(píng)估；所述模塊M3包括：模塊M3.1:去除3D點(diǎn)云中的無(wú)效數(shù)據(jù)點(diǎn)；模塊M3.2:識(shí)別3D點(diǎn)云的焊縫區(qū)域內(nèi)點(diǎn)；模塊M3.3:得到焊縫區(qū)域3D點(diǎn)云；模塊M3.4:根據(jù)焊縫區(qū)域點(diǎn)云計(jì)算焊縫整體所述模塊M4包括：模塊M4.1:對(duì)2D灰度圖像利用多邊形定位框進(jìn)行焊縫不同類型表面缺陷的標(biāo)注，得到對(duì)應(yīng)的掩膜圖像；模塊M4.2:對(duì)2D灰度圖像與掩膜圖像進(jìn)行旋轉(zhuǎn)、鏡像、添加噪聲，進(jìn)行數(shù)據(jù)增廣，構(gòu)成焊縫表面缺陷數(shù)據(jù)集；模塊M4.3:將得到的數(shù)據(jù)集按照預(yù)設(shè)比所述模塊M6包括：模塊M6.1:對(duì)網(wǎng)絡(luò)輸出提取缺陷：缺陷檢測(cè)模型的輸出為[height,width,num_出三維張量中的像素值為對(duì)應(yīng)缺陷類別的預(yù)測(cè)概率值；首先將模型輸出的缺陷預(yù)測(cè)三維張4量縮放回原始圖像大小，然后按照最大預(yù)測(cè)值對(duì)應(yīng)的類別獲取不同缺陷的掩膜圖像，再對(duì)不同類別缺陷的掩膜圖像分別進(jìn)行連通域提取，得到各個(gè)缺陷的二維輪廓；模塊M6.2:缺陷可視化、空間定位及尺寸計(jì)算：基于Delaunay三角剖分進(jìn)行缺陷的二維拓?fù)潢P(guān)系重建，并返回到三維點(diǎn)云得到缺陷的可視化結(jié)果；將二維缺陷輪廓與3D點(diǎn)云結(jié)合分析，依據(jù)缺陷在子幀中的相對(duì)位置及幀數(shù)得到在實(shí)際焊縫中的位置；獲取缺陷點(diǎn)云的三所述模塊M7包括：結(jié)合模塊M3得到的焊縫區(qū)域，判斷缺陷是否在焊縫表面，排除誤檢缺陷，根據(jù)相應(yīng)焊接質(zhì)量標(biāo)準(zhǔn)對(duì)焊縫形貌及缺陷是否超差進(jìn)行綜合評(píng)估。5.根據(jù)權(quán)利要求4所述的焊縫形貌及表面缺陷在線檢測(cè)評(píng)估系統(tǒng)，其特征在于，所述模塊M1包括：在三維空間中對(duì)焊縫進(jìn)行線激光掃描：以焊縫縱向?yàn)閅軸方向，橫截面方向?yàn)閄軸方向，高度為Z軸方向，線激光與X軸平行，以預(yù)設(shè)恒定的速度沿Y軸方向移動(dòng)，按照預(yù)設(shè)采集頻率獲得焊縫截面的高度數(shù)據(jù)；所述模塊M2包括：模塊M2.1:根據(jù)X軸和Y軸的空間分辨率將掃描高度數(shù)據(jù)轉(zhuǎn)換為3D點(diǎn)云；模塊M2.2:采用Sobel結(jié)合高斯增強(qiáng)的圖像處理算法將掃描高度數(shù)據(jù)轉(zhuǎn)換為2D灰度圖像，然后采用等間隔裁剪方法對(duì)2D灰度圖像進(jìn)行子幀劃分。6.根據(jù)權(quán)利要求4所述的焊縫形貌及表面缺陷在線檢測(cè)評(píng)估系統(tǒng)，其特征在于，所述模模塊M5.1:以焊縫2D灰度圖像為輸入，以像素級(jí)缺陷分類為輸出建立全卷積神經(jīng)網(wǎng)絡(luò)缺陷檢測(cè)模型；模塊M5.2:配置模型訓(xùn)練參數(shù)，包括設(shè)定學(xué)習(xí)率、衰減方式、優(yōu)化器、以及批量大小模塊M5.3:對(duì)2D灰度圖像進(jìn)行預(yù)處理：首先轉(zhuǎn)換為三通道RGB圖像，然后進(jìn)行裁剪縮放成全卷積神經(jīng)網(wǎng)絡(luò)的要求的標(biāo)準(zhǔn)尺寸；模塊M5.4:對(duì)建立的缺陷檢測(cè)模型進(jìn)行遷移學(xué)習(xí)：首先凍結(jié)特征提取部分的權(quán)重參數(shù)，對(duì)網(wǎng)絡(luò)進(jìn)行微調(diào)，經(jīng)過(guò)預(yù)設(shè)訓(xùn)練迭代次數(shù)后，再解凍特征提取部分進(jìn)行全模型的權(quán)值訓(xùn)練；模塊M5.5:用驗(yàn)證集進(jìn)行過(guò)擬合檢查，判斷缺陷檢測(cè)模型對(duì)驗(yàn)證集的損失變化是否出現(xiàn)先下降后反而上升的過(guò)擬合現(xiàn)象，當(dāng)驗(yàn)證集的損失不再下降時(shí)，停止訓(xùn)練；模塊M5.6:用測(cè)試集對(duì)缺陷檢測(cè)模型的準(zhǔn)確率和召回率指標(biāo)進(jìn)行測(cè)試，驗(yàn)證模型的適應(yīng)性和準(zhǔn)確性。5焊縫形貌及表面缺陷在線檢測(cè)評(píng)估方法和系統(tǒng)技術(shù)領(lǐng)域[0001]本發(fā)明涉及焊縫無(wú)損檢測(cè)技術(shù)領(lǐng)域，具體地，涉及一種焊縫形貌及表面缺陷在線檢測(cè)評(píng)估方法和系統(tǒng)。尤其地，涉及一種基于全卷積神經(jīng)網(wǎng)絡(luò)和線激光的焊縫形貌及表面缺陷在線檢測(cè)評(píng)估方法。背景技術(shù)[0002]焊接是現(xiàn)代工業(yè)生產(chǎn)中最廣泛使用的加工連接方式之一，焊接質(zhì)量的檢測(cè)和控制非常重要，決定著焊接是否合格及是否滿足使用要求。焊接質(zhì)量主要取決于焊縫成形、焊縫組織性能、焊縫力學(xué)性能等幾個(gè)方面，其中焊縫成形是衡量焊接質(zhì)量的重要指標(biāo)，與焊縫質(zhì)量息息相關(guān)，其檢測(cè)內(nèi)容主要包括了焊縫形貌和表面缺陷檢測(cè)及焊縫內(nèi)部缺陷檢測(cè)。其中，焊縫內(nèi)部缺陷檢測(cè)主要采用X射線、超聲波探傷等無(wú)損檢測(cè)方法實(shí)現(xiàn)，主要應(yīng)用于壓力容器以及重要承載結(jié)構(gòu)焊縫的檢測(cè)中，已具有完善嚴(yán)格的質(zhì)量檢測(cè)標(biāo)準(zhǔn)。而焊縫形貌和表面缺陷檢測(cè)應(yīng)用最廣，基本所有的工業(yè)焊縫都要進(jìn)行形貌和表面缺陷檢測(cè)。目前，在核電、化學(xué)工業(yè)容器、高鐵制造、汽車輪船等重要行業(yè)的焊接中，除了內(nèi)部檢測(cè)要求外，均需要進(jìn)行嚴(yán)格的焊縫形貌和表面缺陷檢測(cè)。[0003]傳統(tǒng)的焊縫表面質(zhì)量檢測(cè)采用接觸式測(cè)量方法，使用量規(guī)、卡尺和三坐標(biāo)測(cè)量機(jī)等輔助測(cè)量工具來(lái)測(cè)量焊縫幾何特征，不僅效率低、穩(wěn)定性差，而且測(cè)量過(guò)程中量具與工件表面容易直接接觸，造成工件表面損傷。非接觸式測(cè)量技術(shù)應(yīng)運(yùn)而生，在不與被測(cè)物體表面接觸的情況下，通過(guò)光、電、聲等介質(zhì)獲取物體表面的數(shù)據(jù)信息，包括了超聲檢測(cè)、渦流檢測(cè)、滲透檢測(cè)和視覺(jué)檢測(cè)等手段，從而進(jìn)行表[0004]線激光掃描方法是目前工業(yè)應(yīng)用中比較先進(jìn)的非接觸輪廓檢測(cè)方法，可以得到物體的輪廓形貌信息，實(shí)現(xiàn)物體的三維高精度測(cè)量，目前己被應(yīng)用于鐵路鐵軌、輪胎邊緣磨損等方面的檢測(cè)。傳統(tǒng)的檢測(cè)方法依賴專業(yè)檢測(cè)人員進(jìn)行焊縫質(zhì)量評(píng)定，存在檢測(cè)效率不高、檢測(cè)質(zhì)量一致性不足、評(píng)判專業(yè)要求高等問(wèn)題。而隨著生產(chǎn)制造的智能化程度不斷提高，焊接領(lǐng)域?qū)τ谧詣?dòng)化、高精度的焊縫缺陷檢測(cè)技術(shù)的需求也在不斷上漲，工藝優(yōu)化，焊接質(zhì)量完善，現(xiàn)場(chǎng)在線實(shí)時(shí)判定正變得越來(lái)越重要。[0005]近年來(lái)隨著計(jì)算機(jī)、數(shù)字化技術(shù)的迅速發(fā)展，計(jì)算機(jī)視覺(jué)以其信息量大、精度高、檢測(cè)范圍大等特點(diǎn)，在焊接領(lǐng)域得到廣泛應(yīng)用。機(jī)器視覺(jué)技術(shù)能夠模擬肉眼的視覺(jué)感知，從采集到的原始圖像中獲取信息、提取特征、進(jìn)行處理并加以理解，最終應(yīng)用于實(shí)際焊縫缺陷分類、目標(biāo)檢測(cè)和語(yǔ)義理解等領(lǐng)域?；跈C(jī)器視覺(jué)技術(shù)的焊縫檢測(cè)滿足了數(shù)字化生產(chǎn)的需求，在焊縫質(zhì)量檢測(cè)上發(fā)揮了優(yōu)異的性能。[0006]公開(kāi)號(hào)為CN107764205B的發(fā)明專利，公開(kāi)了一種基于線結(jié)構(gòu)光掃描高頻電阻焊焊縫形貌三維檢測(cè)裝置及檢測(cè)方法，所述裝置包括線結(jié)構(gòu)光傳感器、線位移傳送系統(tǒng)及計(jì)算機(jī)。其中線結(jié)構(gòu)光傳感器包括激光器、工業(yè)相機(jī)及固定面板；線位移傳送系統(tǒng)包括底座、步進(jìn)電機(jī)及步進(jìn)電機(jī)控制器。將被焊物件放置在傳送系統(tǒng)的底座上，采用線結(jié)構(gòu)光掃描，工業(yè)相機(jī)拍攝得到焊縫激光光條圖像，通過(guò)軟件系統(tǒng)處理得到焊縫三維點(diǎn)云數(shù)據(jù)，分析得到焊6縫寬度、高度等形貌特征，從而可以對(duì)焊縫質(zhì)量進(jìn)行判斷。[0007]公開(kāi)號(hào)為CN104697467B的發(fā)明專利，公開(kāi)了一種基于線激光掃描的焊縫外觀形狀及表面缺陷檢測(cè)方法，使用線激光獲取焊縫任一截面的實(shí)際輪廓曲線，并對(duì)實(shí)際輪廓曲線高維擬合得到擬合輪廓曲線，進(jìn)而得到擬合輪廓曲線的一階導(dǎo)數(shù)曲線，由一階導(dǎo)數(shù)曲線確定焊縫起點(diǎn)和終點(diǎn)的尋址范圍，在尋址范圍內(nèi)找到實(shí)際輪廓曲線上與擬合輪廓曲線差值最大的點(diǎn)作為該焊縫截面的焊縫起點(diǎn)和終點(diǎn)。沿焊縫縱向掃描，得到焊縫的整體三維輪廓圖像。焊縫輪廓曲線上任意點(diǎn)與擬合輪廓曲線的差值超出預(yù)設(shè)標(biāo)準(zhǔn)值則認(rèn)定該處焊縫存在缺[0008]公開(kāi)號(hào)為CN114354639B的發(fā)明專利，公開(kāi)了一種基于3D點(diǎn)云的焊縫缺陷實(shí)時(shí)檢測(cè)方法及系統(tǒng)，該方法包括：基于歷史數(shù)據(jù)設(shè)定正常焊縫輪廓模板；通過(guò)線激光對(duì)焊縫橫截面進(jìn)行掃描，實(shí)時(shí)采集焊縫3D點(diǎn)云數(shù)據(jù)，記線激光實(shí)時(shí)掃描得到的初始輪廓數(shù)據(jù)為data;基于DBSCAN密度聚類算法進(jìn)行拐點(diǎn)檢測(cè)，確定當(dāng)前焊縫輪廓數(shù)據(jù)；通過(guò)DTW算法計(jì)算當(dāng)前焊縫輪廓數(shù)據(jù)與正常焊縫輪廓模板之間的距離d,由此判斷焊縫表面是否存在缺陷。[0009]公開(kāi)號(hào)為CN109900706B的發(fā)明專利，公開(kāi)了一種基于深度學(xué)習(xí)的焊縫及焊縫缺陷檢測(cè)方法，采用YOLOV3網(wǎng)絡(luò)實(shí)現(xiàn)焊縫和/或焊縫缺陷檢測(cè)；網(wǎng)絡(luò)的訓(xùn)練步驟：將工件圖像利用定位框?qū)缚p進(jìn)行框選、標(biāo)記，作為訓(xùn)練數(shù)據(jù)集；將焊縫圖像利用定位框?qū)缚p缺陷進(jìn)行框選、標(biāo)記缺陷類型，作為訓(xùn)練數(shù)據(jù)集I;獲取定位框的坐標(biāo)xp、yp,以及寬高尺寸wp、hp;初始化網(wǎng)絡(luò)；隨機(jī)調(diào)取輸入張量aj進(jìn)行訓(xùn)練計(jì)算，輸出檢測(cè)結(jié)果；利用檢測(cè)結(jié)果計(jì)算預(yù)測(cè)結(jié)果的誤差函數(shù)loss;結(jié)合梯度下降法調(diào)節(jié)權(quán)重W和偏置值b,如此循環(huán)，得到訓(xùn)練好的網(wǎng)絡(luò)。[0010]上述的焊縫檢測(cè)方法一般使用點(diǎn)云或圖像單一數(shù)據(jù)，功能單一，難以同時(shí)實(shí)現(xiàn)焊縫形貌及表面缺陷的檢測(cè)與評(píng)估；在焊縫形貌檢測(cè)方面，多采用單條紋的曲線擬合進(jìn)行焊縫提取，受噪聲影響大；在焊縫缺陷檢測(cè)方面，基于三維點(diǎn)云的缺陷提取方法多采用異常點(diǎn)檢測(cè)法來(lái)判斷缺陷有無(wú)，難以進(jìn)行缺陷具體類別判定且誤檢率較高；而基于二維圖像的缺陷檢測(cè)方法受光照影響較大，難以適應(yīng)焊接現(xiàn)場(chǎng)在線應(yīng)用；同時(shí)，一般多采用目標(biāo)檢測(cè)模型獲取缺陷的錨框，不具備缺陷輪廓提取能力，更無(wú)法實(shí)現(xiàn)缺陷的三維可視化、空間定位以及三維尺寸計(jì)算等更豐富的缺陷信息。發(fā)明內(nèi)容[0011]針對(duì)現(xiàn)有技術(shù)中的缺陷，本發(fā)明的目的是提供一種焊縫形貌及表面缺陷在線檢測(cè)評(píng)估方法和系統(tǒng)。[0012]根據(jù)本發(fā)明提供的焊縫形貌及表面缺陷在線檢測(cè)評(píng)估方法，包括：[0013]步驟S1:通過(guò)線激光沿焊縫縱向進(jìn)行掃描，得到焊縫形貌的整體三維輪廓高度數(shù)[0014]步驟S2:將掃描得到的整體三維輪廓高度數(shù)據(jù)轉(zhuǎn)換為3D點(diǎn)云和2D灰度圖像；[0016]步驟S4:對(duì)2D灰度圖像利用多邊形定位框進(jìn)行焊縫表面缺陷的標(biāo)注，構(gòu)建焊縫表面缺陷數(shù)據(jù)集；[0017]步驟S5:以焊縫2D灰度圖像為輸入，以像素級(jí)缺陷分類為輸出建立全卷積神經(jīng)網(wǎng)7[0018]步驟S6:對(duì)缺陷檢測(cè)模型判定的缺陷進(jìn)行缺陷的可視化、空間定位及幾何尺寸計(jì)[0019]步驟S7:將焊縫整體形貌與表面缺陷檢測(cè)相結(jié)合，對(duì)焊縫表面質(zhì)量進(jìn)行綜合評(píng)估；[0020]步驟S8:依據(jù)構(gòu)建的焊縫形貌和表面缺陷檢測(cè)綜合評(píng)估系統(tǒng)，對(duì)實(shí)際焊接的焊縫表面質(zhì)量進(jìn)行在線檢測(cè)與評(píng)估。[0021]優(yōu)選地，所述步驟S1包括：在三維空間中對(duì)焊縫進(jìn)行線激光掃描：以焊縫縱向?yàn)閅軸方向，橫截面方向?yàn)閄軸方向，高度為Z軸方向，線激光與X軸平行，以預(yù)設(shè)恒定的速度沿Y軸方向移動(dòng)，按照預(yù)設(shè)采集頻率獲得焊縫截面的高度數(shù)據(jù)；[0022]優(yōu)選地，所述步驟S2包括：步驟S2.1:根據(jù)X軸和Y軸的空間分辨率將掃描高度數(shù)據(jù)轉(zhuǎn)換為3D點(diǎn)云；步驟S2.2:采用Sobel結(jié)合高斯增強(qiáng)的圖像處理算法將掃描高度數(shù)據(jù)轉(zhuǎn)換為2D灰度圖像，然后采用等間隔裁剪方法對(duì)2D灰度圖像進(jìn)行子幀劃分；[0023]優(yōu)選地，所述步驟S3包括：步驟S3.1:去除3D點(diǎn)云中的無(wú)效數(shù)據(jù)點(diǎn)；步驟S3.2:識(shí)別3D點(diǎn)云的焊縫區(qū)域內(nèi)點(diǎn)；步驟S3.3:得到焊縫區(qū)域3D點(diǎn)云；步驟S3.4:根據(jù)焊縫區(qū)域點(diǎn)云計(jì)算焊縫整體形貌；[0024]優(yōu)選地，所述步驟S4包括：步驟S4.1:對(duì)2D灰度圖像利用多邊形定位框進(jìn)行焊縫不同類型表面缺陷的標(biāo)注，得到對(duì)應(yīng)的掩膜圖像；步驟S4.2:對(duì)2D灰度圖像與掩膜圖像進(jìn)行旋轉(zhuǎn)、鏡像、添加噪聲，進(jìn)行數(shù)據(jù)增廣，構(gòu)成焊縫表面缺陷數(shù)據(jù)集；步驟S4.3:將得到的數(shù)據(jù)集按照預(yù)設(shè)比例分成訓(xùn)練集、驗(yàn)證集及測(cè)試集；[0025]優(yōu)選地，所述步驟S5包括：[0026]步驟S5.1:以焊縫2D灰度圖像為輸入，以像素級(jí)缺陷分類為輸出建立全卷積神經(jīng)網(wǎng)絡(luò)缺陷檢測(cè)模型；[0027]步驟S5.2:配置模型訓(xùn)練參數(shù)，包括設(shè)定學(xué)習(xí)率、衰減方式、優(yōu)化器、以及批量大小[0028]步驟S5.3:對(duì)2D灰度圖像進(jìn)行預(yù)處理：首先轉(zhuǎn)換為三通道RGB圖像，然后進(jìn)行裁剪縮放成全卷積神經(jīng)網(wǎng)絡(luò)的要求的標(biāo)準(zhǔn)尺寸；[0029]步驟S5.4:對(duì)建立的缺陷檢測(cè)模型進(jìn)行遷移學(xué)習(xí)：首先凍結(jié)特征提取部分的權(quán)重參數(shù)，對(duì)網(wǎng)絡(luò)進(jìn)行微調(diào)，經(jīng)過(guò)預(yù)設(shè)訓(xùn)練迭代次數(shù)后，再解凍特征提取部分進(jìn)行全模型的權(quán)值訓(xùn)練；[0030]步驟S5.5:用驗(yàn)證集進(jìn)行過(guò)擬合檢查，判斷缺陷檢測(cè)模型對(duì)驗(yàn)證集的損失變化是否出現(xiàn)先下降后反而上升的過(guò)擬合現(xiàn)象，當(dāng)驗(yàn)證集的損失不再下降時(shí)，停止訓(xùn)練；[0031]步驟S5.6:用測(cè)試集對(duì)缺陷檢測(cè)模型的準(zhǔn)確率和召回率指標(biāo)進(jìn)行測(cè)試，驗(yàn)證模型的適應(yīng)性和準(zhǔn)確性。[0032]優(yōu)選地，所述步驟S6包括：[0033]步驟S6.1:對(duì)網(wǎng)絡(luò)輸出提取缺陷：缺陷檢測(cè)模型的輸出為[height,width,num_classes]的三維張量，其中height、width和num_classes分別為張量高度、寬度和深度，輸出三維張量中的像素值為對(duì)應(yīng)缺陷類別的預(yù)測(cè)概率值；首先將模型輸出的缺陷預(yù)測(cè)三維張量縮放回原始圖像大小，然后按照最大預(yù)測(cè)值對(duì)應(yīng)的類別獲取不同缺陷的掩膜圖像，再對(duì)不同類別缺陷的掩膜圖像分別進(jìn)行連通域提取，得到各個(gè)缺陷的二維輪廓；[0034]步驟S6.2:缺陷可視化、空間定位及尺寸計(jì)算：基于Delaunay三角剖分進(jìn)行缺陷的8二維拓?fù)潢P(guān)系重建，并返回到三維點(diǎn)云得到缺陷的可視化結(jié)果；將二維缺陷輪廓與3D點(diǎn)云結(jié)合分析，依據(jù)缺陷在子幀中的相對(duì)位置及幀數(shù)得到在實(shí)際焊縫中的位置；獲取缺陷點(diǎn)云[0035]所述步驟S7包括：結(jié)合步驟S3得到的焊縫區(qū)域，判斷缺陷是否在焊縫表面，排除誤檢缺陷，根據(jù)相應(yīng)焊接質(zhì)量標(biāo)準(zhǔn)對(duì)焊縫形貌及缺陷是否超差進(jìn)行綜合評(píng)估。[0036]根據(jù)本發(fā)明提供的焊縫形貌及表面缺陷在線檢測(cè)評(píng)估系統(tǒng)，包括：[0037]數(shù)據(jù)采集模塊M1:通過(guò)線激光沿焊縫縱向進(jìn)行掃描，得到焊縫形貌的整體三維輪廓高度數(shù)據(jù)；[0038]數(shù)據(jù)轉(zhuǎn)換模塊M2:將掃描得到的整體三維輪廓高度數(shù)據(jù)轉(zhuǎn)換為3D點(diǎn)云和2D灰度圖[0039]形貌計(jì)算模塊M3:對(duì)3D點(diǎn)云進(jìn)行處理，提取焊縫區(qū)域，計(jì)算焊縫整體形貌；[0040]數(shù)據(jù)集構(gòu)建模塊M4:對(duì)2D灰度圖像利用多邊形定位框進(jìn)行焊縫表面缺陷的標(biāo)注，構(gòu)建焊縫表面缺陷數(shù)據(jù)集；[0041]網(wǎng)絡(luò)構(gòu)建模塊M5:以焊縫2D灰度圖像為輸入，以像素級(jí)缺陷分類為輸出建立全卷[0042]缺陷檢測(cè)模塊M6:對(duì)缺陷檢測(cè)模型判定的缺陷進(jìn)行缺陷的可視化、空間定位及幾何尺寸計(jì)算；[0043]綜合質(zhì)量評(píng)估模塊M7:將焊縫整體形貌與表面缺陷檢測(cè)相結(jié)合，對(duì)焊縫表面質(zhì)量進(jìn)行綜合評(píng)估；[0044]在線檢測(cè)評(píng)估模塊M8:依據(jù)構(gòu)建的焊縫形貌和表面缺陷檢測(cè)綜合評(píng)估系統(tǒng)，對(duì)實(shí)際焊接的焊縫表面質(zhì)量進(jìn)行在線檢測(cè)與評(píng)估。[0045]優(yōu)選地，所述模塊M1包括：在三維空間中對(duì)焊縫進(jìn)行線激光掃描：以焊縫縱向?yàn)閅軸方向，橫截面方向?yàn)閄軸方向，高度為Z軸方向，線激光與X軸平行，以預(yù)設(shè)恒定的速度沿Y軸方向移動(dòng)，按照預(yù)設(shè)采集頻率獲得焊縫截面的高度數(shù)據(jù)；[0046]優(yōu)選地，所述模塊M2包括：模塊M2.1:根據(jù)X軸和Y軸的空間分辨率將掃描高度數(shù)據(jù)轉(zhuǎn)換為3D點(diǎn)云；模塊M2.2:采用Sobel結(jié)合高斯增強(qiáng)的圖像處理算法將掃描高度數(shù)據(jù)轉(zhuǎn)換為2D灰度圖像，然后采用等間隔裁剪方法對(duì)2D灰度圖像進(jìn)行子幀劃分；3D點(diǎn)云的焊縫區(qū)域內(nèi)點(diǎn)；模塊M3.3:得到焊縫區(qū)域3D點(diǎn)云；模塊M3.4:根據(jù)焊縫區(qū)域點(diǎn)云計(jì)算焊縫整體形貌；[0048]優(yōu)選地，所述模塊M4包括：模塊M4.1:對(duì)2D灰度圖像利用多邊形定位框進(jìn)行焊縫不同類型表面缺陷的標(biāo)注，得到對(duì)應(yīng)的掩膜圖像；模塊M4.2:對(duì)2D灰度圖像與掩膜圖像進(jìn)行旋按照預(yù)設(shè)比例分成訓(xùn)練集、驗(yàn)證集及測(cè)試集；[0050]模塊M5.1:以焊縫2D灰度圖像為輸入，以像素級(jí)缺陷分類為輸出建立全卷積神經(jīng)網(wǎng)絡(luò)缺陷檢測(cè)模型；[0051]模塊M5.2:配置模型訓(xùn)9[0052]模塊M5.3:對(duì)2D灰度圖像進(jìn)行預(yù)處理：首先轉(zhuǎn)換為三通道RGB圖像，然后進(jìn)行裁剪縮放成全卷積神經(jīng)網(wǎng)絡(luò)的要求的標(biāo)準(zhǔn)尺寸；[0053]模塊M5.4:對(duì)建立的缺陷檢測(cè)模型進(jìn)行遷移學(xué)習(xí)：首先凍結(jié)特征提取部分的權(quán)重參數(shù)，對(duì)網(wǎng)絡(luò)進(jìn)行微調(diào)，經(jīng)過(guò)預(yù)設(shè)訓(xùn)練迭代次數(shù)后，再解凍特征提取部分進(jìn)行全模型的權(quán)值[0054]模塊M5.5:用驗(yàn)證集進(jìn)行過(guò)擬合檢查，判斷缺陷檢測(cè)模型對(duì)驗(yàn)證集的損失變化是否出現(xiàn)先下降后反而上升的過(guò)擬合現(xiàn)象，當(dāng)驗(yàn)證集的損失不再下降時(shí)，停止訓(xùn)練；[0055]模塊M5.6:用測(cè)試集對(duì)缺陷檢測(cè)模型的準(zhǔn)確率和召回率指標(biāo)進(jìn)行測(cè)試，驗(yàn)證模型的適應(yīng)性和準(zhǔn)確性。[0057]模塊M6.1:對(duì)網(wǎng)絡(luò)輸出提取缺陷：缺陷檢測(cè)模型的輸出為[height,width,num_出三維張量中的像素值為對(duì)應(yīng)缺陷類別的預(yù)測(cè)概率值；首先將模型輸出的缺陷預(yù)測(cè)三維張量縮放回原始圖像大小，然后按照最大預(yù)測(cè)值對(duì)應(yīng)的類別獲取不同缺陷的掩膜圖像，再對(duì)不同類別缺陷的掩膜圖像分別進(jìn)行連通域提取，得到各個(gè)缺陷的二維輪廓；[0058]模塊M6.2:缺陷可視化、空間定位及尺寸計(jì)算：基于Delaunay三角剖分進(jìn)行缺陷的二維拓?fù)潢P(guān)系重建，并返回到三維點(diǎn)云得到缺陷的可視化結(jié)果；將二維缺陷輪廓與3D點(diǎn)云結(jié)合分析，依據(jù)缺陷在子幀中的相對(duì)位置及幀數(shù)得到在實(shí)際焊縫中的位置；獲取缺陷點(diǎn)云檢缺陷，根據(jù)相應(yīng)焊接質(zhì)量標(biāo)準(zhǔn)對(duì)焊縫形貌及缺陷是否超差進(jìn)行綜合評(píng)估。[0060]與現(xiàn)有技術(shù)相比，本發(fā)明具有如下的有益效果：[0061](1)傳統(tǒng)的被動(dòng)視覺(jué)傳感受檢測(cè)環(huán)境光照等影響較大，本發(fā)明采用線激光視覺(jué)檢測(cè)，對(duì)環(huán)境光照有較強(qiáng)抗干擾性；同時(shí)本發(fā)明可同時(shí)實(shí)現(xiàn)焊縫形貌及缺陷檢測(cè)的綜合評(píng)估，有效提高測(cè)量效率；[0062](2)傳統(tǒng)的焊接缺陷檢測(cè)方法流程復(fù)雜及適應(yīng)性不足，難以適應(yīng)現(xiàn)場(chǎng)焊縫形式多樣和光照的動(dòng)態(tài)變化，本發(fā)明采用深度學(xué)習(xí)的全卷積網(wǎng)絡(luò)，充分利用其高效特征提取能力，能夠?qū)崿F(xiàn)缺陷的像素級(jí)辨識(shí)，具有高準(zhǔn)確率和低漏檢率，同時(shí)具備對(duì)現(xiàn)場(chǎng)多樣的焊縫形式具有較強(qiáng)適應(yīng)性，適用于焊縫現(xiàn)場(chǎng)在線檢測(cè)；[0063](3)傳統(tǒng)的焊縫表面檢測(cè)方法檢測(cè)結(jié)果只包含缺陷在圖像上的分布信息，缺失位置、大小等具體的三維空間信息。本發(fā)明采用線激光進(jìn)行三維測(cè)量，通過(guò)數(shù)據(jù)轉(zhuǎn)換獲取3D點(diǎn)云和2D灰度圖像，基于點(diǎn)云實(shí)現(xiàn)焊縫表面形貌參數(shù)計(jì)算，基于2D灰度圖像實(shí)現(xiàn)焊縫表面缺陷的像素級(jí)分類，結(jié)合3D點(diǎn)云獲取缺陷在X、Y、Z三個(gè)維度的空間信息，進(jìn)行缺陷定位與幾何尺寸計(jì)算，通過(guò)一次線激光在線掃描實(shí)現(xiàn)焊縫表面的全面準(zhǔn)確檢測(cè)及評(píng)估。附圖說(shuō)明[0064]通過(guò)閱讀參照以下附圖對(duì)非限制性實(shí)施例所作的詳細(xì)描述，本發(fā)明的其它特征、目的和優(yōu)點(diǎn)將會(huì)變得更明顯：[0065]圖1為本發(fā)明實(shí)施例中一種基于全卷積神經(jīng)網(wǎng)絡(luò)和線激光的焊縫形貌及表面缺陷在線檢測(cè)評(píng)估方法的流程圖；[0066]圖2為線激光掃描焊縫原理圖；[0067]圖3a為焊縫原圖，圖3b為2D灰度圖像；[0068]圖4為3D點(diǎn)云處理過(guò)程的中間結(jié)果；[0069]圖5為焊縫整體形貌計(jì)算的示意圖；[0070]圖6為2D灰度圖像的焊縫表面缺陷標(biāo)注結(jié)果；[0071]圖7為采用的全卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)；[0072]圖8a和圖8b為數(shù)據(jù)集訓(xùn)練全卷積網(wǎng)絡(luò)的損失函數(shù)的收斂情況；[0073]圖9a～圖9d為測(cè)試集驗(yàn)證全卷積神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)效果；[0074]圖10為焊縫形貌與表面缺陷的綜合檢測(cè)評(píng)估結(jié)果。具體實(shí)施方式[0075]下面結(jié)合具體實(shí)施例對(duì)本發(fā)明進(jìn)行詳細(xì)說(shuō)明。以下實(shí)施例將有助于本領(lǐng)域的技術(shù)人員進(jìn)一步理解本發(fā)明，但不以任何形式限制本發(fā)明。應(yīng)當(dāng)指出的是，對(duì)本領(lǐng)域的普通技術(shù)人員來(lái)說(shuō)，在不脫離本發(fā)明構(gòu)思的前提下，還可以做出若干變化和改進(jìn)。這些都屬于本發(fā)明的保護(hù)范圍。[0076]實(shí)施例1[0077]本發(fā)明實(shí)施例提供了一種基于全卷積神經(jīng)網(wǎng)絡(luò)和線激光的焊縫形貌及表面缺陷在線檢測(cè)評(píng)估方法，如圖1所示，具體如下：[0078]采用線激光傳感器掃描焊縫，得到焊縫整體輪廓高度數(shù)據(jù)，轉(zhuǎn)換為3D點(diǎn)云和2D灰度圖像，使用3D點(diǎn)云處理提取焊縫完整輪廓，進(jìn)而計(jì)算焊縫整體形貌；對(duì)2D灰度圖像預(yù)處理后輸入到全卷積神經(jīng)網(wǎng)絡(luò)焊縫表面缺陷檢測(cè)模型，實(shí)現(xiàn)對(duì)焊縫表面缺陷的檢測(cè)；結(jié)合二者結(jié)果獲取焊縫的形貌參數(shù)及缺陷的類型、定位和幾何尺寸，對(duì)焊縫表面質(zhì)量進(jìn)行綜合評(píng)估。其包括以下步驟：[0079]步驟S1:通過(guò)線激光傳感器沿焊縫縱向進(jìn)行掃描，得到焊縫的整體三維輪廓高度[0080]所述步驟S1包括：在三維空間中對(duì)焊縫進(jìn)行線激光掃描。以焊縫縱向?yàn)閅軸方向，橫截面方向?yàn)閄軸方向，高度為Z軸方向，線激光傳感器產(chǎn)生一束X軸方向的線激光，投射聚焦在焊縫表面，并沿Y軸方向移動(dòng)。為了確保檢測(cè)精度，在掃描之前先校正X軸的原點(diǎn)位置，使其對(duì)準(zhǔn)焊縫中心。線激光一次掃描產(chǎn)生N個(gè)點(diǎn)，得到焊縫在Z軸的輪廓信息(長(zhǎng)度為N,實(shí)施例中所使用的線激光測(cè)量?jī)x型號(hào)為基恩士線激光測(cè)量?jī)x，N=800)。[0081]線激光傳感器沿Y軸方向移動(dòng)，以一定的掃描頻率連續(xù)采集不同截面的焊縫輪廓數(shù)據(jù)；最后得到焊縫的整體原始輪廓的掃描高度數(shù)據(jù)(M×N矩陣，M由具體焊縫長(zhǎng)度決定，N=800)。實(shí)施例使用的采集頻率為1000hz,移動(dòng)速度為150mm/s。[0082]步驟S2:將掃描得到整體三維輪廓高度數(shù)據(jù)轉(zhuǎn)換為3D點(diǎn)云和2D灰度圖像；[0083]所述步驟S2包括：[0084]步驟S2.1:根據(jù)X軸和Y軸的空間分辨率將掃描高度數(shù)據(jù)轉(zhuǎn)換為3D點(diǎn)云。首先確定3D點(diǎn)云的轉(zhuǎn)換系數(shù)。采用x_res代表X軸的空間分辨率，即掃描數(shù)據(jù)同一行上相鄰點(diǎn)實(shí)際對(duì)應(yīng)的距離，y_res代表Y軸的空間分辨率，即同一列上相鄰點(diǎn)實(shí)際對(duì)應(yīng)的距離；然后實(shí)施空間11點(diǎn)云轉(zhuǎn)換。遍歷掃描數(shù)據(jù)的數(shù)據(jù)點(diǎn)，通過(guò)所述轉(zhuǎn)換系數(shù)將各數(shù)據(jù)點(diǎn)轉(zhuǎn)換為3D點(diǎn)云中的空間標(biāo)，i代表掃描數(shù)據(jù)的行，j代表掃描數(shù)據(jù)的列，value代表掃描數(shù)據(jù)上數(shù)據(jù)點(diǎn)(i,j)的高度[0085]步驟S2.2:采用Sobel+高斯增強(qiáng)的圖像處理算法將掃描高度數(shù)據(jù)轉(zhuǎn)換為2D灰度圖像。首先采用Sobel算子計(jì)算每個(gè)所述掃描數(shù)據(jù)上每個(gè)點(diǎn)與左側(cè)鄰居的高度差diff_values;其次，計(jì)算高度差diff_values的最大值與最小值，通過(guò)將對(duì)應(yīng)高度差從最小值到最大值的范圍線性縮放到0-255范圍，作為對(duì)應(yīng)灰度圖像像素值；然后采用高斯增強(qiáng)提高圖像對(duì)比度，具體為計(jì)算灰度圖像的像素均值和標(biāo)準(zhǔn)差，計(jì)算線性縮放系數(shù)a=255/(6*dev),b=-a*(mean-3*dev),對(duì)各像素點(diǎn)進(jìn)行線性縮放得到灰度圖像的最終結(jié)果，如圖3所示；采用等間隔裁剪方法對(duì)2D灰度圖像進(jìn)行子幀劃分，在行方向上以800行為間隔劃分為[800,800]的子幀，不足800行的部分使用灰度值128填充。[0087]所述步驟S3包括：[0088]步驟S3.1:去除3D點(diǎn)云中的無(wú)效數(shù)據(jù)點(diǎn)。根據(jù)掃描數(shù)據(jù)的有效范圍，設(shè)定有效閾值為-200,小于此值的直接濾除；[0089]步驟S3.2:識(shí)別3D點(diǎn)云的焊縫區(qū)域內(nèi)點(diǎn)。首先擬合母材的基準(zhǔn)平面；然后，遍歷3D點(diǎn)云中的所有點(diǎn)，計(jì)算各點(diǎn)到基準(zhǔn)平面的距離，若距離大于設(shè)定的距離閾值，則表示該點(diǎn)屬于焊縫區(qū)域內(nèi)點(diǎn)；[0090]步驟S3.3:得到焊縫區(qū)域3D點(diǎn)云。首先將焊縫區(qū)域內(nèi)點(diǎn)根據(jù)3D點(diǎn)云的轉(zhuǎn)換系數(shù)轉(zhuǎn)換為二值化圖像，1表示該點(diǎn)存在，0表示該點(diǎn)不存在；然后通過(guò)中值濾波去除多余的噪點(diǎn)，利用形態(tài)學(xué)運(yùn)算進(jìn)行多余白點(diǎn)的去除和黑色孔洞的修復(fù)，保留最大面積連通域，得到焊縫區(qū)域掩膜；最后，利用焊縫區(qū)域掩膜與掃描數(shù)據(jù)進(jìn)行[0091]步驟S3.4:依據(jù)焊縫區(qū)域點(diǎn)云計(jì)算焊縫整體形貌。根據(jù)焊縫區(qū)域掩膜進(jìn)行Canny邊據(jù)每行的焊縫區(qū)域點(diǎn)云進(jìn)行各個(gè)焊縫截面的焊縫形狀參數(shù)計(jì)算，包括焊縫厚度、寬度、凹凸度及焊腳(如圖5所示),并計(jì)算各個(gè)參數(shù)的平均值、標(biāo)準(zhǔn)差等統(tǒng)計(jì)結(jié)果。[0092]在步驟S3.2中，利用隨機(jī)采樣一致性擬合平面算法擬合母材基準(zhǔn)平面。過(guò)程如下：[0093]步驟S3.2.1:隨機(jī)在3D點(diǎn)云中選取3個(gè)不共線的目標(biāo)點(diǎn)，求由3個(gè)目標(biāo)點(diǎn)所形成平[0094]步驟S3.2.2:選取3D點(diǎn)云圖像中的其它點(diǎn)并計(jì)算選取點(diǎn)到平面方程確定的平面模型的點(diǎn)面距離，將點(diǎn)面距離與預(yù)設(shè)的最小距離閾值比較，若點(diǎn)面距離小于最小距離閾值則[0095]步驟S3.2.3:重復(fù)執(zhí)行步驟S3.2.1和步驟S3.2.2,當(dāng)前的平面模型的內(nèi)點(diǎn)數(shù)量超過(guò)前一平面模型的內(nèi)點(diǎn)數(shù)量，則記錄當(dāng)前的平面模型；[0096]步驟S3.2.4:達(dá)到設(shè)定迭代次數(shù)后，內(nèi)點(diǎn)最多的平面即為基準(zhǔn)平面。[0097]步驟S4:對(duì)2D灰度圖像利用多邊形定位形框進(jìn)行焊縫表面缺陷的標(biāo)注，構(gòu)建焊縫表面缺陷數(shù)據(jù)集；[0098]所述步驟S4包括：[0099]步驟S4.1:對(duì)2D灰度圖像利用多邊形定位形框進(jìn)行焊縫不同類型表面缺陷的標(biāo)[0101]步驟S4.3:將得到的數(shù)據(jù)集按75%、10%以及15%的比例分成訓(xùn)練集、驗(yàn)證集及測(cè)缺陷檢測(cè)模型。全卷積神經(jīng)網(wǎng)絡(luò)的輸入shape為[height,widt網(wǎng)絡(luò)輸入圖像的高度和寬度。實(shí)施例中height=512,width=512。全卷積缺陷檢測(cè)網(wǎng)絡(luò)的positive,TP),真負(fù)例(truenegative,TN),假正例(falsepositive,FP)以及假負(fù)例更新，學(xué)習(xí)率初始值設(shè)置為1e-4,且使用學(xué)習(xí)率衰減的方式，momentum=0.9,批量大小[0114]步驟S5.4:對(duì)建立的缺陷檢測(cè)模型進(jìn)行遷移學(xué)習(xí)。首先凍結(jié)特征提取部分的權(quán)重[0115]步驟S5.5:用驗(yàn)證集進(jìn)行過(guò)擬合檢查，判斷缺陷檢測(cè)模型對(duì)驗(yàn)證集的損失變化是[0126]步驟S6.1:對(duì)網(wǎng)絡(luò)數(shù)據(jù)提取缺陷。缺陷檢測(cè)模型的輸為[height,width,num_[0129]所述步驟S7包括：結(jié)合步驟S3得到的焊縫區(qū)域，判斷缺陷是否在焊縫表面，排除誤檢缺陷，根據(jù)相應(yīng)焊接質(zhì)量標(biāo)準(zhǔn)對(duì)焊縫形貌及缺陷是否超差進(jìn)行綜合評(píng)估。[0130]首先根據(jù)缺陷的基本特征排除誤檢缺陷。(1)缺陷的位置：氣孔缺陷的位置一般位于焊縫內(nèi)部，咬邊缺陷的位置一般靠近焊縫的兩邊，焊瘤缺陷的位置一般靠近焊縫的中間；(2)缺陷的形狀：氣孔大多為圓形或橢圓形，形狀較規(guī)則，咬邊一般呈線狀，具有一定的長(zhǎng)度，焊瘤形狀一般為橢球形，具有一定的長(zhǎng)度和寬度；(3)缺陷的大小在0.5-2之間。根據(jù)這些特點(diǎn)可以排除誤檢的缺陷；[0131]然后，根據(jù)檢測(cè)標(biāo)準(zhǔn)對(duì)焊縫形貌及缺陷是否超差進(jìn)行判定。主要判定標(biāo)準(zhǔn)如下：[0132](a)焊縫長(zhǎng)度是否超出給定標(biāo)準(zhǔn)值；[0133](b)焊縫厚度的最小、最大值及波動(dòng)范圍是否超出給定標(biāo)準(zhǔn)值；[0134](c)焊縫寬度的最小、最大值及波動(dòng)范圍是否超出給定標(biāo)準(zhǔn)值；[0135](d)焊縫直線度及兩側(cè)偏差比是否超出給定標(biāo)準(zhǔn)值；[0136](e)焊縫凹凸度的最小、最大值及波動(dòng)范圍是否超出給定標(biāo)準(zhǔn)值；[0137](f)焊縫焊腳的最小、最大值及波動(dòng)范圍是否超出給定標(biāo)準(zhǔn)值；[0139]圖10所示為得到的焊縫形貌與表面缺陷的綜合評(píng)估結(jié)果。其中高亮顯示表示超差的檢測(cè)結(jié)果。[0140]步驟S8:依據(jù)構(gòu)建的焊縫形貌和表面缺陷檢測(cè)綜合評(píng)估系統(tǒng)，對(duì)實(shí)際焊接的焊縫表面質(zhì)量進(jìn)行在線檢測(cè)與評(píng)估。[0141]所述步驟S8包括：在焊接結(jié)束后，使用線激光傳感器掃描焊縫，得到焊縫整體輪廓整體形貌；對(duì)2D灰度圖像預(yù)處理后輸入到全卷積神經(jīng)網(wǎng)絡(luò)焊縫表面缺陷檢測(cè)模型，得到缺陷的像素級(jí)分類輸出；實(shí)現(xiàn)缺陷可視化、計(jì)算空間位置及三維尺寸，并與焊縫整體形貌結(jié)合實(shí)現(xiàn)焊縫表面質(zhì)量的在線綜合判定。[0142]本發(fā)明不但能夠準(zhǔn)確得到焊縫整體輪廓形貌和缺陷的像素級(jí)分類，而且還能獲取缺陷的可視化，空間定位以及缺陷的三維幾何尺寸等豐富信息；基于激光掃描采集數(shù)據(jù)抗光照變化能力強(qiáng)，適合焊接現(xiàn)場(chǎng)的復(fù)雜場(chǎng)景；基于全卷積的缺陷檢測(cè)網(wǎng)絡(luò)推理速度快，判定本發(fā)明無(wú)論從經(jīng)濟(jì)效益和社會(huì)效益的角度，都具有較大的推廣應(yīng)用價(jià)值。[0143]實(shí)施例2[0144]本發(fā)明還提供一種焊縫形貌及表面缺陷在線檢測(cè)評(píng)估系統(tǒng)，所述焊縫形貌及表面缺陷在線檢測(cè)評(píng)估系統(tǒng)可以通過(guò)執(zhí)行所述焊縫形貌及表面缺陷在線檢測(cè)評(píng)估方法的流程步驟予以實(shí)現(xiàn)，即本領(lǐng)域技術(shù)人員可以將所述焊縫形貌及表面缺陷在線檢測(cè)評(píng)估方法理解為所述焊縫形貌及表面缺陷在線檢測(cè)評(píng)估系統(tǒng)的優(yōu)選實(shí)施方式。[0145]根據(jù)本發(fā)明提供的焊縫形貌及表面缺陷在線檢測(cè)評(píng)估系統(tǒng)，包括：數(shù)據(jù)采集模塊M1:通過(guò)線激光沿焊縫縱向進(jìn)行掃描，得到焊縫形貌的整體三維輪廓高度數(shù)據(jù)；數(shù)據(jù)轉(zhuǎn)換模塊M2:將掃描得到的整體三維輪廓高度數(shù)據(jù)轉(zhuǎn)換為3D點(diǎn)云和2D灰度圖像；形貌計(jì)算模塊M3:對(duì)3D點(diǎn)云進(jìn)行處理，提取焊縫區(qū)域，計(jì)算焊縫整體形貌；數(shù)據(jù)集構(gòu)建模塊M4:對(duì)2D灰度圖像利用多邊形定位框進(jìn)行焊縫表面缺陷的標(biāo)注，構(gòu)建焊縫表面缺陷數(shù)據(jù)集；網(wǎng)絡(luò)構(gòu)建模塊M5:以焊縫2D灰度圖像為輸入，以像素級(jí)缺陷分類為輸出建立全卷積神經(jīng)網(wǎng)絡(luò)缺陷檢測(cè)模型，并進(jìn)行訓(xùn)練、驗(yàn)證和測(cè)試；缺陷檢測(cè)模塊M6:對(duì)缺陷檢測(cè)模型判定的缺陷進(jìn)行缺陷的可視化、空間定位及幾何尺寸計(jì)算；綜合質(zhì)量評(píng)估模塊M7:將焊縫整體形貌與表面缺陷檢測(cè)相結(jié)合，對(duì)焊縫表面質(zhì)量進(jìn)行綜合評(píng)估；在線檢測(cè)評(píng)估模塊M8:依據(jù)構(gòu)建的焊縫形貌和表面缺陷檢測(cè)綜合評(píng)估系統(tǒng)，對(duì)實(shí)際焊接的焊縫表面質(zhì)量進(jìn)行在線檢測(cè)與評(píng)估。[0146]所述模塊M1包括：在三維空間中對(duì)焊縫進(jìn)行線激光掃描：以焊縫縱向?yàn)閅軸方向，動(dòng)，按照預(yù)設(shè)采集頻率獲得焊縫截面的高度數(shù)據(jù)；3D點(diǎn)云；模塊M2.2:采用Sobel結(jié)合高斯增強(qiáng)的圖像處理算法將掃描高度數(shù)據(jù)轉(zhuǎn)換為2D灰度圖像，然后采用等間隔裁剪方法對(duì)2D灰度圖像進(jìn)行子幀劃分；[0148]所述模塊M3包括：模塊M3.1:去除3D點(diǎn)云中的無(wú)效數(shù)據(jù)點(diǎn)；模塊M3.2:識(shí)別3D點(diǎn)云的焊縫區(qū)域內(nèi)點(diǎn)；模塊M3.3:得到焊縫區(qū)域3D點(diǎn)云；模塊M3.4:根據(jù)焊縫區(qū)域點(diǎn)云計(jì)算焊縫整體形貌；[0149]所述模塊M4包括：模塊M4.1:對(duì)2D灰度圖像利用多邊形定位框進(jìn)行焊縫不同類型表面缺陷的標(biāo)注，得到對(duì)應(yīng)的掩膜圖像；模塊M4.2:對(duì)2D灰度圖像與掩膜圖像進(jìn)行旋轉(zhuǎn)、鏡設(shè)比例分成訓(xùn)練集、驗(yàn)證集及測(cè)試集；[0150]所述模塊M5包括：模塊M5.1:以焊縫2D灰度圖像為輸入，以像素級(jí)缺陷分類為輸出建立全卷積神經(jīng)網(wǎng)絡(luò)缺陷檢測(cè)模型；模塊M5.2:配置模型訓(xùn)練參數(shù)，包括設(shè)定學(xué)習(xí)率、衰減方式、優(yōu)化器、以及批量大小batch_size、迭代次數(shù)epoch;模塊M5.3:對(duì)2D灰度圖像進(jìn)行預(yù)處理：首先轉(zhuǎn)換為三通道RGB圖像，然后進(jìn)行裁剪縮放成全卷積神經(jīng)網(wǎng)絡(luò)的要求的標(biāo)準(zhǔn)尺寸；模塊M5.4:對(duì)建立的缺陷檢測(cè)模型進(jìn)行遷移學(xué)習(xí)：首先凍結(jié)特征提取部分的權(quán)重參數(shù)，對(duì)網(wǎng)絡(luò)進(jìn)行微調(diào)，經(jīng)過(guò)預(yù)設(shè)訓(xùn)練迭代次數(shù)后，再解凍特征提取部分進(jìn)行全模型的權(quán)值訓(xùn)練；模塊M5.5:用驗(yàn)證集進(jìn)行過(guò)擬合檢查，判斷缺陷檢測(cè)模型對(duì)驗(yàn)證集的損失變化是否出現(xiàn)先下降后反而上升的過(guò)擬合現(xiàn)象，當(dāng)驗(yàn)證集的損失不再下降時(shí)，停止訓(xùn)練；模塊M5.6:用測(cè)試集對(duì)缺陷檢測(cè)模型的準(zhǔn)確率和召回率指標(biāo)進(jìn)行測(cè)試，驗(yàn)證模型的適應(yīng)性和準(zhǔn)確性。[0151]所述模塊M6包括：模塊M6.1:對(duì)網(wǎng)絡(luò)輸出提取缺陷：缺陷檢測(cè)模型的輸出為[height,width,num_classes]的三維張量，其中height、width和num_classes分別為張量高度、寬度和深度，輸出三維張量中的像素值為對(duì)應(yīng)缺陷類別的預(yù)測(cè)概率值；首先將模型輸出的缺陷預(yù)測(cè)三維張量縮放回原始圖像大小，然后按照最大預(yù)測(cè)值對(duì)應(yīng)的類別獲取不同缺陷的掩膜圖像，再對(duì)不同類別缺陷的掩膜圖像分別進(jìn)行連通域提取，得到各個(gè)缺陷的二維輪廓；模塊M6.2:缺陷可視化、空間定位及尺寸計(jì)算：基于Delaunay三角剖分進(jìn)行缺陷的二維拓?fù)潢P(guān)系重建，并返回到三維點(diǎn)云得到缺陷的可視化結(jié)果；將二維缺陷輪廓與3D點(diǎn)云結(jié)合分析，依據(jù)缺陷在子幀中的相對(duì)位置及幀數(shù)得到在實(shí)際焊縫中的位置；獲取缺陷點(diǎn)云的三維長(zhǎng)方體包圍框，計(jì)算得