[发明专利]零件异常检测方法、装置、设备及存储介质

说明书

本申请涉及一种零件异常检测方法、装置、设备及存储介质，涉及零件检测领域。该零件异常检测方法包括：获取预设时间段内的微波可穿透零件反射的回波信号信息；提取回波信号信息的特征，并根据回波信号信息的特征获得微波可穿透零件的异常状态。本申请用以解决无法在保证人体安全的情况下检测出塑料零件是否异常的问题。

技术领域

本申请涉及零件检测领域，尤其涉及一种零件异常检测方法、装置、设备及存储介质。

背景技术

生产中的塑料件中间有气泡、有杂质或者有裂痕，会导致塑料件整体硬度、柔韧度发生变化，如果超出设计要求范围，则会导致塑料件质量较差，塑料件在实际使用中不满足使用年限，导致不必要的用户投诉。

现有的对塑料件的检测方法，使用X光等对人体有害的射线能够检测出塑料件内部的异常状态，但是危害人体健康。

发明内容

本申请提供了一种零件异常检测方法、装置、设备及存储介质，用以解决无法在保证人体安全的情况下检测出塑料零件是否异常的问题。

第一方面，本申请实施例提供了一种零件异常检测方法，包括：

获取预设时间段内的微波可穿透零件反射的回波信号信息；

提取所述回波信号信息的特征，并根据所述回波信号信息的特征获得所述微波可穿透零件的异常状态。

可选地，所述提取所述回波信号信息的特征，并根据所述回波信号信息的特征获得所述微波可穿透零件的异常状态，包括：

将所述回波信号信息输入至卷积神经网络模型，获得所述卷积神经网络模型输出的所述回波信号信息的特征；

将所述回波信号信息的特征输入至前后向长短期记忆网络模型，获得所述前后向长短期记忆网络模型输出的所述异常状态。

可选地，所述将所述回波信号信息的特征输入至前后向长短期记忆网络模型，获得所述前后向长短期记忆网络模型输出的所述异常状态，包括：

将所述回波信号信息的特征按照时刻从小到大的顺序组成的前向序列，输入至前向长短期记忆网络层，获得前向输出特征；

将所述回波信号信息的特征按照时刻从大到小的顺序组成的后向序列，输入至后向长短期记忆网络层，获得后向输出特征；

将所述前向输出特征和所述后向输出特征进行整合，获得整体输出特征；

根据所述整体输出特征，获得所述异常状态。

可选地，所述将所述前向输出特征和所述后向输出特征进行整合，获得整体输出特征，包括：

根据所述前向输出特征的权重和所述后向输出特征的权重，计算所述前向输出特征和所述后向输出特征的加权平均值，获得所述整体输出特征。

可选地，所述根据所述整体输出特征，获得所述异常状态，包括：

计算所述整体输出特征属于各个异常状态的概率；

将概率最大的异常状态作为目标异常状态。

可选地，所述提取所述回波信号信息的特征，并根据所述回波信号信息的特征获得所述微波可穿透零件的异常状态之前，所述方法还包括：

将所述回波信号信息进行卡尔曼滤波，去除噪声数据。

第二方面，本申请实施例提供了一种零件异常检测系统，包括微波雷达发射组件、微波雷达接收组件和处理组件；

所述微波雷达发射组件，用于向微波可穿透零件发射微波雷达信号；

所述微波雷达接收组件，用于接收预设时间段内的微波可穿透零件反射的回波信号信息，并将所述回波信号信息发送至处理组件；