[发明专利]一种基于PCA和CNN的高温锻件表面缺陷在位检测方法

摘要

本发明公开了一种基于PCA和CNN的高温锻件表面缺陷在位检测方法，包括通过三维激光扫描仪按设定顺序规则获取待检测成品锻件的三维点云数据组并计算其主曲率获得成品锻件五维点云数据组；利用主元分析PCA方法将所述成品锻件五维点云数据组降维至二维，并输入已训练成功的所述CNN锻件表面缺陷检测器中，所述CNN锻件表面缺陷检测器输出判断结果。通过利用标准锻件的点云数据对CNN锻件表面缺陷检测器进行训练，再利用该训练成功的CNN锻件表面缺陷检测器在位检测处于1000℃以上高温的锻件表面是否存在缺陷，如缺角、突起或凹陷等结构缺陷，实现高温锻件的在位快速准确检测，保证锻件生产质量。

主权项

一种基于PCA和CNN的高温锻件表面缺陷在位检测方法，PCA为主元分析，CNN为卷积神经网络，其特征在于，包括：CNN锻件表面缺陷检测器训练过程：步骤A，距离无表面缺陷的标准锻件12米处通过蓝光三维激光扫描仪按设定顺序规则获取标准锻件三维点云数据组；步骤B，提取步骤A的所述标准锻件三维点云数据组，并根据椭球曲面的拟合方法计算所述标准锻件三维点云数据组中每个标准锻件点云对应的两个主曲率，然后选取每个标准锻件点云的三维坐标值及其两个主曲率作为代表该标准锻件点云的五个特征，从而获得所述标准锻件的标准锻件五维点云数据组；步骤C，利用主元分析PCA方法将所述标准锻件五维点云数据组降维至二维，从而获得标准锻件二维点云数据组，通过该标准锻件二维点云数据组来代表对应的所述标准锻件，并将该标准锻件二维点云数据组构成一组训练数据并标注为0；步骤D，不断循环重复步骤A至步骤C以获取多组所述训练数据，直至获取达到目标组数的训练数据为止；然后将达到目标组数的多组训练数据构成训练集P和测试集S，通过所述训练集P和测试集S对CNN锻件表面缺陷检测器进行训练，直至所述CNN锻件表面缺陷检测器训练成功为止；待检测成品锻件的检测过程：步骤E，距离待检测成品锻件12米处通过蓝光三维激光扫描仪按设定顺序规则获取成品锻件三维点云数据组；步骤F，提取步骤E的所述成品锻件三维点云数据组，并根据椭球曲面的拟合方法计算所述成品锻件三维点云数据组中每个成品锻件点云对应的两个主曲率，然后选取每个成品锻件点云的三维坐标值及其两个主曲率作为代表该成品锻件点云的五个特征，从而获得成品锻件五维点云数据组；步骤G，利用主元分析PCA方法将所述成品锻件五维点云数据组降维至二维，从而获得成品锻件二维点云数据组，通过该成品锻件二维点云数据组来代表对应的所述待检测成品锻件，并将该成品锻件二维点云数据组构成一组实际检测数据；步骤H，将步骤G获得的所述实际检测数据输入已训练成功的所述CNN锻件表面缺陷检测器中，所述CNN锻件表面缺陷检测器根据所述实际检测数据判断所述待检测成品锻件是否存在表面缺陷并将判断结果输出。