本申請涉及工業(yè)智能檢測，尤其涉及一種鍛件產(chǎn)品的鍛造缺陷智能檢測系統(tǒng)。
背景技術：
1、鍛件作為重要的結構基礎件，廣泛應用于汽車、航空航天、能源、軌道交通及重型裝備制造等領域，其質(zhì)量穩(wěn)定性直接關系到整機的安全性與服役壽命。在鍛造過程中，受原材料純度、模具狀態(tài)、工藝溫度控制、潤滑條件及操作方式等多種因素影響，鍛件表面容易產(chǎn)生諸如氣泡、擦傷、凹陷、冷隔、流痕等缺陷。這些缺陷不僅影響外觀質(zhì)量，更可能導致局部應力集中、疲勞裂紋提前萌生，從而影響產(chǎn)品性能甚至造成失效事故。
2、目前，工業(yè)現(xiàn)場對鍛件表面缺陷的檢測主要依賴人工目檢方式，該方式檢測效率低、準確率受限、穩(wěn)定性差，且易受作業(yè)人員經(jīng)驗水平影響，難以滿足現(xiàn)代制造對高一致性和大批量質(zhì)量控制的要求。
3、綜上所述，現(xiàn)有技術中存在由于鍛件表面結構復雜、缺陷類型多樣且形態(tài)不規(guī)則，未能構建穩(wěn)定可靠的多角度視覺融合與智能識別機制，導致缺陷檢測覆蓋不全面、分類準確率低且無法動態(tài)適應實際工況變化，進一步影響鍛件產(chǎn)品質(zhì)量控制的智能化水平與制造流程的自動化效率的技術問題。
技術實現(xiàn)思路
1、本申請的目的是提供一種鍛件產(chǎn)品的鍛造缺陷智能檢測系統(tǒng)，用以解決現(xiàn)有技術中存在由于鍛件表面結構復雜、缺陷類型多樣且圖像干擾因素多樣，未能實現(xiàn)多角度視覺信息的高效融合與高精度缺陷識別判定，導致缺陷檢測覆蓋不完整、識別準確率低且缺乏自適應能力，進一步影響鍛件產(chǎn)品質(zhì)量穩(wěn)定性及制造過程自動化水平的技術問題。
2、鑒于上述問題，本申請?zhí)峁┝艘环N鍛件產(chǎn)品的鍛造缺陷智能檢測系統(tǒng)，包括：圖像采集模塊，所述圖像采集模塊用于通過配置高分辨率工業(yè)相機與旋轉(zhuǎn)驅(qū)動組件采集待檢工件的多角度圖像，并對獲得圖像按先后順序排序的索引，所述工業(yè)相機安裝于可控旋轉(zhuǎn)平臺上，所述待檢工件通過定位夾具固定于中心軸位置；圖像拼接模塊，所述圖像拼接模塊用于將采集到的多角度圖像進行拼接，對進行拼接后的完整圖像進行坐標統(tǒng)一和曲面展開，生成產(chǎn)品完整表面展開圖；缺陷候選區(qū)域提取模塊，所述缺陷候選區(qū)域提取模塊用于通過圖像分割算法提取出存在缺陷的缺陷候選區(qū)域，獲得缺陷候選的區(qū)域坐標和區(qū)域大小，所述區(qū)域大小包括缺陷面積和缺陷區(qū)域的最大邊界尺寸；缺陷類型確定模塊，所述缺陷類型確定模塊用于將提取出的缺陷候選區(qū)域的圖像特征與預先構建的缺陷圖像樣本庫進行匹配對比，獲得缺陷候選區(qū)域的缺陷類型，所述缺陷圖像樣本庫包括標準化的五類缺陷圖像特征模板，所述的五類缺陷包括氣泡、擦傷、凹陷、冷隔、流痕；缺陷置信度確定模塊，所述缺陷置信度確定模塊用于對每個候選缺陷區(qū)域?計算特征相似度、類別分離度、區(qū)域結構質(zhì)量、樣本覆蓋性，并輸入缺陷置信度計算公式，獲得對應缺陷類型判定結果的置信度值；異常區(qū)域二次判定模塊，所述異常區(qū)域二次判定模塊用于對于低置信度樣本，調(diào)用輕量深度網(wǎng)絡識別模型進行二次判定，同時支持人工標注生成新的樣本數(shù)據(jù)，添加至缺陷樣本庫中；自動化控制模塊，所述自動化控制模塊用于設備端連接可編程控制器，協(xié)同操作面板，進行待檢工件缺陷智能檢測與反饋調(diào)節(jié)管理。
3、本申請中提供的一個或多個技術方案，至少具有如下技術效果或優(yōu)點：
4、通過多角度視覺采集與圖像配準拼接，結合曲面展開算法，可獲得鍛件產(chǎn)品完整、連續(xù)的表面視覺信息，實現(xiàn)無盲區(qū)覆蓋的缺陷檢測；基于圖像分割算法提取缺陷候選區(qū)域，結合多特征維度（如紋理、邊緣、空間向量）的圖像匹配與相似度比對，有效提高多類缺陷（氣泡、擦傷、凹陷、冷隔、流痕）的識別準確率；通過缺陷置信度評分機制綜合判斷特征相似度、區(qū)域結構質(zhì)量、樣本覆蓋性等因素，有效提高邊界樣本和復雜形態(tài)缺陷的分類可信度；當置信度低于預設閾值時，系統(tǒng)自動調(diào)用輕量級深度神經(jīng)網(wǎng)絡進行二次判定，并支持將人工標注結果納入樣本庫，實現(xiàn)識別模型的持續(xù)優(yōu)化與自演進；也就是說，通過融合多角度圖像采集、圖像配準拼接與曲面展開處理，提取缺陷候選區(qū)域并結合多特征圖像匹配算法進行缺陷類型識別，同時引入置信度評估與低置信度二次判定機制，達到全面覆蓋鍛件表面、準確識別多種典型鍛造缺陷、提升識別穩(wěn)定性與系統(tǒng)自適應能力的技術效果。
5、上述說明僅是本申請技術方案的概述，為了能夠更清楚了解本申請的技術手段，而可依照說明書的內(nèi)容予以實施，并且為了讓本申請的上述和其他目的、特征和優(yōu)點能夠更明顯易懂，以下特舉本申請的具體實施方式。應當理解，本部分所描述的內(nèi)容并非旨在標識本申請的實施例的關鍵或重要特征，也不用于限制本申請的范圍。本申請的其他特征將通過以下的說明書而變得容易理解。
1.一種鍛件產(chǎn)品的鍛造缺陷智能檢測系統(tǒng)，其特征在于，包括：
2.如權利要求1所述的一種鍛件產(chǎn)品的鍛造缺陷智能檢測系統(tǒng)，其特征在于，所述將采集到的多角度圖像進行拼接，對進行拼接后的完整圖像進行坐標統(tǒng)一和曲面展開，生成產(chǎn)品完整表面展開圖，包括：
3.如權利要求2所述的一種鍛件產(chǎn)品的鍛造缺陷智能檢測系統(tǒng)，其特征在于，所述基于多角度圖像中相鄰圖像之間的重疊區(qū)域，執(zhí)行圖像配準操作，采用圖像拼接算法對多角度圖像進行拼接，生成覆蓋完整產(chǎn)品表面的拼接圖像，包括：
4.如權利要求1所述的一種鍛件產(chǎn)品的鍛造缺陷智能檢測系統(tǒng)，其特征在于，通過圖像分割算法提取出存在缺陷的缺陷候選區(qū)域，獲得缺陷候選的區(qū)域坐標和區(qū)域大小，所述區(qū)域大小包括缺陷面積和缺陷區(qū)域的最大邊界尺寸，包括：
5.如權利要求1所述的一種鍛件產(chǎn)品的鍛造缺陷智能檢測系統(tǒng)，其特征在于，將提取出的缺陷候選區(qū)域的圖像特征與預先構建的缺陷圖像樣本庫進行匹配對比，獲得缺陷候選區(qū)域的缺陷類型，所述缺陷圖像樣本庫包括標準化的五類缺陷圖像特征模板，所述的五類缺陷包括氣泡、擦傷、凹陷、冷隔、流痕，包括：
6.如權利要求5所述的一種鍛件產(chǎn)品的鍛造缺陷智能檢測系統(tǒng)，其特征在于，所述圖像相似度比對算法，包括：
7.如權利要求6所述的一種鍛件產(chǎn)品的鍛造缺陷智能檢測系統(tǒng)，其特征在于，基于所提取的缺陷候選區(qū)域的圖像特征與缺陷圖像樣本庫中各類缺陷模板的特征向量進行特征匹配，所述特征匹配包括余弦相似度、邊緣形狀匹配距離與高維空間距離，包括：
8.如權利要求1所述的一種鍛件產(chǎn)品的鍛造缺陷智能檢測系統(tǒng)，其特征在于，對每個候選缺陷區(qū)域計算特征相似度、類別分離度、區(qū)域結構質(zhì)量、樣本覆蓋性，并輸入缺陷置信度計算公式，獲得對應缺陷類型判定結果的置信度值，包括：
9.如權利要求1所述的一種鍛件產(chǎn)品的鍛造缺陷智能檢測系統(tǒng)，其特征在于，對于低置信度樣本，調(diào)用輕量深度網(wǎng)絡識別模型進行二次判定，同時支持人工標注生成新的樣本數(shù)據(jù)，添加至缺陷樣本庫中，包括：