技术特征：
1.一种样本可均衡的曲轴表面缺陷检测方法，其特征在于，包括：s1、构建训练样本数据集，包括：在曲轴表面施加磁粉并以荧光照射，获取曲轴的表面图像；判断并标注表面图像状态，得到正常的图像数据个、带有缺陷的图像数据个，定义x张图像作为一个数据样本，只有当x张图像全部为正常图像时，由该x张图像组成的此样本才标记为正样本；x张图像只要存在一张带缺陷的图像，由该x张图像组成的此样本便标记为负样本；所述正样本和负样本则构成训练样本数据集；其中，x的具体数值由下式给出，化简得；s2、基于深度学习卷积神经网络模型，通过所述训练样本数据集对所述深度学习卷积神经网络模型进行训练，完成深度学习识别模型的构建；s3、获取待检测的曲轴的y张表面图像，与从正常的图像数据n中随机选取的x-y张图像组成一个待识别样本，通过所述深度学习识别模型确定曲轴表面情况。2.根据权利要求1所述的一种样本可均衡的曲轴表面缺陷检测方法，其特征在于，所述获取待检测的曲轴的表面图像包括：通过相机对待检测的曲轴的表面进行多角度拍摄。3.根据权利要求1所述的一种样本可均衡的曲轴表面缺陷检测方法，其特征在于，所述曲轴表面缺陷检测方法还包括步骤s4：根据所述曲轴表面情况，向筛选机构发出正品信号或次品信号完成自动筛选。4.一种样本可均衡的曲轴表面缺陷检测系统，其特征在于，包括磁粉施加装置、荧光照射装置、拍摄装置及深度学习神经网络识别模块；所述磁粉施加装置用于对曲轴的表面施加磁粉；所述荧光照射装置用于对曲轴表面进行荧光照射，以便于判断曲轴的表面状态；所述拍摄装置用于获取曲轴的表面图像数据并与相应的所述表面状态相对应，并以此得到训练样本数据集；其中，得到所述训练样本数据集具体包括：获取的曲轴表面图像包括正常的图像数据个、带有缺陷的图像数据个，定义x张图像作为一个数据样本，只有当x张图像全部为正常图像时，由该x张图像组成的此样本才标记为正样本；x张图像只要存在一张带缺陷的图像，由该x张图像组成的此样本便标记为负样本；所述正样本和负样本则构成训练样本数据集；其中，x的具体数值由下式给出，化简得；所述深度学习神经网络识别模块采用所述训练样本数据集对自身进行训练，以用于待检测的曲轴表面情况的识别。5.根据权利要求4所述的一种样本可均衡的曲轴表面缺陷检测系统，其特征在于，还包括相互连接的控制装置及筛选装置，所述控制装置用于根据所述曲轴表面情况产生正品信号或次品信号，所述筛选装置根据所述正品信号或次品信号进行自动筛选。6.根据权利要求5所述的一种样本可均衡的曲轴表面缺陷检测系统，其特征在于，所述控制装置用于在所述曲轴表面情况为带有缺陷时产生次品信号，所述筛选装置根据所述次品信号将带缺陷的曲轴自动筛选出来。
技术总结
本发明公开了一种样本可均衡的曲轴表面缺陷检测方法及检测系统，检测方法包括：构建训练样本数据集，包括：在曲轴表面施加磁粉并以荧光照射，获取曲轴的表面图像；判断并标注表面状态，得到正常的图像数据个、带有缺陷的图像数据个，定义张图像作为一个数据样本，当张图像全部为正常图像时此样本才标记为正样本，否则为负样本，两者构成训练样本数据集，的取值为(N+1）/(M+1)；基于深度学习卷积神经网络模型进行训练；将待检测的曲轴的y张图像与N中的x-y张图像形成一个数据样本，通过深度学习识别模型确定曲轴表面情况。本发明能够使得带缺陷与正常的图像数据保持均衡，并在同样数量的图像下起到样本扩充的效果。果。
技术研发人员：谢罗峰 朱杨洋 刘卫民 殷鸣 殷国富 刘建华 杨扬 赖光勇 杨敏 余雅彬
受保护的技术使用者：四川飞亚动力科技股份有限公司
技术研发日：2022.07.11
技术公布日：2022/8/5