钢结构的焊缝缺陷无损检测方法及相关设备与流程

本发明涉及数据处理的，尤其涉及一种钢结构的焊缝缺陷无损检测方法及相关设备。

背景技术：

1、在建筑和工业领域，钢结构焊缝的质量对结构的安全性和耐用性至关重要。焊缝缺陷，如裂纹、气孔、夹杂和未焊透等，都可能导致结构疲劳或断裂，引发严重的安全事故。因此，对钢结构焊缝进行无损检测以评估焊缝的完整性和质量成为了一个重要的研究和应用领域。典型的无损检测方法包括超声波检测、射线检测、磁粉检测和渗透检测等。

2、目前，光学检测方法具备非接触式、响应速度快和分辨率高的特点。然而，现有的光学检测技术往往受限于固定的成像角度和光照条件，这可能导致焊缝表面反光或阴影等现象，使得缺陷特征不够明显，难以准确识别焊缝中的缺陷。此外，单一成像技术可能无法提供足够的信息来全面评估焊缝的质量，例如，仅凭二维图像难以得出焊缝的三维几何特征和深层次缺陷信息。并且现有技术在焊缝缺陷的检测准确性和全面性上存在局限。特别是在多变的现场光照条件和复杂的表面状态下，现有的光学检测方法无法做到实时自适应，容易受到环境因素的干扰，影响缺陷特征的提取和分析。此外，现有方法在图像处理和缺陷评估方面缺乏有效的数据融合和深度学习技术，这限制了对焊缝缺陷的精确评估。

3、因此，亟需提出一种钢结构的焊缝缺陷无损检测方法，能够有效提高焊缝缺陷无损检测的准确性和全面性。

技术实现思路

1、本发明提供了一种钢结构的焊缝缺陷无损检测方法及相关设备，用于解决如何提高焊缝缺陷无损检测的准确性和全面性。

2、本发明第一方面提供了一种钢结构的焊缝缺陷无损检测方法，所述钢结构的焊缝缺陷无损检测方法包括：

3、通过预置的自适应光照控制系统对待检测的钢结构焊缝进行多角度和多光谱成像，获取多个含有焊缝信息的原始图像集，并对所述原始图像集进行去噪处理，得到去噪后的焊缝图像；

4、对去噪后的焊缝图像进行特征分层解析，得到钢结构焊缝的几何特征、热特性和反射特征，根据解析出的钢结构焊缝的几何特征、热特性和反射特征生成层级特征图像；

5、计算层级特征图像的特征细节度和局部对比度，根据计算得到的特征细节度和局部对比度，对层级特征图像进行实时微调，得到调整后的层级特征图像；

6、通过能量量化和局部对比度分析，对调整后的层级特征图像进行优化融合，生成焊缝综合图像；其中，数据库中提前存储有预设的焊缝结构光学特性的图像优化融合规则；

7、对所述焊缝综合图像进行切分，得到各个切分图像，并对所述各个切分图像进行三维叠加，生成焊缝子图像；

8、将所述焊缝子图像输入至训练后的焊缝缺陷评估模型中进行深度识别与分析，得到综合焊缝缺陷评估报告；其中，所述焊缝缺陷评估模型经过提前训练得到。

9、可选的，在本发明第一方面的第一种实现方式中，所述对从去噪后的焊缝图像进行特征分层解析，得到钢结构焊缝的几何特征、热特性和反射特征，根据解析出的钢结构焊缝的几何特征、热特性和反射特征生成层级特征图像，包括：

10、将去噪后的焊缝图像输入到预设的多层级特征分解模型中；其中，所述多层级特征分解模型配置有用于检测几何边缘、温度梯度和光照反射度的滤波器组；

11、基于所述滤波器组中的梯度滤波器，从去噪后的焊缝图像中提取出第一层几何边缘特征图和一个基准图像层；其中，所述基准图像层用于捕捉去噪后的焊缝图像的基本形态结构；

12、基于所述滤波器组中的双边滤波器，对去噪后的焊缝图像进行特征分解，得到第二层热特性图和第三层反射特征图；

13、对第一层几何边缘特征图与去噪后的焊缝图像进行第一分层对比处理，得到第一层微观结构特征图和第一层宏观结构特征图；对第二层热特性图与去噪后的焊缝图像进行第二分层对比处理，得到第二层微观结构特征图和第二层宏观结构特征图；对第三层反射特征图进行第三分层对比处理，得到第三层微观结构特征图和第三层宏观结构特征图；

14、对第一层微观结构特征图、第一层宏观结构特征图、第二层微观结构特征图、第二层宏观结构特征图、第三层微观结构特征图和第三层宏观结构特征图进行融合处理，生成层级特征图像。

15、可选的，在本发明第一方面的第二种实现方式中，所述焊缝缺陷评估模型的训练过程，包括：

16、获取钢结构焊缝的检测图像数据；其中，所述检测图像数据包含与焊缝缺陷相关的特征信息，并经过初步的图像处理以提取焊缝特征，形成初始特征数据集；

17、将初始特征数据集输入至预置的图像特征提取网络中，对初始特征数据集进行深层特征提取，生成二级特征向量集；其中，所述图像特征提取网络采用卷积神经网络架构；

18、基于预置的序列分析模型，对二级特征向量集进行时间序列分析，提取焊缝缺陷的动态变化特征，形成三级特征向量集；

19、将三级特征向量集输入至长短期记忆网络，通过长短期记忆网络对焊缝缺陷特征的长期依赖性与上下文关联性进行分析，生成四级特征向量集；

20、单独生成一次性的、在预设周期内不重复的五级特征向量集，并通过预设的融合规则，将五级特征向量集与四级特征向量集进行特征融合，生成六级特征向量集；其中，五级特征向量的生成方式和融合规则预先设置在数据库中；

21、将六级特征向量集以及相关的焊缝标识信息输入至分类器中，进行焊缝缺陷评估模型的训练，并逐步调整图像特征提取网络、序列分析模型以及长短期记忆网络的参数，在损失函数达到收敛后，完成焊缝缺陷评估模型的训练。

22、可选的，在本发明第一方面的第三种实现方式中，所述得到综合焊缝缺陷评估报告的步骤之后，包括：

23、将所述综合焊缝缺陷评估报告进行复制，作为参考检验数据集；

24、对参考检验数据集进行关键特性解析，提取特性字符串，并从所述特性字符串中提炼关键特性值，作为检测指令关键值；

25、生成所述综合焊缝缺陷评估报告的副本，作为次级检测数据集；

26、以检测指令关键值为标准，对次级检测数据集进行加密处理，生成加密数据集，并对所述加密数据集进行关键特性分析，生成初级加密特性阵列；

27、对初级加密特性阵列执行散列计算，生成相应的识别标记；

28、将所述识别标记输入至预置的编码模型中，执行编码流程，生成保密字符集。

29、可选的，在本发明第一方面的第四种实现方式中，所述生成保密字符集的步骤之后，包括：

30、配置预设的人工智能模型参数，并确定所述人工智能模型参数的状态迁移概率和观察概率；其中，保密字符集中的每个字符作为一个观察点，每种字符组合情况定义为一个隐藏状态；

31、根据人工智能模型的状态迁移概率和观察概率，对预设的字符分割规则进行编码，生成对应的状态序列和观察序列；其中，预设的字符分割规则至少包括字符间隔规则、字符的特定排列序列规则；

32、利用预设的人工智能模型，对状态序列和观察序列进行精炼优化，得到状态迁移阵列和观察概率阵列；

33、根据状态迁移阵列和观察概率阵列，对保密字符集执行分段处理，获得多个字符分割区段；

34、从数据库检索并获取多种字符组合规则的数据集，按照多种字符组合规则的数据集对每个分割区段内的字符进行随机选取和组合，以生成目标字符集；

35、将生成的目标字符集嵌入到钢结构的焊接接缝检测身份链中，并提取目标字符集的最后十个字符，作为综合焊缝缺陷评估报告的识别码；

36、依据所述识别码对综合焊缝缺陷评估报告执行加密处理，生成加密后的综合焊缝缺陷评估报告，并将加密后的综合焊缝缺陷评估报告传输至钢结构焊接接缝检测的控制系统。

37、可选的，在本发明第一方面的第五种实现方式中，所述层级特征图像用于根据预设的特征匹配与分析机制，识别出钢结构焊缝中的缺陷点或不规则部分。

38、本发明第二方面提供了一种钢结构的焊缝缺陷无损检测装置，所述钢结构的焊缝缺陷无损检测装置包括：

39、获取模块，用于通过预置的自适应光照控制系统对待检测的钢结构焊缝进行多角度和多光谱成像，获取多个含有焊缝信息的原始图像集，并对所述原始图像集进行去噪处理，得到去噪后的焊缝图像；

40、生成模块，用于对去噪后的焊缝图像进行特征分层解析，得到钢结构焊缝的几何特征、热特性和反射特征，根据解析出的钢结构焊缝的几何特征、热特性和反射特征生成层级特征图像；

41、计算模块，用于计算层级特征图像的特征细节度和局部对比度，根据计算得到的特征细节度和局部对比度，对层级特征图像进行实时微调，得到调整后的层级特征图像；

42、融合模块，用于通过能量量化和局部对比度分析，对调整后的层级特征图像进行优化融合，生成焊缝综合图像；其中，数据库中提前存储有预设的焊缝结构光学特性的图像优化融合规则；

43、切分模块，用于对所述焊缝综合图像进行切分，得到各个切分图像，并对所述各个切分图像进行三维叠加，生成焊缝子图像；

44、分析模块，用于将所述焊缝子图像输入至训练后的焊缝缺陷评估模型中进行深度识别与分析，得到综合焊缝缺陷评估报告；其中，所述焊缝缺陷评估模型经过提前训练得到。

45、本发明第三方面提供了一种钢结构的焊缝缺陷无损检测设备，包括：存储器和至少一个处理器，所述存储器中存储有指令；所述至少一个处理器调用所述存储器中的所述指令，以使得所述钢结构的焊缝缺陷无损检测设备执行上述的钢结构的焊缝缺陷无损检测方法。

46、本发明的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述的钢结构的焊缝缺陷无损检测方法。

47、本发明提供的技术方案中，有益效果：本发明提供一种钢结构的焊缝缺陷无损检测方法及相关设备，通过预置的自适应光照控制系统对待检测的钢结构焊缝进行多角度和多光谱成像，获取多个含有焊缝信息的原始图像集，并对所述原始图像集进行去噪处理，得到去噪后的焊缝图像；对去噪后的焊缝图像进行特征分层解析，得到钢结构焊缝的几何特征、热特性和反射特征，根据解析出的钢结构焊缝的几何特征、热特性和反射特征生成层级特征图像；计算层级特征图像的特征细节度和局部对比度，根据计算得到的特征细节度和局部对比度，对层级特征图像进行实时微调，得到调整后的层级特征图像；通过能量量化和局部对比度分析，对调整后的层级特征图像进行优化融合，生成焊缝综合图像；对所述焊缝综合图像进行切分，得到各个切分图像，并对所述各个切分图像进行三维叠加，生成焊缝子图像；将所述焊缝子图像输入至训练后的焊缝缺陷评估模型中进行深度识别与分析，得到综合焊缝缺陷评估报告。本发明通过采用自适应光照控制系统进行多角度和多光谱成像，本发明可以从不同角度和光谱捕捉焊缝信息，有效避免了单一角度或光谱下可能出现的反光和阴影问题。本发明在图像处理阶段采用先进的去噪技术和特征分层解析方法，提高了焊缝图像的质量并精确提取焊缝的关键特征。通过对层级特征图像进行实时微调和优化融合，本发明能够更准确地评估焊缝的质量。这不仅提高了焊缝缺陷检测的精度，也减少了误判和漏判的可能性。本发明采用三维叠加技术和经过训练的深度学习模型，能够全面分析焊缝缺陷，提供更加详细和准确的评估报告。这种深度识别与分析方法不仅提高了识别效率，也增强了对复杂缺陷的识别能力。通过综合利用多角度、多光谱和高级图像处理技术，本发明能够全面评估焊缝的完整性和质量，为后续的维修和加固工作提供了可靠的数据支持。