剪切散斑干涉的材料近表面缺陷动态检测方法及装置

本发明涉及光电检测的，尤其涉及一种剪切散斑干涉的材料近表面缺陷动态检测方法，还涉及剪切散斑干涉的材料近表面缺陷动态检测装置，其主要采用时序仿真数据集训练时空目标检测模型。

背景技术：

1、复合材料是人们运用先进的材料制备技术将不同性质的材料组分优化组合而成的新材料，在工业生产中起到承重、减重等各种各样的用途。复合材料在生产和使用时难免会因为操作不当或者过度使用而出现近表面缺陷，严重影响设备的安全性和使用寿命，所以工业上需要获取缺陷的位置、大小和形状等相关信息，分析材料近表面缺陷的严重程度，以此为依据进行维修替换等操作，降低材料近表面缺陷所带来的隐藏风险。这类近表面缺陷存在于材料内部而无法直接观测，可以使用剪切散斑干涉技术来获取被测件的剪切散斑干涉图样，并从中提取出缺陷的位置、大小和形状信息。

2、剪切散斑干涉近表面缺陷动态检测的基本原理是根据激光束照射材料后产生的每一帧散斑信息进行空间载波相位提取，进而实时计算出每一帧的剪切散斑干涉相位差图，得到相位差图时间序列，之后从中标记出材料的近表面缺陷信息。剪切散斑干涉技术动态检测复合材料近表面缺陷的难点在于如何准确快速的从剪切散斑干涉动态相位差图中标记出缺陷信息。由于剪切散斑干涉相位差图形状复杂、种类多样，人工从中标记缺陷的精度和效率都很低。因此可以采用时空目标检测模型这一神经网络技术来代替人工标记，以加快近表面缺陷的检测效率。

3、神经网络是一种模拟人脑神经元相互连接的计算模型，能够通过训练学习复杂的非线性问题。时空目标检测模型就是神经网络的一种，时空目标检测模型能同时关注当前帧图片和历史帧图片的信息，相比于常规的单帧目标检测，该类算法模型能够关注到时间维度的信息，更利于缺陷检测。在使用大量数据进行训练后，时空目标检测模型可以实现输入剪切散斑干涉相位图时间序列，输出缺陷的位置、大小和形状等信息，建立起自动、高效、精确的近表面缺陷识别模型。

4、神经网络对于训练数据的数量要求很高，常需要万量级的数据，该数据量对于剪切散斑干涉技术而言难以实现，因为这需要大量已知被缺陷分布的实物被测件，不仅需要采集大量剪切散斑干涉相位差图，还需要人工从相位差图中标记出缺陷信息作为数据集的标签。剪切散斑干涉相位差图种类繁多，很多相位差图中的缺陷信息十分隐晦，人工也很难辨别。此外相位差图中干涉条纹和真实缺陷之间存在位置差异，该差异是由剪切原理所引入的，所以人工标记时即使辨别出了缺陷条纹，也不可能准确的标记出缺陷真实位置。综上，无论从数据量还是标签精度来看，使用实际被测件制作一个数据量在上万级别的剪切散斑干涉时空目标检测数据集是十分困难的。

技术实现思路

1、为克服现有技术的缺陷，本发明要解决的技术问题是提供了一种剪切散斑干涉的复合材料近表面缺陷动态检测方法，其能在动态加载的情况下充分利用时间维度信息，更有利于复合材料近表面缺陷检测，相较于单帧检测更具鲁棒性，在保障基本检测精度的前提下大幅降低了复合材料近表面缺陷检测系统搭建的物质和时间成本。

2、本发明的技术方案是：这种剪切散斑干涉的材料近表面缺陷动态检测方法，其包括以下步骤：

3、(1)被测件建模：使用三维cad系统对被测件进行建模，并从中人为的添加内部缺陷，记录每个样本对应的缺陷坐标，作为该样本的缺陷标签；

4、(2)被测件有限元静力学分析：使用三维cad系统搭建的被测件模型进行力学分析，对被测件施加均匀增大的外力，模拟剪切散斑干涉过程中对被测件的动态力学加载，通过静力学分析获得被测件在每一力学加载瞬间下的表面变形信息；

5、(3)计算剪切散斑干涉相位差图：对静力学分析得到的表面变形数据时间序列进行处理，将变形量仿真结果带入剪切散斑干涉公式，求得被测件的剪切散斑干涉相位差图时间序列；

6、(4)汇总数据，制作时序仿真数据集：将步骤(1)中获得的标签和步骤(3)得到的剪切散斑干涉相位差图时间序列进行汇总，一张相位差图和对应的缺陷标签为一组数据，同一仿真模型的连续力学加载结果为一个剪切散斑干涉相位差图序列，制作时序仿真数据集；

7、(5)搭建和训练时序目标检测模型：选择合适的时序目标检测网络模型，使用步骤(4)中得到的纯仿真数据集进行训练；

8、(6)测试模型在真实被测件上的缺陷检测精度：使用剪切散斑干涉仪通过空间载波实现动态检测，对被测件施加动态外力，采集被测件的剪切散斑干涉相位差图时间序列；进行相机标定确定剪切散斑干涉相位差图和实际被测件的坐标转化关系，将被测件在世界坐标系下的缺陷位置转化为像素坐标系下的相位差图缺陷信息；

9、使用训练好的时空目标检测模型对真实的相位差图时间序列进行缺陷检测，将检测结果和缺陷真值比对，评价模型的检测性能。

10、本发明依次通过制作时序仿真数据集、搭建模型、模型训练、模型测试的步骤建立了一种时序仿真数据集训练时空目标检测模型辅助剪切散斑干涉的材料近表面缺陷动态检测方法。本发明使用剪切散斑干涉相位差图时间序列作为缺陷检测对象，能在动态加载的情况下充分利用时间维度信息，更有利于复合材料近表面缺陷检测，相较于单帧检测更具鲁棒性。本发明在训练时序目标检测模型时完全使用有限元分析法制作时序仿真数据集，时序仿真数据集制作的时间成本和物质成本均远远低于实物采集数据。虚拟数据集训练出的时序目标检测模型也能较为准确的检测实际被测件的缺陷信息，其缺陷检测精度也足以在工业上进行器件的缺陷分析。综上，本发明以时序目标检测模型辅助剪切散斑干涉实现材料近表面缺陷的动态检测，依靠有限元仿真技术制作时序仿真数据集训练模型，在保障基本检测精度的前提下大幅降低了材料近表面缺陷检测系统搭建的物质和时间成本。

11、还提供了一种剪切散斑干涉的材料近表面缺陷动态检测装置，其包括：

12、三维建模模块，其配置来使用三维cad系统制作大量被测件三维模型，并从中人为的添加内部缺陷，记录每个样本对应的缺陷坐标，作为该样本的缺陷标签；

13、静力学分析模块，其配置来对三维被测件模型进行静力学分析，对被测件施加均匀增加的外力，模拟剪切散斑干涉过程中对被测件的动态力学加载，通过静力学分析获得被测件在每一力学加载瞬间下的表面变形信息；

14、相位差图计算模块，其配置来处理每一外力作用瞬间的模型表面变形数据，获得该瞬间下的被测件剪切散斑干涉相位差图，对静力学分析得到的表面变形数据进行处理，将变形量带入剪切散斑干涉公式，求得被测件的剪切散斑干涉相位差图；

15、数据集模块，其配置来将标签和剪切散斑干涉相位差图进行汇总，一张相位差图和对应的缺陷标签为一组数据，同一仿真模型的连续力学加载结果为一个剪切散斑干涉相位差图序列，制作时序仿真数据集；

16、神经网络模块，其配置来搭建和训练时序目标检测模型，选择合适的时序目标检测模型，使用时序仿真数据集进行训练；

17、测试模块，其配置来获取实物被测件的相位差图时间序列，并对模型性能进行评估分析，搭建剪切散斑干涉动态检测的实物系统，动态采集被测件的剪切散斑干涉相位差图时间序列，进行相机标定确定剪切散斑干涉相位差图和实际被测件的坐标转化关系，将被测件在世界坐标系下的缺陷位置转化为像素坐标系下的相位差图缺陷信息，使用训练好的时空目标检测模型对真实的相位差图时间序列进行缺陷检测，将检测结果和缺陷真值比对，评价模型的检测性能。