公开(公告)号：CN118365976B

公开(公告)日：2024-11-12

申请号：CN202410799380.3

申请日：2024-06-20

Applicant: 南京理工大学

Inventor： 张毅 ,  安洋乐 ,  赵壮 ,  韩静 ,  陆骏 ,  吴梓剑

IPC: G06V10/764 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0495 ,  G06N3/082 ,  G06N3/096 ,  G06N3/0455 ,  G06N3/0464 ,  G06V10/80 ,  G06N3/088

Abstract: 本发明公开了一种基于无监督学习的熔焊增材异常检测方法，包括如下步骤：在熔焊增材过程中，利用工业相机拍摄熔池图像，对熔池图像进行预处理，得到熔池数据集；利用熔池数据集训练无监督学习的异常检测模型，所述异常检测模型包括正向知识蒸馏和反向知识蒸馏过程；利用训练好的异常检测模型进行推理，得到异常检测结果。本发明的基于无监督学习的熔焊增材异常检测方法采用无监督学习算法，只需要正常数据进行训练，网络模型采用多学生‑教师蒸馏模型，针对焊接过程中出现的各类形态和质量的异常，例如裂纹、偏移、孔洞、气孔、夹渣等等缺陷，异常检测准确率都能够达到良好的效果。

公开(公告)号：CN118365976A

公开(公告)日：2024-07-19

申请号：CN202410799380.3

申请日：2024-06-20

Applicant: 南京理工大学

Inventor： 张毅 ,  安洋乐 ,  赵壮 ,  韩静 ,  陆骏 ,  吴梓剑

IPC: G06V10/764 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0495 ,  G06N3/082 ,  G06N3/096 ,  G06N3/0455 ,  G06N3/0464 ,  G06V10/80 ,  G06N3/088

Abstract: 本发明公开了一种基于无监督学习的熔焊增材异常检测方法，包括如下步骤：在熔焊增材过程中，利用工业相机拍摄熔池图像，对熔池图像进行预处理，得到熔池数据集；利用熔池数据集训练无监督学习的异常检测模型，所述异常检测模型包括正向知识蒸馏和反向知识蒸馏过程；利用训练好的异常检测模型进行推理，得到异常检测结果。本发明的基于无监督学习的熔焊增材异常检测方法采用无监督学习算法，只需要正常数据进行训练，网络模型采用多学生‑教师蒸馏模型，针对焊接过程中出现的各类形态和质量的异常，例如裂纹、偏移、孔洞、气孔、夹渣等等缺陷，异常检测准确率都能够达到良好的效果。