(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210562263.6 (22)申请日 2022.05.23 (71)申请人 厦门宇电自动化科技有限公司 地址 361000 福建省厦门市湖里区火炬 北 路17号宇电科技大厦 (72)发明人 周宇　 (74)专利代理 机构 厦门仕诚联合知识产权代理 事务所(普通 合伙) 35227 专利代理师 戴惠恋 (51)Int.Cl. G06T 7/00(2017.01) G06T 7/187(2017.01) G06T 7/62(2017.01) G06T 7/73(2017.01) G06V 10/26(2022.01)G06V 10/764(2022.01) G06V 20/70(2022.01) (54)发明名称 一种增材制造过程中的缺陷检测方法及系 统 (57)摘要 本发明公开了一种增材制造过程中的缺陷 检测方法及系统， 其包括以下步骤： 获取输入数 据； 基于待测构 件的表面温度T计算光谱 数据， 所 述光谱数据包括光谱积分强度I、 相关系数C； 根 据表面温度T、 光谱积分强度I、 相关系数C和预设 数据模板匹配规则， 判断待测构 件存在的内部缺 陷类型， 并定位出产生内部缺陷的位置； 对发生 内部缺陷位置的点进行光谱分析， 得到内部缺陷 信息； 基于视觉检测算法模型， 对待分析图像进 行分析， 得到表面缺陷信息。 本发明的增材制造 过程中的缺陷检测方法， 能够保证缺陷检测的准 确性； 并且能够确定缺陷的深度、 宽度和大小， 辅 助3D打印机的参数设定和结构设计 。 权利要求书3页 说明书8页 附图2页 CN 115115578 A 2022.09.27 CN 115115578 A 1.一种增材制造过程中的缺陷检测方法， 其特 征在于， 包括以下步骤： 步骤a.获取输入数据， 所述输入数据至少包括待测构件的表面温度T、 图像数据； 步骤b.基于待测构件的表面温度T计算光谱数据， 所述光谱数据包括光谱积分强度I、 相关系数C； 步骤c.根据表面温度T、 光谱积分强度I、 相 关系数C和预设数据模板匹配规则， 判断待 测构件存在的内部缺陷类型， 并定位出产生内部缺陷的位置； 步骤d.对发生内部缺陷位置的点进行光谱分析， 得到内部缺陷信息， 内部缺陷信息包 括内部缺陷面积s1、 内部缺陷深度d1、 内部缺陷宽度w1； 步骤e.基于视觉检测算法模型， 对待分析图像进行分析， 得到表面缺陷信息； 待分析图 像为标准图像数据， 表面缺陷信息包括表面缺陷类型、 表面缺陷位置、 表面缺陷深度d2、 表 面缺陷面积s2、 表面缺陷宽度w2。 2.根据权利要求1所述的一种增材制造过程中的缺陷检测方法， 其特征在于： 预设模板 匹配规则具体为： |avg(X)‑avg(Y)≤std(X)|， 且|avg(X) ‑avg(Y)≤std(Y)|； 其中， X表示在某时刻t待测构件各坐标的表面温度T、 光谱积分强度I、 相 关系数C的数 据， Y表示在某时刻t的预设模板各坐标的表面温度T、 光谱积分强度I、 相关系数C的数据， avg(X)/avg(Y)表示平均值 运算， std(X)/std(Y)表示标准差运 算。 3.根据权利要求1所述的一种增材制造过程中的缺陷检测方法， 其特征在于： 还包括步 骤f.输出缺陷信息， 并对图像进行 可视化显示。 4.根据权利要求1所述的一种增材制造过程中的缺陷检测方法， 其特征在于： 光谱积分 强度I是根据热力学中的斯特藩 ‑玻尔兹曼定律计算得到的， 用于表征温度场的变化； 相关 系数C是根据皮尔逊相关系 数计算得到的， 用于表征当前检测的光谱与无缺陷构件的参考 光谱之间的关联程度； 内部缺陷类型包括内部空腔、 内部分层， 表面 缺陷类型包括表面裂缝、 表面气孔。 5.根据权利要求1所述的一种增材制造过程中的缺陷检测方法， 其特征在于： 所述步骤 c中， 根据表面温度T、 光谱积分强度I、 相关系数C和预设数据模板匹配规则， 判断待测构件 存在的内部缺陷类型， 并定位出产生内部缺陷的位置； 具体包括如下步骤： c1.获取表面温度T、 光谱积分强度I、 相关系数C和预设数据模板匹配规则； c2.将待测构件 的表面温度T、 光谱积分强度I、 相 关系数C与预设数据模板匹配规则进 行匹配， 若符合预设模板匹配规则， 则判断待测构件 存在与模板相同类型的内部缺陷； c3.将存在内部缺陷的待测构件与数据模板进行比对， 遍历得到待测构件中与模板中 数据相同的所有点， 所有点构成的连通区域 为产生内部缺陷的位置 。 6.根据权利要求1所述的一种增材制造过程中的缺陷检测方法， 其特征在于： 所述步骤 d中， 对发生内部缺陷位置的点进行光谱分析， 得到内部缺陷信息； 具体包括如下步骤： d1.将太赫兹作为入射信号 穿过待测构件， 得到时域波形； d2.基于时域波形， 得到时间延迟Td； d3.基于时间延迟Td与专家库中内部缺陷信息的线性拟合关系， 得到内部缺陷深度d1、 内部缺陷面积s1、 内部缺陷宽度w1。 7.根据权利要求1所述的一种增材制造过程中的缺陷检测方法， 其特征在于： 所述步骤权　利　要　求　书 1/3 页 2 CN 115115578 A 2e中， 基于视觉检测算法模型， 对待分析图像进行分析之前， 还包括对图像数据进行图像预 处理， 得到待分析图像； 具体包括如下步骤： e1.获取图像数据， 并通过加权平均法将图像数据转换为灰度图像； e2.对灰度图像执行灰度差值算法和几何变换， 并与专家知识库中的标准采集图像进 行比对， 矫 正灰度图像的系统误差； e3.对矫正后的灰度图像执 行均值滤波、 梯度算子法， 得到待分析图像。 8.根据权利要求1所述的一种增材制造过程中的缺陷检测方法， 其特征在于： 所述步骤 e中， 视觉检测算法模型包括3D目标检测算法， 用于确定表面缺陷类型、 表面缺陷位置和表 面缺陷深度d2， 具体包括如下步骤： 获取同一缺陷检测场景下的两幅图像数据， 根据立体匹配算法得到两幅图像数据中对 应的像素点； 根据三角视差法计算得到视差信息， 并转换为深度图， 深度图用于表示缺陷检 测场景中缺陷目标的深度； 将图像数据输入特征提取网络， 深度图输入滤波器生成网络， 并通过深度引导滤波模 块对特征图信息进行多尺度融合处 理， 得到特 征图； 将特征图输入检测头模块， 再对其进行非极大值抑制和结果微调处理后， 输出表面缺 陷类型和三 维检测框； 三 维检测框对应于表面缺陷位置， 且包含表 面缺陷宽度、 表面缺陷高 度和表面 缺陷深度d2三个维度。 9.根据权利要求1所述的一种增材制造过程中的缺陷检测方法， 其特征在于， 所述步骤 e中， 视觉检测算法模型还包括图像语义分割算法， 用于确定表面缺陷面积s2和表面缺陷宽 度w2， 具体包括如下步骤： 获取图像数据， 并通过激活函数进行 特征提取， 得到多个尺度的特 征图； 通过解码器将特征提取过程中的最后一幅特征图进行维度恢复、 特征再利用， 以及特 征融合； 通过卷积输出， 对每个像素进行归类实现像素级分割， 输出表面缺陷目标的掩码和对 应类别， 且该掩码的面积为表面缺陷面积s2， 该掩码中心点到轮廓边缘的直线距离为表面 缺陷宽度w2。 10.一种增材制造过程中的缺陷检测系统， 其特 征在于， 包括： 数据采集与发生模块， 用于获取输入数据， 所述输入数据至少包括待测构件的表面温 度T、 图像数据； 数据库模块， 用于辅助光谱数据处理模块与图像数据处理模块进行数据处理与缺陷分 析； 光谱数据处理模块， 包括中央处理器用于基于待测构件的表面温度T计算光谱数据， 所 述光谱数据包括光谱积分强度I、 相关系数C； 用于根据表面温度T、 光谱积分强度I、 相关系 数C和预设数据模板匹配规则， 判断待测构件存在的内部缺陷类型， 并定位出产生内部缺陷 的位置； 对发生内部缺陷位置的点进 行光谱分析， 得到内部缺陷信息， 内部缺陷信息包括内 部缺陷面积s1、 内部缺陷深度d1、 内部缺陷宽度w1； 图像数据处理模块， 用于对图像数据进行图像预处理， 得到待分析图像， 待分析图像为 标准图像数据； 基于视觉检测算法模型， 对待分析图像进行分析， 得到表面缺陷信息， 表面 缺陷信息包括表面缺陷类型、 表面缺陷位置、 表面缺陷深度d2、 表面缺陷面积s2、 表面缺陷宽权　利　要　求　书 2/3 页 3 CN 115115578 A 3