一种铝合金熔体夹杂物的自动识别与质量评价方法与流程

本发明涉及图像处理、目标识别，更具体的，涉及一种铝合金熔体夹杂物的自动识别与质量评价方法。

背景技术：

1、铝合金是一种重要的工业合金，它具有铸造性能好，比强度高、耐腐蚀等优点。低碳和环保已成为21世纪全球汽车行业发展的主流趋势，汽车轻量化在我国也受到了重视与发展。铝合金铸件的使用是实现汽车轻量化的重要途径之一。常见的汽车零部件，如轮毂、控制臂、转向节和副车架多为铝合金铸件。

2、熔体的高品质是保证铸件性能的前提。熔体的纯净度是评价熔体质量的最主要指标。目前，最广泛的检测熔体纯净度的方法是k模法，对铝合金熔体k模夹杂物的表征主要由人工进行，存在受人工经验影响大、分析时间长、漏检及尺寸测量方式标准不统一等问题；而且，对于检测结果，需要由人工进行整合、处理，不能实时反映夹杂物尺寸分布，无法对熔体质量进行快速评价。

3、因此，有必要发明一种可实现自动、精准识别铝合金熔体夹杂物的深度学习方法，并能够实时判断、反馈夹杂物的严重程度，以实现熔体质量的快速评价。

技术实现思路

1、为了解决上述技术问题，本发明提出了一种铝合金熔体夹杂物的自动识别与质量评价方法，包括：

2、一种铝合金熔体夹杂物的自动识别与质量评价方法，其特征在于，包括以下步骤：

3、深度学习训练数据的收集和预处理，从实际生产的浇包中获取足够数量的k模，体视显微镜下获取铝合金熔体k模断面内夹杂物的金相图片及图片预处理；

4、建立深度学习模型；

5、将训练集中的铝合金熔体夹杂金相图片输入至完成训练的深度学习模型中，并对深度学习模型分割出的识别目标进行数字化表征与统计；

6、根据定位损失、置信损失与精准率和召回率的调和平均数（f1分数）判定深度学习模型对目标定位、分类的能力和准确性，并在评价指标不符合预设标准时制定针对性的处理方式，并使用调节后的训练参数重新对深度学习模型进行训练；

7、评估深度学习模型的过拟合情况，在出现漏检、误检情况时制定针对性的处理方式，并使用调节后的训练参数重新对深度学习模型进行训练；

8、创建可视化交互系统，将训练完成的深度学习模型进行k模夹杂的实时检测并展示识别结果和夹杂尺寸分布、夹杂影响因子及夹杂率。

9、进一步地，所述深度学习训练数据的收集和预处理，从实际生产的浇包中获取足够数量的k模，体视显微镜下获取铝合金熔体k模断面内夹杂物的金相图片及图片预处理，具体为：

10、将铝合金熔体倒入取样模具获取k模样，待试样冷却后延凹槽打断，获得多个断口；

11、利用体视显微镜观察各个断口的断面并拍照获取每个断面内夹杂物的金相图；

12、利用标注工具对训练集金相图片中的每个夹杂物目标进行外轮廓标记。

13、进一步地，所述建立深度学习模型，具体为：

14、通过卷积网络、多层级特征金字塔和空间金字塔池化，实现输入图像的多尺度特征提取；

15、对多尺度特征进行融合和增强处理；

16、对提取到的特征进行分类和边界框的回归，并计算分类损失和回归损失。

17、所述对多尺度特征进行融合和增强处理，具体为：

18、将高分辨率特征与低层次特征进行多尺度特征融合，通过几何变换、像素变换或图像拼接的方法进行多尺度特征增强。

19、进一步地，所述将训练集中的铝合金熔体夹杂金相图片输入至完成训练的深度学习模型中，并对深度学习模型分割出的识别目标进行数字化表征与统计，具体为：

20、将深度学习模型分割出的识别目标进行面积和长度的数字化表征计算，计算方式为：面积为识别目标边缘像素连线形成的密闭几何图形面积大小，长度为目标边缘像素连线形成的密闭几何图形的极值点之间计算的欧式距离中的最大值。

21、进一步地，所述在评价指标不符合预设标准时制定针对性的处理方式，具体为：

22、调整迭代次数和批次数，增加小目标检测层。

23、进一步地，所述在出现漏检、误检情况时制定针对性的处理方式，具体为：

24、正则化，调整权重参数。

25、进一步地，对所述深度学习模型分割出的识别目标进行xs、s、m、l、xl长度等级划分，并统计所有检测图像中各个等级夹杂数量 n 等级，具体为：

26、xs等级：xs＜100μm；

27、s等级：100μm≤s＜500μm；

28、m等级：500μm≤m＜800μm；

29、l等级：800μm≤l＜1200μm；

30、xl等级：xl≥1200μm。

31、进一步地，所述夹杂影响因子的计算公式为：

32、if =  n xs×0.1 +  n s×0.5 +  n m×1 +  n l×1.5 +  n xl×2。

33、进一步地，所述夹杂率的计算公式为：

34、q = if/5。

35、本发明的有益效果如下：

36、（1）创建的深度学习模型，采用单阶段目标分割方法，目标识别效率高，解决了铝合金熔体夹杂物缺陷无法进行自动检测的问题，加速了熔液质量检测流程；

37、（2）通过对夹杂物定量表征，对其数量、长度、面积进行统计和计算，详细地描述了夹杂物的缺陷状况；

38、（3）根据表征结果计算夹杂影响因子进而获得夹杂率，使该评价方法的结果更客观准确；

39、（4）建立的用户交互系统，直观且高效，便于用户使用并快速建立评价体系；

40、（5）创建的深度学习模型对待检测图像的尺寸没有标准化要求，普适性强，可应用在生产线检测流程评价熔体质量。

技术特征：

1.一种铝合金熔体夹杂物的自动识别与质量评价方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种铝合金熔体夹杂物的自动识别与质量评价方法，其特征在于，所述深度学习训练数据的收集和预处理，从实际生产的浇包中获取足够数量的k模，体视显微镜下获取铝合金熔体k模断面内夹杂物的金相图片及图片预处理，具体为：

3.根据权利要求1所述的一种铝合金熔体夹杂物的自动识别与质量评价方法，其特征在于，所述建立深度学习模型，具体为：

4.根据权利要求3所述的一种铝合金熔体夹杂物的自动识别与质量评价方法，其特征在于，所述对多尺度特征进行融合和增强处理，具体为：

5.根据权利要求1所述的一种铝合金熔体夹杂物的自动识别与质量评价方法，其特征在于，所述将训练集中的铝合金熔体夹杂金相图片输入至完成训练的深度学习模型中，并对深度学习模型分割出的识别目标进行数字化表征与统计，具体为：

6.根据权利要求1所述的一种铝合金熔体夹杂物的自动识别与质量评价方法，其特征在于，所述在评价指标不符合预设标准时制定针对性的处理方式，具体为：

7.根据权利要求1所述的一种铝合金熔体夹杂物的自动识别与质量评价方法，其特征在于，所述在出现漏检、误检情况时制定针对性的处理方式，具体为：

8.根据权利要求5所述的一种铝合金熔体夹杂物的自动识别与质量评价方法，其特征在于，对所述深度学习模型分割出的识别目标进行xs、s、m、l、xl长度等级划分，并统计所有检测图像中各个等级夹杂数量n等级，具体为：

9.根据权利要求8所述的一种铝合金熔体夹杂物的自动识别与质量评价方法，其特征在于，所述夹杂影响因子的计算公式为：

10.根据权利要求9所述的一种铝合金熔体夹杂物的自动识别与质量评价方法，其特征在于，所述夹杂率的计算公式为：

技术总结
本发明公开了一种铝合金熔体夹杂物的自动识别与质量评价方法，涉及图像处理、目标识别技术领域，包括：体视显微镜下获取铝合金熔体K模断面内夹杂物的金相图片及图片预处理；深度学习模型的构建；深度学习模型的训练；可视化交互系统的创建；利用K模显微组织图像训练的深度学习模型，完成训练后可自动识别待检测图片中的夹杂物，并计算夹杂物的长度和面积，进而计算夹杂影响因子和夹杂率，实现对铝合金熔体纯净度的快速评定；与传统的评价方法相比，本发明所构建的深度学习模型精准度高，应用范围广，创建的可视化交互系统，界面简洁，使用方便，可以大大减少人力劳动、挺升产线的工作效率。

技术研发人员：樊攀,李永飞,刘书基,杨立国,韦春营,贾建磊,贾超航,乔海波,王立生,谢理明,邱正,张青柱,李蒙,刘宏磊
受保护的技术使用者：中信戴卡股份有限公司
技术研发日：
技术公布日：2024/12/5