一种焊接缺陷的智能标注方法及系统与流程

本发明属于缺陷标注，尤其涉及一种焊接缺陷的智能标注方法及系统。

背景技术：

1、压力容器是现代工业最常用的特种作业设备，如反应釜，储气罐，储液罐，管屏，换热器等。这些压力容器对可靠性要求极高，每一个出产的设备都需要检测合格，否则容易引发安全事故。因而无损检测被用作压力容器等设备出场质检的必备环节。

2、目前大多采用人工评片检测的方式来进行焊接缺陷检测，但是容易出现漏检或误检的问题，并且造成人工消耗。射线底片的评定工作简称评片，由二级或二级以上探伤人员在评片室内利用观片灯、黑度计等仪器和工具进行该项工作。评片工作包括底片质量的评定、缺陷的定性和定量、焊缝质量的评级等内容。

3、为了避免人工评片检测带来的漏检、误检以及人工消耗，开发一套基于人工智能的自动检测系统辅助人工进行焊接缺陷检测成为了研究人员的研究重点。然而这些基于深度学习的自动检测系统最重要的就是需要足够多的高质量标注。

4、然而对于小目标焊接缺陷检测，如气孔、夹渣等缺陷，这些小缺陷尺寸小，对比度差，分辨率低，很难被清晰地检测，因此人工标注也很容易误标或将不属于缺陷部分标记为缺陷。

5、基于此，急需研发一种焊接缺陷的智能标注方法来代替人工标注，使用标注后的数据来对自动检测系统进行训练。

技术实现思路

1、本发明的目的在于提供一种焊接缺陷的智能标注方法及系统，既能够稳定获得高质量的标注，又能够有效减少标注工人的标注要求及人工消耗；并且使用标注结果来对自动检测系统进行训练，能够提高自动检测系统的准确率。

2、为了达到上述目的，本发明的技术方案为：一种焊接缺陷的智能标注方法，包括以下步骤：

3、准备训练集：准备若干组焊接缺陷位置的射线图片以及对应射线图片的人工标注图片；

4、获得粗糙掩膜：使用射线图片和人工标注图片训练第一神经网络模型，第一神经网络模型输出粗糙掩膜；

5、获得模糊点：在获得粗糙掩膜中，第一神经网络模型获取缺陷边缘部分的模糊点，模糊点为置信度在设定的第一阈值内的点；

6、重新判定获得的模糊点：使用第二神经网络模型重新判定这些模糊点的类别，获得更新后的掩膜的边缘标注位置；

7、修正边缘标注位置：将更新后的掩膜的边缘位置作为输入值输入至获得模糊点步骤中，重复n次，n≥0且为整数，直至达到设定的次数或第二神经网络模型重新判定的模糊点的个数降至第二阈值以下；

8、输出修正后的边缘标注图片。

9、进一步，所述第一神经网络模型采用resunet网络的pointrend resunet模型。

10、进一步，所述第二神经网络模型为mlp网络模型。

11、进一步，所述第一阈值为0.5±0.05。

12、一种焊接缺陷的智能标注系统，包括

13、训练集接收模块，用于接收若干组焊接缺陷位置的射线图片以及对应射线图片的人工标注图片；

14、粗糙掩膜生成模块，用于使用射线图片和人工标注图片训练第一神经网络模型，第一神经网络模型输出粗糙掩膜；

15、模糊点获取模块，用于在获得粗糙掩膜中，第一神经网络模型获取缺陷边缘部分的模糊点，模糊点为置信度在设定的第一阈值内的点；

16、重新判定模块，用于使用第二神经网络模型重新判定这些模糊点的类别，获得更新后的掩膜的边缘标注位置；

17、修正模块，用于将更新后的掩膜的边缘位置作为输入值输入至模糊点获取模块内，重复n次，n≥0且为整数，直至达到设定的次数或第二神经网络模型重新判定的模糊点的个数降至第二阈值以下；

18、输出模块，用于输出修正后的边缘标注图片。

19、本技术方案的有益效果在于：能够修正人工标注的低质量标注，支持对粗糙的多边形标注进行修正，修正后的标注质量更高，更贴合缺陷所在位置。使用修正后的边缘标注图片作为训练集来对自动检测系统进行训练，与以人工标注图片作为训练集相比，能够提高准确率，起到正面作用。

技术特征：

1.一种焊接缺陷的智能标注方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的一种焊接缺陷的智能标注方法，其特征在于：所述第一神经网络模型采用resunet网络的pointrend resunet模型。

3.根据权利要求1所述的一种焊接缺陷的智能标注方法，其特征在于：所述第二神经网络模型为mlp网络模型。

4.根据权利要求1所述的一种焊接缺陷的智能标注方法，其特征在于：所述第一阈值为0.5±0.05。

5.一种焊接缺陷的智能标注系统，其特征在于：包括

技术总结本发明属于缺陷标注技术领域，具体公开了一种焊接缺陷的智能标注方法及系统，包括：准备训练集：准备焊接缺陷位置的射线图片以及对应射线图片的人工标注图片；获得粗糙掩膜：使用射线图片和人工标注图片训练第一神经网络模型，输出粗糙掩膜；获得模糊点：在获得粗糙掩膜中获取缺陷边缘部分的模糊点；重新判定获得的模糊点：重新判定这些模糊点的类别，获得更新后的掩膜的边缘标注位置；修正边缘标注位置：将更新后的掩膜的边缘位置输入至获得模糊点步骤中，直至达到设定的次数或重新判定的模糊点个数降至第二阈值以下；输出修正后的边缘标注图片。使用修正后的边缘标注图片作为训练集来对自动检测系统进行训练，能够提高准确率。技术研发人员：于兴华,张宝鑫,王小鹏,崔金瀚,邬竣韬,刘佳佳,温浩钰,刘望望,张若彤受保护的技术使用者：理工特智科技（重庆）有限公司技术研发日：技术公布日：2024/8/5