(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 202211058362.7 (22)申请日 2022.08.30 (71)申请人 广东工业大 学 地址 510090 广东省广州市越秀区东 风东 路729号 (72)发明人 高向东　田猛　 (74)专利代理 机构 广州粤高专利商标代理有限 公司 44102 专利代理师 郑堪泳 (51)Int.Cl. G01N 21/88(2006.01) G01N 21/01(2006.01) (54)发明名称 基于磁光成像和残差的电阻点焊缺陷采集 分析系统及方法 (57)摘要 本发明提供一种基于磁光成像和残差的电 阻点焊缺陷采集分析系统及方法， 本发明对于检 测电阻点焊微小缺陷有更强的检测能力； 本发明 选用残差神经网络对焊点缺陷磁光图像进行分 类检测， 并对比不同网络深度的模型效果； 残差 神经网络对比于目前的技术， 其检测精度更高， 可以很好的对缺陷进行归类， 有良好的工业实用 价值。 权利要求书2页 说明书6页 附图3页 CN 115541589 A 2022.12.30 CN 115541589 A 1.一种基于磁光成像和残差的电阻点焊缺陷采集系统， 其特征在于， 包括光源、 起偏 器、 磁光传感器、 试件、 焊接缺陷件、 励磁装置、 磁光介质、 检偏器、 COMS相机和采集系统； 当 励磁装置通入直流电时， 线圈内会产生恒定的磁场， 磁场磁化磁 芯， 使试件内部产生横向流 动的磁场； 当磁场接触缺陷分 界面时， 会在分 界面上产生折射， 使 试件内部磁场扩散到空气 中， 形成缺陷处的漏磁场， 漏磁场磁化磁光薄膜， 使经过磁光薄膜的线性偏振光发生偏转， 最终被检偏器及COMS相机捕捉， 形成磁光图像并采集。 2.一种基于磁光成像和残差的电阻点焊缺陷分析系统， 其特征在于， 利用权利要求1所 述的基于磁光成像和残差的电阻点焊缺陷采集系统获取磁光图像样本， 分析了深度为18、 34、 50、 101、 152层的残差神经网络对于磁光图像识别分类的效果， 残差神经网络在卷积神 经网络的基础上加入了残差模块。 3.根据权利要求2所述的基于磁光成像和残差的电阻点焊缺陷分析系统， 其特征在于， 将上层网络的结果x直接连接到下层 网络的输出， 中间两层(或多层)的网络只需要去拟合 与原本需要学习的映射H(x)与x之间的残差F(x)， 最终得出原本需要学习的映射H(x)＝F (x)+x； 残差神经网络很好的解决了传统神经网络中随网络层数增加反而错误率增加的退 化情， 将网络深度大量增 加， 获取更丰富的图像特 征。 4.根据权利要求3所述的基于磁光成像和残差的电阻点焊缺陷分析系统， 其特征在于， 利用基于磁光成像和残差的电阻点焊缺陷采集系统获取磁光图像样本， 得到磁光图像裂纹 408幅、 凹坑126幅、 未 熔合318幅、 正常2 94幅； 以8： 1： 1将 样本分为训练集、 验证集、 测试集。 5.根据权利要求4所述的基于磁光成像和残差的电阻点焊缺陷分析系统， 其特征在于， 将训练集及验证集放入残差神经网络中训练， 并利用迁移学习加快模型拟合过程。 学习率 为0.0001， 训练次数10 00， 批处理大小为16 6.根据权利要求5所述的基于磁光成像和残差的电阻点焊缺陷分析系统， 其特征在于， 分别利用以下评价模型对比五种不同深度的残差神经网络： 其中： TP表示被模型预测为正类的正样本数量； TN表示被模型预测为负类的负样本数 量； FP表示被模型 预测为正类的负 样本数量； FN表示被模型 预测为负类的正样本数量。 7.根据权利要求6所述的基于磁光成像和残差的电阻点焊缺陷分析系统， 其特征在于， 将测试集放入训练好的模型中进行测试， 对比五种不同深度的残差神经网络， 分析对比查 准率、 查全率和准确度， 其中， 查 准率反应模型的误检率， 查全率反应模型的漏检率。 8.一种基于磁光成像和残差的电阻点焊缺陷分析 方法， 其特 征在于， 包括以下步骤： S1： 采用磁光成像检测法对焊点区域进行焊后 检测， 获取焊点磁光图像， 并将样本分为 四类， 裂纹、 凹坑、 未 熔合及正常； S2： 选用残差神经网络对样本进行特征提取及分类学习， 利用残差模块的特性， 增加网 络深度；权　利　要　求　书 1/2 页 2 CN 115541589 A 2S3： 将样本种的测试集放入训练好的模型中进行验证， 选取三种模型评价指标对比5种 不同深度的残差神经网络模型的效果。 9.根据权利要求8所述的基于磁光成像和残差的电阻点焊缺陷分析方法， 其特征在于， 所述三种模型评为： 其中： TP表示被模型预测为正类的正样本数量； TN表示被模型预测为负类的负样本数 量； FP表示被模型 预测为正类的负 样本数量； FN表示被模型 预测为负类的正样本数量。 10.根据权利要求9所述的基于磁光成像和残差的电阻点焊缺陷分析方法， 其特征在 于， 所述的5种不同深度的残差神经网络为深度为18、 34、 5 0、 101、 152层的残差神经网络 。权　利　要　求　书 2/2 页 3 CN 115541589 A 3