(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 202210613168.4 (22)申请日 2022.05.31 (71)申请人 南京航空航天大 学 地址 210016 江苏省南京市惠山区洛社镇 人民南路40号 申请人 南京航空航天大 学无锡研究院 (72)发明人 陆永华　杨昊铮　徐嘉骏　胡佳辉　 卢正威　 (74)专利代理 机构 江苏圣典律师事务所 32 237 专利代理师 徐晓鹭 (51)Int.Cl. G01N 21/17(2006.01) G01N 21/01(2006.01) G01N 29/04(2006.01) G01N 29/34(2006.01)G01N 29/44(2006.01) G01B 11/06(2006.01) G01B 11/24(2006.01) G06T 17/00(2006.01) G06N 3/08(2006.01) (54)发明名称 基于激光超声的深度学习三维重建缺陷检 测系统与方法 (57)摘要 本发明提供一种基于激光超声的深度学习 三维重建缺陷检测系统与方法， 所述系统包括运 动控制模块、 激光扫描模块、 数据采集模块、 信号 处理模块和结果显示模块。 其通过分步激光扫描 在航空复合材料表面产生激光超声信号， 并使用 二维运动平台搭载激光测振仪进行信号采集， 最 终通过创建基于生成对抗网络的LANDT网络进行 零件内部自动化三维重建， 输出拼接过后的零件 三维图像， 可以对复合材料表面和内部缺陷的进 行自动化检测， 并将检测结果实时三维成像， 从 而能够直观 地观察到零件内部缺陷情况， 实现了 在有效提高复合材料表面和 内部检测的准确率 的同时还能够很好 地降低生产成本的目的。 权利要求书2页 说明书7页 附图3页 CN 115015124 A 2022.09.06 CN 115015124 A 1.一种基于激光超声的深度学习三维重建缺陷检测系统， 其特征在于， 所述系统包括：   XY二维运动平台 （101） 、 Q开关Nd： YAG激光器 （102） 、 XZ二维运动平台 （103） 、 Vibro flex激光 测振仪 （104） 、 二维偏转振镜 （105） 、 待测航空复合材料零件 （106） 、 工控机 （107） 、 显示器 （108） ； 所述XY二维运动平台 （101） 提供XY向的位移， 所述Q开关Nd： YAG激光器 （102） 位于所述 XY二维运动平台 （101） 上， 用于产生连续的激光脉冲， 所述二维偏转振镜 （105） 实现Q开关 Nd： YAG激光器 （102） 的连续偏转扫描， 所述Q开关Nd： YAG激光器 （102） 发射的激光脉冲打到 待测航空复合材料零件 （106） 上；  所述XZ二维运动平台 （103） 提供XZ向二维运动，  所述 Vibroflex激光测振仪 （104） 位于XZ二维运动平台 （10 3） 上， 用于检测零件 振动； 所述工控机 （107） 包括控制模块和信号处 理模块。 2.根据权利要求1所述的基于激光超声的深度学习三维重建缺陷检测系统， 其特征在 于： 所述工控机 （10 7） 控制模块与所述XY二维运动平台 （101） 、 Q开 关Nd： YAG激光器 （102） 、 XZ 二维运动平台 （103） 、 Vibroflex激光测振仪 （104） 和二维偏转振镜 （105） 进行通信， 完成待 测航空复合材 料零件 （10 6） 振动的数据采集； 所述工控机 （107） 信号处理模块对所述Vibroflex激光测振仪 （104） 得到的图像进行信 号处理， 实现信号波形绘制、 零件扫描点厚度的测量、 零件外形轮廓的绘制、 零件扫描点缺 陷深度的定位， 零件扫描点内部图像的分层绘制， 最终完成待测零件的三维重建工作。 3.一种基于激光超声的深度学习三维重建缺陷检测方法， 基于权利要求1中所述的基 于激光超声的深度学习三维重建缺陷检测系统， 其特 征在于， 包括以下步骤： 基于所述检测系统采集待测航空复合材料零件 （106） 表面的激光超声信号， 根据所述 激光超声信号得到当前激光扫描点的三维轮廓图； 将所述三维轮廓图输入到LANDT神经网络中训练所述LANDT神经网络， 实现对当前激光 扫描点的三维重建； 将所述待测航空复合材料零件 （106） 的每一个激光扫描点都进行三维重建后， 根据XY 二维运动平台 （101） 的位移对各扫描 区域三维重建的零件进行图像拼接， 从而得到最终的 总体零件三维重建图； 将所述待测航空复合材料零件 （106） 的三维重建图输出到显示器 （108） 上， 从而完成零 件表面和内部缺陷的自动化检测， 直观地观察出零件的缺陷位置和大小。 4.根据权利要求3所述的基于激光超声的深度学习三维重建缺陷检测方法， 其特征在 于， 所述基于所述检测系统采集待测航空复合材料零件 （106） 表 面的激光超声信号， 根据所 述激光超声信号得到当前激光扫描点的三维轮廓图， 具体为： S101： 通过工控机 （107） 完成硬件参数的初始化； S102： Q开关Nd： YA G激光器 （102） 发出连续脉冲 激光， 激光直射打到二维偏转振镜 （105） 上， 通过二 维偏转振镜 （105） 的同步扫描使激光连续偏转， 完成当前位置在 待测航空复合材 料零件 （106） 上的连续扫描， 从而在待测航空复合材料零件 （106） 的表面产生激光超声信 号； S103： 通过控制XZ 向二维运动平台 （103） 使得Vibroflex激光测振仪 （104） 与待测零件 上的激光扫描点同步运动， 始终保持垂直位置进行激光超声信号采集， 从而得到连续的激 光扫描信号， 并将所述连续的激光扫描信号保存到 工控机 （107） 数据处 理模块；权　利　要　求　书 1/2 页 2 CN 115015124 A 2S104： 将Vibroflex激光测振仪 （104） 采集到的激光超声信号进行数据预处理， 分析激 光超声信号并得到时域与频域的波形图， 根据脉冲时间间隔得到待测航空复合材料零件 （106） 当前激光扫描点的厚度， 从而 得到待测航空复合材料零件 （106） 该激光扫描点的三维 轮廓图； S105： 得到激光超声波形 图后， 将其导入创新性提出的LANDT神经网络进行训练学习， 设置网络训练的超参数， 自动分析出待测零件表面与内部的缺陷， 通过位置和深度信息将 其进行逐层三维重建， 生成到上述 步骤中的三维轮廓图中； S106： XY二维运动平台 （101） 移动到下一位置， 重复上述步骤S102 ‑S105， 将每一个激光 扫描区域的零件都进行三维重建后， 根据XY二维运动平 台 （101） 的位移对各扫描 区域三维 重建的零件进行图像拼接， 从而得到最终的总体零件三维重建图。 5.根据权利要求4所述的基于激光超声的深度学习三维重建缺陷检测方法， 其特征在 于， 所述S101具体为： Q开关Nd： YAG激光器 （102） 、 二维偏转振镜 （105） 、 Vibroflex激光测振仪 （104） 和两个二 维运动平台 （101、 103） 的参数初始化； 设置激光器和二维偏转振镜 （105） 的扫描参数， 并将 搭载Vibroflex激光测振仪 （104） 的XZ二维运动平台 （10 3） 位移参数与之相匹配。 6.根据权利要求4或5所述的基于激光超声的深度 学习三维重建缺陷检测方法， 其特征 在于， 所述 LANDT神经网络通过以下步骤实现： 步骤一： 对已知缺陷的航空复合材料进行激光超声检测， 将检测得到的时域与频域波 形图进行手动标注， 将缺陷位置示出并记录其图像位置， 将标签信息生成LA NDT神经网络所 需要的txt文件； 步骤二： 对于已知缺陷的航空复合材料进行手动的三维图像生成， 并将缺陷位置进行 标注， 并将其与步骤一中的波 形图与标签信息相对应， 得到生 成对抗网络LA NDT神经网络的 训练集； 步骤三： 设置训练参数学习率， 批尺寸以及训练轮次， 并将上述两步骤生成的波形图、 三维图像以及标签一起输入LANDT网络中进行训练， 观察训练过程中的loss曲线， 判断 LANDT网络是否收敛， 如果收敛， 则停止训练； 如果未收敛， 则继续训练。 7.根据权利要求6所述的基于激光超声的深度学习三维重建缺陷检测方法， 其特征在 于， 所述步骤三中， 设定学习 率为0.01， 批尺寸为16， 训练轮次为300， 训练后得到训练好的 LANDT神经网络模型。 8.根据权利要求1所述的基于激光超声的深度学习三维重建缺陷检测方法， 其特征在 于： 当零件较大时将零件进 行网格化划分， 分别对每个网格进 行编号， 之后针对 各网格进 行 扫描， 分部进 行图像重 建， 完成后再按照编号对网格进 行拼接， 从而得到整体零件的三 维重 建图。权　利　要　求　书 2/2 页 3 CN 115015124 A 3