(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
专利 基于激光超声的深度学习三维重建缺陷检测系统与方法
安全报告 >
其他 >
文档预览
中文文档
13 页
50 下载
1000 浏览
0 评论
309 收藏
3.0分
温馨提示:本文档共13页,可预览 3 页,如浏览全部内容或当前文档出现乱码,可开通会员下载原始文档
本文档由 思考人生 于 2024-02-24 09:03:33上传分享