(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 20221084814 4.7 (22)申请日 2022.07.19 (65)同一申请的已公布的文献号 申请公布号 CN 114926462 A (43)申请公布日 2022.08.19 (73)专利权人 苏州翔楼新材 料股份有限公司 地址 215000 江苏省苏州市吴江区八坼街 道新营村学 营路285号 (72)发明人 李佩　张骁　杨春启　储钱良　 沈衡　 (74)专利代理 机构 苏州市中南伟业知识产权代 理事务所(普通 合伙) 32257 专利代理师 李艾 (51)Int.Cl. G06T 7/00(2017.01)G06V 10/762(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) 审查员 唐进岭 (54)发明名称 一种金属材料表面缺陷的智能检测方法及 系统 (57)摘要 本发明提供了一种金属材料表面缺陷的智 能检测方法及系统， 涉及金属材料检测技术领 域， 该方法包括： 采集获取待检测金属材料的表 面图像集合； 构建表面缺陷检测模型； 将表面图 像集合输入表 面缺陷检测模型， 获得第一表面缺 陷检测结果； 向所述待检测金属材料发射混频超 声信号并采集获得超声输出信号； 判断超声输出 信号中是否存在预设信号； 若是， 则提取获得预 设信号， 将预设信号输入表面裂纹分析模型， 获 得第二表 面缺陷检测结果， 结合第一表面缺陷检 测结果输入表 面缺陷评价空间， 获得金属材料表 面缺陷检测结果。 本发明解决了现有技术中金属 材料表面检测准确性差， 分析方法不够智能的技 术问题， 达到了提升表面检测效果和 智能化程度 的技术效果。 权利要求书3页 说明书10页 附图2页 CN 114926462 B 2022.11.08 CN 114926462 B 1.一种金属材 料表面缺陷的智能检测方法， 其特 征在于， 所述方法包括： 采集获取待检测金属材 料的多个表面图像， 获得表面图像集 合； 根据所述待检测金属材 料的尺寸特 征和类型 特征， 构建表面 缺陷检测模型； 将所述表面图像集 合输入所述表面 缺陷检测模型， 获得第一表面 缺陷检测结果； 向所述待检测金属材料发射混频超声信号， 检测采集获得所述混频超声信号经过所述 待检测金属材 料后的超声输出信号； 判断所述超声输出信号中是否存在预设类型的预设信号； 若否， 则将所述第一表面缺 陷检测结果输出， 获得 金属材料表面缺陷检测结果； 若是， 则提取获得所述预设信号， 将所述预设信号输入表面裂纹分析模型， 获得第二表 面缺陷检测结果； 将所述第一表面缺陷检测结果和所述第 二表面缺陷检测结果输入表面缺陷评价空间， 获得金属材料表面缺陷检测结果， 其中包括： 采集获取历史时间内对不同金属材料进行表 面缺陷检测的历史第一表面缺陷检测结果集合和历史第二表面缺陷检测结果集合； 根据所 述历史第一表面缺陷检测结果集合和历史第二表面缺陷检测结果集合， 构建二维坐标系； 将每个金属材料 的历史第一表面缺陷检测结果和历史第二表面缺陷检测结果输入所述二 维坐标系， 获得多个坐标点； 对多个所述坐标点进行聚类， 获得多个聚类结果； 对每个所述 聚类结果设置不同的表面缺陷评价结果， 获得所述表面缺陷评价空间； 将所述第一表面缺 陷检测结果和所述第二表面缺陷检测结果输入所述表面缺陷评价空间， 获得对应的当前聚 类结果； 将所述当前聚类结果的表面 缺陷评价结果作为所述金属材 料表面缺陷检测结果。 2.根据权利要求1所述的方法， 其特征在于， 所述采集获取待检测金属材料的多个表面 图像， 包括： 设置获得多个用于检测所述表面图像的采集角度； 根据多个所述采集角度， 采集获取所述待检测金属材料的多个表面图像， 获得所述表 面图像集 合。 3.根据权利要求1所述的方法， 其特征在于， 所述根据所述待检测金属材料的尺寸特征 和类型特征， 构建表面 缺陷检测模型， 包括： 设置获得 预设时间范围； 采集获取历史时间中所述预设时间范围内进行表面缺陷检测的金属材料的表面图像， 获得历史表面图像集 合； 根据所述尺寸特征和所述类型特征， 遍历所述历史表面图像集合， 获得与所述待检测 金属材料相同的金属材 料的历史表面图像， 作为样本表面图像集 合； 根据所述样本表面图像集 合， 构建所述表面 缺陷检测模型。 4.根据权利要求3所述的方法， 其特征在于， 根据所述样本表面图像集合， 构建所述表 面缺陷检测模型， 包括： 对所述样本表面图像集合内的样本表面图像存在的表面缺陷进行标记， 获得缺陷图像 集合； 根据所述 缺陷图像集 合， 设置缺陷检测结果信息集 合； 对所述缺陷图像集合和所述缺陷检测结果信息集合进行划分和标识， 获得训练数据、 验证数据和 测试数据；权　利　要　求　书 1/3 页 2 CN 114926462 B 2基于卷积神经网络， 构建所述表面 缺陷检测模型； 采用所述训练数据、 验证数据和测试数据对所述表面缺陷检测模型进行监督训练、 验 证和测试， 直到所述表面缺陷检测模型 的准确率达到预设要求， 获得所述表面缺陷检测模 型。 5.根据权利要求1所述的方法， 其特征在于， 判断所述超声输出信号中是否存在预设类 型的预设信号， 包括： 判断所述超声输出信号中是否存在和频分量， 获得第一判断结果； 判断所述超声输出信号中是否存在差频分量， 获得第二判断结果； 若所述第一判断结果和/或所述第二判断结果为是， 则所述超声输出信号中存在所述 预设信号。 6.根据权利要求1所述的方法， 其特征在于， 将所述预设信号输入表面裂纹分析模型， 获得第二表面 缺陷检测结果， 包括： 设置获得 预设时间范围； 采集获取历史时间内所述预设时间范围中其他金属材料的预设信号和表面裂纹检测 结果， 获得构建数据集； 基于BP神经网络， 构建所述表面裂纹分析模型； 采用所述构建数据集， 对所述表面裂纹分析模型进行监督训练、 验证和测试， 获得所述 表面裂纹分析模型； 将所述预设信号输入所述表面裂纹分析模型， 获得 所述第二表面 缺陷检测结果。 7.根据权利要求6所述的方法， 其特征在于， 所述采集获取历史时间内所述预设时间范 围中其他金属材 料的预设信号和表面裂纹检测结果， 包括： 采集获取历史时间内所述预设时间范围中， 对其他具有相同所述尺寸特征和类型特征 的金属材 料进行超声 波混频检测的历史超声输出信号， 获得历史超声输出信号 集合； 根据所述历史超声输出信号 集合， 获得历史预设信号 集合； 采集获取其他具有相同所述尺寸特征和类型特征的金属材料的表面裂纹检测结果， 获 得历史表面 微裂纹检测结果 集合； 对所述历史超声输出信号集合和所述历史表面微裂纹检测结果集合进行划分和标识， 获得训练数据、 验证数据和 测试数据； 将所述训练数据、 验证数据和 测试数据作为所述构建数据集。 8.一种金属材 料表面缺陷的智能检测系统， 其特 征在于， 所述系统包括： 表面图像采集模块， 用于采集获取待检测金属材料的多个表面图像， 获得表面图像集 合； 缺陷检测模型构建模块， 用于根据所述待检测金属材料的尺寸特征和类型特征， 构建 表面缺陷检测模型； 第一表面缺陷检测模块， 用于将所述表面图像集合输入所述表面缺陷检测模型， 获得 第一表面 缺陷检测结果； 超声检测模块， 用于向所述待检测金属材料发射混频超声信号， 检测采集获得所述混 频超声信号经 过所述待检测金属材 料后的超声输出信号； 预设信号判断模块， 用于判断所述超声输出信号中是否存在预设类型的预设信号， 若权　利　要　求　书 2/3 页 3 CN 114926462 B 3