本發(fā)明涉及圖像識別相關，具體涉及基于圖像識別的密煉機轉(zhuǎn)子缺陷檢測方法、系統(tǒng)及介質(zhì)。
背景技術：
1、隨著制造業(yè)向智能化、高精度方向發(fā)展，轉(zhuǎn)子缺陷的早期檢測成為保障設備安全穩(wěn)定運行的關鍵環(huán)節(jié)，然而，密煉機工作環(huán)境高溫、高噪且油污復雜，轉(zhuǎn)子表面缺陷（如裂紋、磨損、變形）易引發(fā)機械故障甚至生產(chǎn)事故，單一模態(tài)檢測技術已難以滿足現(xiàn)代工業(yè)對轉(zhuǎn)子缺陷實時、精準檢測的需求。
2、當前密煉機轉(zhuǎn)子缺陷檢測依賴靜態(tài)圖像分析，無法識別微小裂紋及內(nèi)部損傷，振動傳感器雖能捕捉異常，但缺乏多源數(shù)據(jù)融合，易受機械噪聲干擾導致誤判，另一方面，密煉機工作時，油污覆蓋轉(zhuǎn)子表面，導致成像模糊、特征提取困難，現(xiàn)有檢測設備在高溫環(huán)境下故障率進一步增加。
3、綜上所述，現(xiàn)有技術中存在密煉機工作時油污覆蓋導致轉(zhuǎn)子表面成像模糊，易受高溫高噪環(huán)境下的機械噪聲干擾，密煉機轉(zhuǎn)子缺陷檢測精度受限的技術問題。
技術實現(xiàn)思路
1、本申請通過提供了基于圖像識別的密煉機轉(zhuǎn)子缺陷檢測方法、系統(tǒng)及介質(zhì)，旨在解決現(xiàn)有技術中的密煉機工作時油污覆蓋導致轉(zhuǎn)子表面成像模糊，易受高溫高噪環(huán)境下的機械噪聲干擾，密煉機轉(zhuǎn)子缺陷檢測精度受限的技術問題。
2、鑒于上述問題，實現(xiàn)本申請的技術方案是：
3、本申請第一方面，提供了基于圖像識別的密煉機轉(zhuǎn)子缺陷檢測方法，其中，所述方法包括：根據(jù)振動傳感器信號對轉(zhuǎn)子表面進行多模態(tài)特征提取，確定關聯(lián)轉(zhuǎn)子運行狀態(tài)的頻域特征參量、時域特征參量；對密煉機轉(zhuǎn)子圖像進行對比度優(yōu)化，結(jié)合所述頻域特征參量、時域特征參量，配置缺陷視覺特征向量；對所述振動傳感器信號進行分解，提取不同頻帶能量特征，配置振動信號特征向量；將所述缺陷視覺特征向量與所述振動信號特征向量進行融合，使用缺陷分類網(wǎng)絡，引入注意力機制動態(tài)聚焦微小缺陷區(qū)域，輸出裂紋等級、變形量及磨損程度的量化評估結(jié)果；在所述裂紋等級、變形量及磨損程度的量化評估結(jié)果符合預設門限條件時，觸發(fā)聲光提醒指令并聯(lián)動機械臂執(zhí)行緊急停機操作。
4、優(yōu)選的，部署多光譜成像設備，通過相位展開消除轉(zhuǎn)子表面油污干擾，獲取表面粗糙度特征；同時，結(jié)合激光點云與轉(zhuǎn)子表面圖像動態(tài)校正高溫形變導致的幾何畸變。
5、優(yōu)選的，構建動態(tài)權重圖譜，所述動態(tài)權重圖譜用于捕捉包括金屬裂紋、橡膠老化及裝配間隙的早期異常特征；基于所述動態(tài)權重圖譜，引入自適應對比度拉伸變量，對橡膠轉(zhuǎn)子材料/塑料轉(zhuǎn)子材料自動調(diào)整伽馬值；根據(jù)所述自適應對比度拉伸變量，對密煉機轉(zhuǎn)子圖像進行對比度優(yōu)化，配置所述缺陷視覺特征向量。
6、優(yōu)選的，通過經(jīng)驗模態(tài)分解提取所述振動傳感器信號的本征模態(tài)函數(shù)，結(jié)合小波變換消除噪聲干擾，獲取機械故障因素的頻帶能量分布特征，所述機械故障因素包括軸承磨損、齒輪斷齒；通過時頻域聯(lián)合分析，識別沖擊事件對突發(fā)性沖擊信號進行稀疏編碼。
7、優(yōu)選的，在編碼器中嵌入圖卷積網(wǎng)絡單元，擬定轉(zhuǎn)子關節(jié)拓撲關系，捕捉因熱應力導致的局部形變特征；在解碼器中引入跨模態(tài)注意力機制，協(xié)調(diào)分配所述缺陷視覺特征向量與所述振動信號特征向量的權重。
8、優(yōu)選的，部署生成對抗網(wǎng)絡，所述生成對抗網(wǎng)絡用于對所述密煉機轉(zhuǎn)子圖像進行修復，對抗訓練生成轉(zhuǎn)子高溫形變區(qū)域的合成圖像；根據(jù)合成圖像，更新所述缺陷視覺特征向量的權重分配。
9、優(yōu)選的，在骨干網(wǎng)絡中嵌入cbam單元，以增強對微小缺陷區(qū)域的特征提取能力；基于所述骨干網(wǎng)絡，配置多尺度特征融合策略，將淺層高分辨率特征與深層語義特征進行融合，并通過特征金字塔網(wǎng)絡生成不同尺度特征圖。
10、優(yōu)選的，設置自適應參數(shù)優(yōu)化機制，當檢測環(huán)境光照變化超出預設變化區(qū)間時，觸發(fā)強化學習驅(qū)動的曝光參數(shù)動態(tài)補償；同時，構建轉(zhuǎn)子缺陷知識圖譜，關聯(lián)歷史維修工單與材料失效數(shù)據(jù)庫，支持自然語言查詢。
11、本申請第二方面，提供了基于圖像識別的密煉機轉(zhuǎn)子缺陷檢測系統(tǒng)，其中，所述系統(tǒng)包括：特征提取模塊，用于根據(jù)振動傳感器信號對轉(zhuǎn)子表面進行多模態(tài)特征提取，確定關聯(lián)轉(zhuǎn)子運行狀態(tài)的頻域特征參量、時域特征參量；對比度優(yōu)化模塊，用于對密煉機轉(zhuǎn)子圖像進行對比度優(yōu)化，結(jié)合所述頻域特征參量、時域特征參量，配置缺陷視覺特征向量；對所述振動傳感器信號進行分解，提取不同頻帶能量特征，配置振動信號特征向量；缺陷分類模塊，用于將所述缺陷視覺特征向量與所述振動信號特征向量進行融合，使用缺陷分類網(wǎng)絡，引入注意力機制動態(tài)聚焦微小缺陷區(qū)域，輸出裂紋等級、變形量及磨損程度的量化評估結(jié)果；缺陷提醒模塊，用于在所述裂紋等級、變形量及磨損程度的量化評估結(jié)果符合預設門限條件時，觸發(fā)聲光提醒指令并聯(lián)動機械臂執(zhí)行緊急停機操作。
12、本申請第三方面，本發(fā)明還提供了一種電子設備，包括存儲器和處理器，所述存儲器存儲有計算機程序，所述處理器執(zhí)行所述計算機程序時實現(xiàn)上述基于圖像識別的密煉機轉(zhuǎn)子缺陷檢測方法中的步驟。
13、綜上，本申請中提供的一個或多個技術方案，通過融合振動信號的頻域、時域特征與優(yōu)化后的轉(zhuǎn)子圖像視覺特征，引入注意力機制的缺陷分類網(wǎng)絡，能夠動態(tài)聚焦微小缺陷區(qū)域，消除油污干擾、自適應對比度優(yōu)化應對高溫環(huán)境，在油污環(huán)境下仍能保持清晰成像，保障密煉機轉(zhuǎn)子缺陷檢測精度的技術效果。
1.基于圖像識別的密煉機轉(zhuǎn)子缺陷檢測方法，其特征在于，所述方法包括：
2.如權利要求1所述的基于圖像識別的密煉機轉(zhuǎn)子缺陷檢測方法，其特征在于，根據(jù)振動傳感器信號對轉(zhuǎn)子表面進行多模態(tài)特征提取，所述方法包括：
3.如權利要求2所述的基于圖像識別的密煉機轉(zhuǎn)子缺陷檢測方法，其特征在于，將所述缺陷視覺特征向量與所述振動信號特征向量進行融合，使用缺陷分類網(wǎng)絡，所述方法包括：
4.如權利要求3所述的基于圖像識別的密煉機轉(zhuǎn)子缺陷檢測方法，其特征在于，所述方法還包括：
5.如權利要求1所述的基于圖像識別的密煉機轉(zhuǎn)子缺陷檢測方法，其特征在于，引入注意力機制動態(tài)聚焦微小缺陷區(qū)域，所述方法還包括：
6.如權利要求5所述的基于圖像識別的密煉機轉(zhuǎn)子缺陷檢測方法，其特征在于，所述方法包括：
7.基于圖像識別的密煉機轉(zhuǎn)子缺陷檢測系統(tǒng)，其特征在于，用于實施權利要求1-6任意一項所述的基于圖像識別的密煉機轉(zhuǎn)子缺陷檢測方法，所述系統(tǒng)包括：
8.一種計算機可讀存儲介質(zhì)，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器執(zhí)行時實現(xiàn)如權利要求1-6中任意一項所述的基于圖像識別的密煉機轉(zhuǎn)子缺陷檢測方法的步驟。