CN119048698B 基于计算机视觉的新能源材料微观缺陷识别方法及系统 （山东省科院易达信息科技有限公司）

司东）自由贸易试验区济南片区开拓路基于计算机视觉的新能源材料微观缺陷识本发明涉及计算机视觉和材料科学技术领2对新能源材料进行多模态光学干涉和光声成像扫描，采集相位干涉数对预处理多模态数据进行稀疏表示的自适应信号解耦，生成异常信通过多尺度迭代反演对聚类异常信号数据进行缺陷区域重构，结合对最终三维重构数据进行时空扰动模拟，提取动态特征，并基于关2.根据权利要求1所述的基于计算机视觉的新能源材料微观缺陷识别方法，其特征在同角度下采集相位干涉数据和偏振光数据，覆盖新能源材料的表面特征和内部结构特征；3.根据权利要求1所述的基于计算机视觉的新能源材料微观缺陷识别方法，其特征在通过最小化重构误差的方式实现异常信号数据的提取，异常信号数据用于非线性增强处4.根据权利要求1所述的基于计算机视觉的新能源材料微观缺陷识别方法，其特征在根据聚类异常信号数据，构建材料物理模型，并基于材料的应力在每次迭代过程中，计算反演误差并通过动态调整反演算法5.根据权利要求4所述的基于计算机视觉的新能源材料微观缺陷识别方法，其特征在ru表示36.根据权利要求4所述的基于计算机视觉的新能源材料微观缺陷识别方法，其特征在7.根据权利要求6所述的基于计算机视觉的新能源材料微观缺陷识别方法，其特征在个特征层的权重系数；表示第i个特征层的特征重要性系数；N表示所有特征层的总8.根据权利要求1所述的基于计算机视觉的新能源材料微观缺陷识别方法，其特征在9.根据权利要求8所述的基于计算机视觉的新能源材料微观缺陷识别方法，其特征在10.一种用于实施权利要求1_9中任一所述的基于计算机视觉的新能源材料微观缺陷多模态数据采集模块，用于对新能源材料进行多模态光学数据预处理模块，连接多模态数据采集模块，用于对多模态数据进信号解耦与异常检测模块，连接数据预处理模块，用于对多尺度反演与三维重构模块，连接信号解耦与异时空演化建模模块，连接多尺度反演与三维重构模456表示第n+1次迭代中的正则化参数；cn表示第n次迭代中的正则化参数；AE表示当前迭代中的误差变化量，计算为本次迭代误差与前次迭代误差的差值；根据预设的扰动方案逐次调整温度场和应力场，并通过数值方法求解材料的时空演化方中加权卷积算法中的权重系数依据以下表达式计算：其中，表示第i个特征层的权重系数；表示第i个特征层的特征重要性系数；N表示所7[0022]多模态数据采集模块，用于对新能源材料进行多模态光[0031]本发明采用基于材料物理模型的网格优化技术，提升了缺陷区域的三维重构精8[0041]如图1所示，一种基于计算机视觉的新能源材料微观缺陷识别方法，包括以下步9数据可能对材料内部缺陷的描述更为重要，因此在加权时可以适当增加光声数据的权重，使数据在数值范围和分布上更加适用于后续的信号处理和缺陷[0051]举例来说，假设在风电叶片的环氧树脂层和碳纤维层之间存在未完全粘合的区数据和当前的缺陷区域模型计算反演误差，并通过动态调整正则化参数对误差项进行优化反演结果的精度和稳定性，使得缺陷区域模型在每次迭代后逐渐趋近于真实的缺陷形清晰的三维重构数据。这对于评估风电叶片的结构完整性和进行预防性维护具有重要意AE表示当前迭代中的误差变化量，计算为本次迭代误差与前次迭代误差的差值；正则化参数的动态调整就实现了反演过程中对拟合精度和调整正则化参数的值。这个更新过程确保了反演算法能够动态适应不同的误差变化情况，材料微观缺陷在不同时间和空间条件下的变化情况，为缺陷的预防性维护提供可靠的依[0085]时空扰动模拟是一种通过施加不同的时间和空间扰动条件来模拟材料响应的技化在一定程度上反映了材料内部缺陷的动态材料响应数据的变化模式来实现。具体的实现方法可以采用特征分解技术，如主成分分析纤维层中的细小裂纹，通过分析温度变化和应力加载条件下裂纹的扩展趋势，能够提取出裂纹扩展速率、方向以及裂纹形状的变化特征，这些动态特征可以用于后续的缺陷演化预测。根据预设的扰动方案逐次调整温度场和应力场，并通过数值方法求解材料的时空演化方条件下的演化趋势。提取动态特征的方法可以采用时频域分析技术，如短时傅里叶变换裂纹扩展过程中，如果通过时空扰动模拟发现裂纹在高应力条件下的扩展速率显著增大，则可以预判该区域的结构强度下降风险。和碳纤维复合材料层，时空扰动模拟可以揭示温度变化和风载荷对材料劣化的综合影响。中加权卷积算法中的权重系数依据以下表达式计算：其中，表示第i个特征层的权重系数；表示第i个特征层的特征重要性系数；N表示所[0099]在实际操作中，特征重[0102]加权卷积后的特征数据用于关联反演分析，在此基础上进行多层次的联合优[0106]多级反馈优化算法结合了多个模态的反馈信息，用于不断迭代调整神经网络模中的潜在缺陷的准确识别。和识别精度。多模态特征之间的相似度计算使得模型能够有效利用来自不同传感器的数强对缺陷的精准识别。[0115]跨域特征融合模型的构建是为了将不同模态的特征整合到一个统一的表示空间在风电叶片的碳纤维层和环氧树脂层的界面区域检测到光学特征和声学特征的变化模式[0120]如图5所示，一种用于实施所述的基于计算机视觉的新能源材料微观缺陷识别方[01