基于图像和点云的零件加工质量感知数据集

零件点云检测模型的构建过程，通过基于对点云的预处理，设计了一个三维模型的剖切方法，包括以下三个主要步骤：首先，定位被剖切的三角面片；之后，计算相交点；最后，对齐多边形。通过实施这种剖切方案，零件制造商可以有效地减少非接触式缺陷检测时间并高校查找零件外形缺陷。零件点云数据集的采集，使用三维激光扫描仪对某航空研究所提供的叶轮缺陷零件进行点云扫描，获取零件对应的叶轮零件点云模型，并通过点云预处理获取高质量叶轮点云数据用以模型训练及测试。零件图像缺陷目标检测网络模型构建过程，增加特征提取的感受野以更好地捕捉零件缺陷的特征信息，同时用级联区域建议网络结构作为区域建议网络，通过两个RPN逐步细化建议框的位置，使建议框与缺陷特征位置更贴合。此外，采用通用区域感兴趣提取结构提取FPN中所有层的关键特征信息，有效利用所有提取到的缺陷特征信息。最终提高零件缺陷检测准确性。图像检测模型训练测试数据集的采集，使用相机去某航空研究所采集叶轮表面缺陷数据，共有4类缺陷，分别为腐蚀、划痕、划伤及积屑瘤，并根据目标检测数据集制作标准采集，共包含1478张图片，并于后期人工进行打标签制作成技术所需且可用的数据集用于训练和测试模型。