基于结构光扫描和深度学习的自动铺纤层间缺陷检测

摘要整理

自动铺纤（AFP）是大尺寸碳纤维增强复合材料（CFRP）零件的先进制造技术。在AFP工艺中，单向CFRP预浸料带在加热和压力条件下由机械臂铺放在模具上形成层板。然而，对AFP过程中层间缺陷的高效监测，特别是包括褶皱、桥接、间隙和重叠等面外缺陷的检测，仍需更先进的解决方案，目前手工检测仍占实际制造过程的很大比例。为解决这一问题，本工作开发了一种实现AFP层间缺陷高效准确检测的创新方法。首先，构建了包含5自由度移动平台、气缸、压实滚筒、加热枪和结构光相机的定制AFP平台。其次，基于PointNet++（用于3D点云分割的卷积神经网络）创建了缺陷检测算法。PointNet++通过包含在AFP平台上故意铺放的缺陷3D点云数据集进行训练，这些点云由结构光相机捕获。与现有AFP缺陷检测方法（如激光轮廓仪和热成像）相比，该方法具有成本低、操作便捷的优势。实验验证表明，该方法能够在1秒内精确定位面外AFP缺陷位置。对面外缺陷的检测精度（交并比IoU）可达72%以上。该方法具有检测速度快、成本低、易于操作等优点，为AFP工艺质量控制提供了有效支撑。

相关论文