本发明涉及碳纤维生产工艺中质量检测，具体而言，涉及一种基于融合深度可分离卷积yolov8的碳纤维预浸料缺陷检测方法。
背景技术：
1、碳纤维(carbon fiber，简称cf)，是一种含碳量在95％以上的高强度、高模量纤维的新型纤维材料。它是由片状石墨微晶等有机纤维沿纤维轴向方向堆砌而成，经碳化及石墨化处理而得到的微晶石墨材料。碳纤维“外柔内刚”，质量比金属铝轻，但强度却高于钢铁，并且具有耐腐蚀、高模量的特性。碳纤维的这些性质使得其在航空航天，国防军工业以及各民用企业的各个领域上均得到了广泛的应用，其本身的市场应用前景也十分的广阔。
2、碳纤维预浸料是一种先进复合材料，碳纤维预浸料是在碳纤维中浸渍基体树脂而成的片状中间材料。
3、但是在实际的工厂生产中，碳纤维预浸料易出现孔洞、裂痕、毛团、褶皱等表面缺陷，因此需要对这些表面缺陷进行检测，发现存在表面缺陷的不合格产品，进而采取将不合格产品剔除的措施。
4、目前的检测方法主要有破坏性检测或无损检测两大类，破坏性检测主要包括密度法、水吸收法、酸洗吸收法、显微照相法等，无损检测主要包括超声检测法、x射线检测法、基于机器视觉的检测法等。超声检测法，超声波穿透力强，方向性好，灵敏度高，且对人体无害，但是检测精度较低，此外因碳纤维复合材料的各向异性和层状结构的影响，增加了检测毛团、褶皱的难度。x射线检测法原理是利用x射线、γ射线将缺陷图像拍成照片，对于孔洞类缺陷，检测速度慢，对于裂痕、褶皱缺陷很难检测，此外对操作人员人身安全措施要求比较高。基于机器视觉的检测法是采用工业相机采集碳纤维或碳纤维制品的图像，利用相应的图像处理算法提取图像的特征信息，然后根据特征信息进行表面缺陷的识别，可以参考申请公布号为cn115266732a，发明名称为“基于机器视觉的碳纤维丝束缺陷检测方法”的发明专利申请。
5、然而现有基于机器视觉的碳纤维表面缺陷检测方法仍然存在以下技术问题：(1)检测准确度低，对于一些缺陷比如裂痕、褶皱不能有效识别；(2)检测精度低，对于尺寸微小的缺陷比如孔洞、裂痕、毛团、褶皱无法检出；(3)检测速度慢。
技术实现思路
1、本发明就是为了解决现有技术基于机器视觉的碳纤维表面缺陷检测方法检测准确度低，检测精度低，检测速度慢的技术问题，提供了一种检测精度高、准确度高、速度快的基于融合深度可分离卷积yolov8的碳纤维预浸料缺陷检测方法。
2、工业相机难以区分出微小的缺陷，也难以快速捕捉动态的图像。工业相机的动态范围也不足以捕捉碳纤维材料在不同光照条件下的变化，导致在高光或阴影区域中丢失重要细节。因此，本发明采用cis线扫相机采集碳纤维预浸料的图像，既能够获得高质量图像又可以区分出微小的缺陷，也能够实现在生产线上的高效快速动态图像捕获，也能够保证在不同光照条件下的图像质量。
3、在图像处理算法方面，本发明对现有常规yolov8目标检测模型进行改进，通过引入深度可分离卷积(depthwise separable convolution)技术，将常规yolov8目标检测模型的网络结构中的标准卷积层分解为深度卷积和逐点卷积两个步骤，减少了模型的参数数量，大幅降低了模型的计算复杂度，加快了模型的训练过程，也显著提高了推理速度，在提升准确率的同时，不增加模型参数和计算复杂度，在使得实时的碳纤维缺陷检测具有工业应用可行性的同时保持了检测的准确性。
4、本发明的快速cis线扫相机系统和融合深度可分离卷积的yolov8网络结构相结合，形成了一个适应性强的碳纤维缺陷检测系统。该系统能够适应不同的生产环境和检测条件。
5、本发明提供一种基于融合深度可分离卷积yolov8的碳纤维预浸料缺陷检测方法，包括以下步骤：
6、第一步，构建数据库；
7、通过cis线扫相机对生产线上的碳纤维预浸料采集图像；
8、第二步，对图像进行标注；
9、使用标准工具对图像进行详细标注，标注缺陷的位置；
10、第三步，对标注数据进行扩充；
11、第四步，训练目标检测模型；
12、将yolov8模型的卷积层分解为深度卷积和点卷积两个阶段，从而建立基于融合深度可分离卷积yolov8目标检测模型；
13、第五步，cis线扫相机采集待检测碳纤维预浸料的图像；
14、第六步，对图像数据进行预处理；
15、第七步，将预处理后的图像输入基于融合深度可分离卷积yolov8目标检测模型，基于融合深度可分离卷积yolov8目标检测模型识别出缺陷。
16、优选地，第七步之后，根据基于融合深度可分离卷积yolov8目标检测模型的识别结果计算待检测碳纤维预浸料每平方米面积上的缺陷数量，并判断产品是否合格。
17、优选地，计算出待检测碳纤维预浸料图像的面积sc，计算出缺陷的总个数q，k＝q/sc，当k大于设定的阈值，则判定产品不合格。
18、优选地，所述第一步中，图像采集过程包括在多种不同光照条件下进行的图像采集。
19、优选地，第六步预处理的过程是：
20、步骤(1)，去雾处理；
21、步骤(2)，直方图均衡化；
22、步骤(3)，边缘强化；
23、步骤(4)，平滑处理。
24、优选地，第二步是使用labelimg工具进行标注。
25、优选地，通过基于融合深度可分离卷积yolov8目标检测模型识别出的缺陷在gui界面进行可视化的显示。
26、优选地，对第六步预处理后的图像进行分割，所述第七步是将分割出来的图像输入基于融合深度可分离卷积yolov8目标检测模型。
27、优选地，缺陷包括孔洞、裂痕、毛团和/或褶皱。
28、本发明还提供一种存储介质，其上存储有计算机程序，计算机程序被处理器执行时，实现上述方法的各个步骤。
29、本发明的有益效果是：采用cis线扫相机采集图像，确保了检测过程的快速性和实时性；改进型yolov8目标检测模型，大幅降低了模型训练的复杂度，缩短了模型训练时间；快速cis线扫相机系统和融合深度可分离卷积的yolov8网络结构相结合，形成了一个适应性强的碳纤维缺陷检测系统；检测准确度高、检测精度高。
30、检测速度快。
31、本发明能够对碳纤维预浸料表面缺陷的实时、动态、快速且精确的检测，满足了工业生产的高标准要求。
32、快速、准确的对碳纤维预浸料产品合格与否进行判定，为碳纤维材料的质量控制提供了一种高效、可靠的解决方案。提高生产效率，降低生产成本。
33、本发明进一步的特征和方面，将在以下参考附图的具体实施方式的描述中，得以清楚地记载。
1.一种基于融合深度可分离卷积yolov8的碳纤维预浸料缺陷检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述基于融合深度可分离卷积yolov8的碳纤维预浸料缺陷检测方法，其特征在于：
3.根据权利要求2所述基于融合深度可分离卷积yolov8的碳纤维预浸料缺陷检测方法，其特征在于，计算出待检测碳纤维预浸料图像的面积sc，计算出缺陷的总个数q，k＝q/sc，当k大于设定的阈值，则判定产品不合格。
4.根据权利要求1所述基于融合深度可分离卷积yolov8的碳纤维预浸料缺陷检测方法，其特征在于，所述第一步中，图像采集过程包括在多种不同光照条件下进行的图像采集。
5.根据权利要求1所述基于融合深度可分离卷积yolov8的碳纤维预浸料缺陷检测方法，其特征在于，所述第六步预处理的过程是：
6.根据权利要求1所述基于融合深度可分离卷积yolov8的碳纤维预浸料缺陷检测方法，其特征在于，所述第二步是使用labelimg工具进行标注。
7.根据权利要求1所述基于融合深度可分离卷积yolov8的碳纤维预浸料缺陷检测方法，其特征在于，通过基于融合深度可分离卷积yolov8目标检测模型识别出的缺陷在gui界面进行可视化的显示。
8.根据权利要求1所述基于融合深度可分离卷积yolov8的碳纤维预浸料缺陷检测方法，其特征在于，对第六步预处理后的图像进行分割，所述第七步是将分割出来的图像输入基于融合深度可分离卷积yolov8目标检测模型。
9.根据权利要求1所述基于融合深度可分离卷积yolov8的碳纤维预浸料缺陷检测方法，其特征在于，所述缺陷包括孔洞、裂痕、毛团和/或褶皱。
10.一种存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，实现如权利要求1-9任一项所述方法的各个步骤。
