[发明专利]一种基于深度学习的激光焊接缺陷识别方法、装置及设备

说明书

本发明公开了一种基于深度学习的激光焊接缺陷识别方法、装置、设备及计算机可读存储介质，包括：根据激光焊接过程中采集到的光电信号及正面与侧面拍摄的焊接熔池动态视频，确定焊接缺陷部分所在的目标帧数范围；将目标帧数范围内的光电信号、正面与侧面焊接熔池动态视频转换为光电图像集、正面焊接图像集及侧面焊接图像集；利用标注后的光电图像集、正面焊接图像集及侧面焊接图像集对激光焊接缺陷识别网络模型进行训练；利用训练完成后的激光焊接缺陷类型识别模型，在焊接激光过程中进行在线焊接缺陷识别。本发明所提供的方法、装置、设备及计算机可读存储介质，可以准确判断缺陷及缺陷具体帧数，提高了焊接缺陷识别准确率。

技术领域

本发明涉及激光焊接技术领域，特别是涉及一种基于深度学习的激光焊接缺陷识别方法、装置、设备以及计算机可读存储介质。

背景技术

激光焊接是一种以高能量密度的激光束进行精密焊接的特种加工方式。激光焊接据有高精度，焊接速度快、热变形小等优点，除了应用于航天航空、汽车船舶，还应用于微小型零件的精密焊接中，适于实现自动化。在高能量激光束的聚焦下，聚焦点处金属材料快速蒸发并熔化，熔池内蒸发量增大从而推动匙孔前、后壁未凝固的液态金属小区域流动形成一动态平衡。随着激光束的不断前进，熔化金属随之冷却，焊缝形成。焊缝存在缺陷与激光焊接过程激光功率、焊接速度、保护气流等工艺参数有关，不同的工艺参数组合会产生凹陷、驼峰、爆裂等不同的焊接缺陷。因而找到工艺参数与焊接缺陷之间的关系能有效的减少和控制焊接缺陷的产生，提升焊接质量。

目前激光焊接缺陷识别的标注方法主要以向量条的方式对焊接后的工件进行人工标注，这种方法存在较大的人为误差，并不能精确判断所标注的缺陷是否真的是焊接缺陷，即使是焊接缺陷也不能精确到时具体的帧数。不同于人脸识别等人工智能项目，激光焊接过程所拍摄的图像具有特征点少，噪声多，金属蒸汽遮挡焊缝等难点。特别是在焊接过程中观测到的可能会出现的缺陷，在冷却后的焊接工件上，却不一定存在。这种情况出现的原因是，虽然焊缝短暂地出现了塌陷的情况，但聚焦在匙孔处的能量推动金属液流动导致熔液飞溅，恰好掉落在塌陷的位置，缺陷因被填不了并不一定会出现在工件上。

现有的激光焊接缺陷识别方法还存在训练方式方面的缺点：一是网络结构较为简单，对前期人工提取的特征依赖性较高。二是对缺陷的识别比较有限，且只能针对某一工艺参数，泛化效果差。

综上所述可以看出，如何对激光焊接缺陷识别模型的训练集进行精细化标注以提高激光焊接缺陷识别准确率是目前有待解决的问题。

发明内容

本发明的目的是提供一种基于深度学习的激光焊接缺陷识别方法、装置及计算机可读存储介质，以解决现有技术无法精确标注激光焊接缺陷且激光焊接缺陷识别准确率低的问题。

为解决上述技术问题，本发明提供一种基于深度学习的激光焊接缺陷识别方法，包括：在激光焊接目标焊缝的过程中，利用光辐射检测装置采集光电信号，利用高速相机分别从预先搭建的激光焊接平台的正面及侧面拍摄正面焊接熔池动态视频与侧面焊接熔池动态视频；根据所述光电信号、所述正面焊接熔池动态视频与所述侧面焊接熔池动态视频，确定焊接缺陷部分所在的目标帧数范围；将所述目标帧数范围内的光电信号、正面焊接熔池动态视频及侧面焊接熔池动态视频分别转换为光电图像集、正面焊接图像集及侧面焊接图像集；利用标注后的光电图像集、正面焊接图像集及侧面焊接图像集对预先构建的激光焊接缺陷识别网络模型进行训练；利用训练完成后的激光焊接缺陷类型识别模型，在焊接激光过程中进行在线焊接缺陷识别；

所述根据所述光电信号、所述正面焊接熔池动态视频与所述侧面焊接熔池动态视频，确定焊接缺陷部分所在的目标帧数范围包括：

根据所述光电信号绘制可见光与激光反射光曲线图；

动态调整所述可见光与激光反射光曲线图中的曲线位置与预设初始阈值的大小后，将所述可见光与激光反射曲线图与焊接后的工件图进行比对，确定所述可见光与激光反射曲线图中的焊接缺陷部分所在的初始帧数范围；