[发明专利]一种提升焊接自动化的方法

说明书

本发明公开了一种提升焊接自动化的方法，通过对工件图像进行识别以获得工件图像中焊缝位置信息和/或焊缝的三维信息，同时通过对工件的三维结构信息进行分析处理以获得工件的边线信息，然后将工件图像中焊缝位置信息与工件的边线信息进行关联处理，和/或将焊缝的三维信息与工件的边线信息进行关联处理，根据处理结果以得到工件需焊接的焊缝信息，其方法简单可行，基于图像识别技术且结合深度学习技术对工件的焊缝进行识别，可进一步提高焊缝识别的准确率。

技术领域

本发明涉及智能制造技术领域，尤其涉及一种提升焊接自动化的方法。

背景技术

焊接工作对人员的技术要求高、工作环境恶劣，强光、辐射、烟尘等，损伤工作人员健康。在批量化加工领域，引入了机器人焊接代替人工。但当前的自动化焊接技术，基于机器编程焊接预定部位，也有通过焊缝跟踪系统配合特定治具，实现小范围焊缝跟踪、焊接。相关技术中，自动化焊接技术中主要技术难点在于焊缝识别，大多数焊缝识别准确率不高，如此使得识别工件需加工的焊缝较为困难，同时，当前自动化焊接技术对小批量工件的自动化焊接很不友好。

发明内容

本发明旨在至少在一定程度上解决现有相关技术中存在的问题之一，为此，本发明提出一种提升焊接自动化的方法，其方法简单可行，可有效对工件的焊缝进行识别，从而进一步提升自动化焊接的水平。

上述目的是通过如下技术方案来实现的：

一种提升焊接自动化的方法，包括三维扫描模块和数据处理模块，其中所述三维扫描模块对外部工件进行扫描以将扫描所获得的信息反馈至所述数据处理模块上，所述数据处理模块对所接收到的信息进行处理，所述焊缝的识别方法包括如下步骤：

构建深度神经网络模型；

获取到工件图像；

通过所构建的深度神经网络模型对所述工件图像进行扫描识别以获得所述工件图像中焊缝位置信息和/或焊缝的三维信息；

对所述工件进行扫描以获得所述工件的三维结构信息；

对所获得的所述工件的三维结构信息进行分析处理以获得所述工件的边线信息；

将所述工件图像中焊缝位置信息与所述工件的边线信息进行关联处理，和/ 或将所述焊缝的三维信息与所述工件的边线信息进行关联处理，根据处理结果以得到所述工件需焊接的焊缝信息。

在一些实施方式中，所述构建深度神经网络模型的步骤包括：

采集平面图像目标识别方案，并且对所采集的所述平面图像目标识别方案进行训练以构建深度神经网络模型。

根据权利要求1所述的一种提升焊接自动化的方法，其特征在于，所述通过所构建的深度神经网络模型对所述工件图像进行扫描识别以获得所述工件图像中焊缝位置信息的步骤包括：

当获取到一张所述工件图像时，通过所构建的深度神经网络模型，并且调用深度学习方法对所获取的所述工件图像进行识别以获得所述工件图像中焊缝位置信息。

在一些实施方式中，所述将所述工件图像中焊缝位置信息与所述工件的边线信息进行关联处理的步骤包括：

将所述工件的边线信息投影至相机成像平面上；

通过将所述工件图像中焊缝位置信息与所述工件的边线信息进行关联处理。

在一些实施方式中，所述通过所构建的深度神经网络模型对所述工件图像进行扫描识别以获得所述工件图像中焊缝的三维信息的步骤包括：

当获取到多张所述工件图像时，通过所构建的深度神经网络模型，并且调用深度学习方法分别对所获取的多张工件图像进行识别以获得多个所述工件图像中焊缝位置信息；