[发明专利]一种基于深度学习的熔池图像几何特征提取方法及系统在审

专利信息
申请号: 202110604571.6 申请日: 2021-05-31
公开(公告)号: CN113554587A 公开(公告)日: 2021-10-26
发明(设计)人: 许桢英;李奇灵;武子乾;唐梦雨;凌俊;闫金金 申请(专利权)人: 江苏大学
主分类号: G06T7/00 分类号: G06T7/00;G06T7/11;G06T7/13;G06T7/194;G06T7/62;G06N3/04;G06N3/08;G06T5/00
代理公司: 暂无信息 代理人: 暂无信息
地址: 212013 江*** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 深度 学习 熔池 图像 几何 特征 提取 方法 系统
【说明书】:

发明提供一种基于深度学习的熔池图像几何特征提取方法及系统,包括图像采集、图像预处理、图像数据集制作、图像分割网络模型构建与训练、熔池图像在线监测和熔池几何特征提取与计算;本发明可以清晰地观察到激光焊接过程中熔池的形貌以及演变行为,干扰信息较少;本发明首次使用U‑Net图像分割网络对激光焊接的熔池区域进行提取,并且本发明采用改进的八方向Sobel边缘检测算法提取边缘信息,提取的边缘信息也更准确;本发明采用的基于深度学习的熔池区域图像提取算法具有很强的抗干扰能力,相较于传统的图像处理算法,能够更好地从图像中排除飞溅、羽辉的干扰,抗干扰能力好、鲁棒性强。

技术领域

发明涉及激光焊接技术和深度学习领域,特别是涉及一种基于深度学习的熔池图像几何 特征提取方法及系统。通过深度学习领域中的图像分割算法,准确提取出激光焊接熔池区域 信息,并基于此提取出熔池的几何特征。

背景技术

激光焊接作为激光加工技术的重要应用领域之一,是一种以高能激光束作为能源轰击焊 接区域所产生的热量进行焊接的方法,具有热量输入少、焊接精度高、质量好、接头热变形 和热影响区小等的优点,因此广泛应用于航空航天、冶金机械等各个领域。激光焊接中,由 于高热量产生的匙孔及其周围的熔融金属具有高温度、高亮度、变化迅速等的特点,利用各 种方法对其进行监测是研究激光焊接这一复杂过程的重要手段。在线监控激光焊接过程的熔 池形态是保证焊接质量的关键因素,然而由于激光焊接过程中匙孔区域的高热量,焊接材料 及基底融化产生飞溅、羽辉等,对激光焊接过程的视觉监测方法存在一定干扰,导致焊接的 熔池难以准确检测、提取。

高精度、强鲁棒性的视觉监测方法对提高激光焊接自动化程度,实现高质量激光焊接具 有重要意义。目前现有的激光焊接过程中熔池的视觉监测方法大多是基于传统的阈值分割和 边缘检测等方法,难以在存在飞溅、羽辉等的干扰下对熔池区域进行准确提取,因而存在一 定的误差,使视觉监测的精度降低。

发明内容

本发明针对目前激光焊接的现有的视觉监测方法的不足,提出一种基于深度学习的熔池 图像几何特征提取方法及系统,以解决熔池图像中出现的噪声、羽辉、飞溅等干扰,以及图 像亮度不一致而导致的熔池提取准确低的问题。

为实现上述目的,本发明提供如下的技术方案:

一种基于深度学习的熔池图像几何特征提取方法,包括以下步骤:

步骤S1图像采集:采集激光焊接过程中的熔池动态视频,并从熔池动态视频提取熔池图 像,获取清晰的熔池原始图像集;

步骤S2图像预处理:采用图像处理算法对熔池原始图像进行灰度处理和滤波去噪;

步骤S3图像数据集制作:采用图像标注工具对所述步骤S2中处理过的熔池图像进行图 像标注,制作熔池图像数据集;

步骤S4图像分割网络模型构建与训练:构建熔池图像分割网络模型,将步骤S3制作的 熔池图像数据集输入构建的熔池图像分割网络模型进行训练与测试;

步骤S5熔池图像在线监测:将步骤S4训练好的熔池图像分割网络模型部署于计算机上, 实时获取激光焊接的熔池图像并对熔池区域进行提取;

步骤S6熔池几何特征提取与计算:将步骤S5提取出的熔池区域图像采用图像处理算法 获取熔池几何特征,包括长、宽、面积、拖尾角。

上述方案中,所述步骤S1中高速相机以5000帧/秒的速度采集熔池动态视频,将拍摄的 熔池动态视频以每五帧为间隔提取原始图像。

上述方案中,所述步骤S3中标注是指将熔池区域设置为前景,标签为1,其他区域设置 为背景,标签为0,制作图像分割数据集。

上述方案中,所述步骤S4中,将图像数据集划分为训练集、测试集与验证集,利用训练 集与验证集对预先构建的激光焊接熔池区域图像分割网络模型进行交叉验证训练。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于江苏大学,未经江苏大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110604571.6/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top