CN108856978A - 基于近红外双目视觉识别的角接接头熔透控制方法 - Google Patents

基于近红外双目视觉识别的角接接头熔透控制方法 Download PDF

Info

Publication number
CN108856978A
CN108856978A CN201810950648.3A CN201810950648A CN108856978A CN 108856978 A CN108856978 A CN 108856978A CN 201810950648 A CN201810950648 A CN 201810950648A CN 108856978 A CN108856978 A CN 108856978A
Authority
CN
China
Prior art keywords
penetration
image
infrared
molten
parameter
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201810950648.3A
Other languages
English (en)
Other versions
CN108856978B (zh
Inventor
王克鸿
宋正东
黄勇
王绿原
吴统立
叶丹
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing University of Science and Technology
Original Assignee
Nanjing University of Science and Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nanjing University of Science and Technology filed Critical Nanjing University of Science and Technology
Priority to CN201810950648.3A priority Critical patent/CN108856978B/zh
Priority to PCT/CN2018/110523 priority patent/WO2020037803A1/zh
Publication of CN108856978A publication Critical patent/CN108856978A/zh
Application granted granted Critical
Publication of CN108856978B publication Critical patent/CN108856978B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
    • B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
    • B23K9/00—Arc welding or cutting
    • B23K9/095—Monitoring or automatic control of welding parameters
    • B23K9/0953—Monitoring or automatic control of welding parameters using computing means
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
    • B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
    • B23K9/00—Arc welding or cutting
    • B23K9/095—Monitoring or automatic control of welding parameters
    • B23K9/0956—Monitoring or automatic control of welding parameters using sensing means, e.g. optical
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
    • B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
    • B23K9/00—Arc welding or cutting
    • B23K9/32—Accessories

Abstract

一种基于近红外双目视觉识别的角接接头熔透控制方法，涉及焊接熔池特征参数的视觉检测方法和反面熔宽的检测方法。本发明利用正面和反面近红外扫描CCD摄像装置与计算机图像处理系统和控制系统相结合的方法进行角接接头的熔透控制。首先基于近红外的的原理选择合适的近红外扫描CCD摄像装置；然后进行熔池图像的获取，包括利用正面的近红外视觉传感器获取的熔池特征参数和利用背面的近红外视觉传感器获取的反面熔宽，接着对获取的熔池及其特征参量以及反面的熔宽进行图像处理和分析，得到焊缝熔透信息；最后通过得到的参数建立模型进行熔透控制。本发明不需要再经过推导出反面熔宽。避免了利用正面熔池图像的特征尺寸参量和特征性状参量来表征熔透。

Description

基于近红外双目视觉识别的角接接头熔透控制方法
技术领域
本发明涉及机器视觉技术领域以及增材成形技术领域，尤其涉及一种基于近红外双目视觉识别的角接接头熔透控制方法。
背景技术
目前，工业上大多数的熔透控制还正处于利用单目视觉采集图像，利用摄像机拍摄到的正面熔池的特征信息，经过图像处理，提取正面的熔池特征，最后利用已经建立好的关系模型推导出反面熔宽。这样拍摄到的图像会受到很强的弧光干扰，从而影响推导出的反面熔宽，容易产生较大的误差。同时，现在对角接焊缝的熔透控制研究也比较少，本发明采用近红外法测定温度场的方法和视觉传感相结合可以很好地对角接焊缝的熔透情况进行控制。对目前焊接技术的发展有很大的利用价值。
发明内容
本发明的目的在于克服现有技术的不足，提供一种智能化水平高、可靠性高、适应性强的基于近红外双目视觉识别的角接接头熔透控制方法。
本发明的目的通过下述技术方案实现：
该方法包括如下步骤：
S1：将待焊接的两块工件用夹具固定在变位机上，两者成90°；将焊枪安装在机器人末端，将两个近红外扫描CCD摄像机按照镜头端面的法线与水平面呈45°-60°的角度用夹具固定在焊枪上面，
S2：启动焊接电源，进行焊接。
S3：根据普朗克公式，在近红外区间，随着波长的增加，电弧的辐射强度迅速减小，当波长达到2μm附近时，金属熔池的相对辐射强度便大于电弧的辐射强度，并且随着波长的增加，金属熔池的相对相对辐射强度变化不大，而电弧的相对辐射强度继续下降，由于金属熔池的辐射强度是有用信号，而电弧的辐射是干扰，这样就可以利用近红外CCD采集到比较有价值的图像。
S4：两个近红外视觉传感器同时工作。驱动正面的近红外扫描CCD摄像机对角接接头的表面采集图像，主要获取熔池形状及其尺寸参数。同时驱动反面的近红外扫描CCD摄像机对角接接头的背面采集图像，主要获取角接接头反面熔宽，得到焊缝熔透信息。近红外扫描CCD观察反面熔宽的关键技术是图像处理。
S5：先对获取的图像进行滤波处理，然后逐列扫描，得到边界，将边界点标记出来，然后经过Hough变换，计算出反面熔宽。
S6：接着对获取的熔池及其尺寸参量进行图像处理和分析，先对原始图像进行滤波去噪，然后进行阈值分割，接着提取出焊缝的轮廓，最后进行特征点提取，得到几何特征参数。
S7：然后将外熔宽、熔池内缘宽、相邻图像外熔宽差值这三种特征参数作为神经网络的输入，以未熔透、熔透、过透三种状态作为神经网络的输出，建立BP神经网络模型。根据已建立的神经网络对熔透进行预测。
S8：将实时焊接特征参数与建立的神经网络模型进行比对，若焊缝处于熔透状态，则相应的焊接参数不做改变。
S9：若焊缝处于未熔透或过熔透状态，则计算机根据控制器所建立的模型反馈的结果进行调节电流和电压以及焊接速度的数值发送给控制器，以达到控制熔透的效果。
进一步地，为了限制焊接电弧光对近红外热图像拍摄时的干扰，近红外扫描CCD摄像装置的近红外敏感监测装置可以由特殊的光生伏特电池组成。这种光生伏特电池只对2μm左右谱段的红外光敏感。这种摄像系统可以显著减弱弧光的干扰。
进一步地，正面近红外扫描CCD摄像机拍摄到的熔池的参数包括外熔宽、熔池内缘宽、相邻图像外熔宽差值等等。背面近红外扫描CCD摄像机拍摄到的参数主要是反面熔宽。
与现有技术相比，本发明具有以下优点：
(1)本发明提出了利用两个近红外扫描CCD摄像机来获取角接焊缝的特征参数和反面熔宽，即正面近红外扫描CCD摄像机拍摄到的熔池的参数包括外熔宽、熔池内缘宽、相邻图像外熔宽差值等等，反面近红外扫描CCD摄像机拍摄到的参数主要是反面熔宽。不需要再经过推导出反面熔宽。避免了利用正面熔池图像的特征尺寸参量和特征性状参量来表征熔透。
(2)本发明使用的近红外摄像系统体积小且重量轻，获取的信息量丰富、图像清晰，在获取熔池图像方面具有优势。
(3)本发明对角接焊缝进行熔透控制研究，这对于目前焊接工艺的发展有很高的的实际应用价值。
附图说明
图1是整个系统工作的原理图。
图2是正面的近红外扫描CCD摄像机和背面的近红外扫描CCD摄像机安装位置示意图。
图3是角接焊缝的两块工件的安装示意图。
图4是反面熔宽图像处理流程图。
图5是正面熔池图像处理流程图。
图6是熔池形态示意图(A为外熔宽、B部分为熔池内缘宽)。
图7是不同熔透状态对应的背面熔宽值图。
图8是熔池特征参数及熔透情况统计图。
1-----近红外扫描CCD摄像装置1；2------角接焊缝工件；3-----焊枪；4-----近红外扫描CCD摄像装置2。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚、明确，下面结合附图和具体实施例对本发明作进一步声明。以下实施例用来说明本发明,但不是限制于本发明。
如图1所示，本发明基于近红外双目视觉识别的角接接头熔透控制方法的系统工作原理图，主要包括：正面和背面两个近红外扫描CCD摄像机1和2，焊枪，待进行焊接的角接工件。其中，正面和背面两个近红外扫描CCD摄像机按照镜头端面的法线与工件表面的法线成30°-45°的角度用夹具固定在需要进行角接的工件两边，焊枪2装在六轴机器人的末端，机器人是分别与左右两个近红外扫描CCD摄像机1和2、六轴机器人以及焊枪3相连的。具体实施：本发明基于近红外双目视觉识别的角接接头熔透控制方法采用的其他装备主要包括：两个近红外扫描CCD摄像机；美国飞马特公司的MIG焊枪；日本YASKAWA公司的六轴机器人；控制器；奥地利FRONIUS公司的焊机和送丝机；二轴倾翻旋转式变位机；MIG焊电弧控制器；送丝机和焊接耗材,计算机，步进电机驱动器，步进电机等。
如图2所示是正面的近红外扫描CCD摄像机和背面的近红外扫描CCD摄像机安装位置示意图，该例中CCD摄像机与水平面呈50°角。
如图3所示是角接焊缝两块工件的安装示意图。
结合图1、图2和图3，本发明对基于近红外双目视觉识别的角接接头熔透控制方法，以型号为3003的铝合金为例，铝板尺寸为200*100*6mm3，其具体步骤为：
S1：将焊枪安装在机器人末端，将两个近红外扫描CCD摄像机按照镜头端面的法线与水平面呈50°的角度用夹具固定在焊枪上面，两个摄像机关于水平面的法线呈对称分布。
S2：清理3003铝合金基板表面，除去表面杂物以及氧化物，打开保护气瓶，为焊接做好准备；
S3：将清理好的两块铝合金基板按照如图3所示的方法用夹具固定在变位机上，两者呈90°角；
S4：确定焊接工艺参数。本实例中送丝速度设定为7mm/min，焊接速度设定6cm/min；
S5：启动焊接电源，进行焊接。
S6：两个近红外视觉传感器同时工作。驱动正面的近红外扫描CCD摄像机对角接接头的表面采集图像，主要获取熔池形状及其尺寸参数。同时驱动反面的近红外CCD扫描摄像机对角接接头的背面采集图像，主要获取角接接头反面熔宽，按照如图4所示的流程进行图像处理和分析，得到焊缝熔透信。根据普朗克公式，在近红外区间，随着波长的增加，电弧的辐射强度迅速减小，当波长达到2μm附近时，金属熔池的相对辐射强度便大于电弧的辐射强度，并且随着波长的增加，金属熔池的相对相对辐射强度变化不大，而电弧的相对辐射强度继续下降，由于金属熔池的辐射强度是有用信号，而电弧的辐射是干扰，这样就可以利用近红外CCD采集到比较有价值的图像。
S7：接着对获取的熔池及其尺寸参量以及反面的熔宽按照如图5所示的流程进行图像处理和分析。
S8：实时图像提取熔池几何特征参数，如图6、7所示，将外熔宽、熔池内缘宽、相邻图像外熔宽差值这三种特征参数作为神经网络的输入，以未熔透、熔透、过透三种状态作为神经网络的输出，构建一个包含一个隐含层的3-x-3的BP神经网络，其中输入输出层神经元个数均为3，根据已建立的神经网络对熔透进行预测。
S9：将实时焊接特征参数与建立的神经网络模型进行比对，如图8所示，若焊缝处于熔透状态，则相应的焊接参数不做改变。
S10：若焊缝处于未熔透或过熔透状态，如图8所示，则计算机根据控制器所建立的模型反馈的结果进行调节电流和电压以及焊接速度的数值发送给控制器，以达到控制熔透的效果。

Claims (5)

1.一种基于近红外双目视觉识别的角接接头熔透控制方法，其特征在于，该方法包括如下步骤：
S1:将待焊接的两块工件用夹具固定在变位机上，两者成90°；将焊枪安装在机器人末端，将两个近红外扫描CCD摄像机按照镜头端面的法线与水平面呈45°-60°的角度用夹具固定在焊枪上面；
S2:启动焊接电源，进行焊接；
S3:两个近红外视觉传感器同时工作，驱动正面的近红外扫描CCD摄像机对角接接头的表面采集图像，获取熔池形状及其尺寸参数；同时驱动反面的近红外扫描CCD摄像机对角接接头的背面采集图像，获取角接接头反面熔宽，得到焊缝熔透信息；
S4:对获取的图像进行滤波处理，然后逐列扫描，得到边界，将边界点标记出来，然后经过Hough变换，计算出反面熔宽；
S5:对获取的熔池及其尺寸参量进行图像处理和分析，先对原始图像进行滤波去噪，然后进行阈值分割，接着提取出焊缝的轮廓，最后进行特征点提取，得到几何特征参数；
S6:将外熔宽、熔池内缘宽、相邻图像外熔宽差值这三种特征参数作为神经网络的输入，以未熔透、熔透、过透三种状态作为神经网络的输出，建立神经网络模型；根据已建立的神经网络对熔透进行预测；
S7:将实时焊接特征参数与建立的神经网络模型进行比对，若焊缝处于熔透状态，则相应的焊接参数不做改变；若焊缝处于未熔透或过熔透状态，则计算机根据控制器所建立的模型反馈的结果进行调节电流和电压以及焊接速度的数值发送给控制器，以达到控制熔透的效果。
2.根据权利要求1所述的基于近红外双目视觉识别的角接接头熔透控制方法，其特征在于，步骤S3为双目视觉进行图像采集。
3.根据权利要求1所述的基于近红外双目视觉识别的角接接头熔透控制方法，其特征在于，近红外扫描CCD摄像装置的近红外提取波长在780nm—2526nm范围内的电磁波。
4.根据权利要求1所述的基于近红外双目视觉识别的角接接头熔透控制方法，其特征在于，在对焊缝进行特征提取之前，还要对图像进行滤波和锐化处理，使图像增强，从而将图像转换成更适合于人或机器进行分析处理的形式，使焊缝边缘与母材更容易区分，便于焊缝特征点的提取。
5.根据权利要求1所述的基于近红外双目视觉识别的角接接头熔透控制方法，其特征在于，步骤S6，采用了BP神经网络智能控制方法，将外熔宽、熔池内缘宽、相邻图像外熔宽差值这三种特征参数作为神经网络的输入，以未熔透、熔透、过透三种状态作为神经网络的输出。
CN201810950648.3A 2018-08-20 2018-08-20 基于近红外双目视觉识别的角接接头熔透控制方法 Active CN108856978B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201810950648.3A CN108856978B (zh) 2018-08-20 2018-08-20 基于近红外双目视觉识别的角接接头熔透控制方法
PCT/CN2018/110523 WO2020037803A1 (zh) 2018-08-20 2018-10-16 基于近红外双目视觉识别的角接接头熔透控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810950648.3A CN108856978B (zh) 2018-08-20 2018-08-20 基于近红外双目视觉识别的角接接头熔透控制方法

Publications (2)

Publication Number Publication Date
CN108856978A true CN108856978A (zh) 2018-11-23
CN108856978B CN108856978B (zh) 2020-08-07

Family

ID=64321045

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810950648.3A Active CN108856978B (zh) 2018-08-20 2018-08-20 基于近红外双目视觉识别的角接接头熔透控制方法

Country Status (2)

Country Link
CN (1) CN108856978B (zh)
WO (1) WO2020037803A1 (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109332957A (zh) * 2018-11-28 2019-02-15 合肥常青机械股份有限公司 焊接机器人焊接自动化控制系统
CN109483107A (zh) * 2018-12-29 2019-03-19 朱清 一种基于多源信息融合的焊缝智能在线检测装置
CN110193679A (zh) * 2019-06-28 2019-09-03 清华大学 一种焊缝成形控制装置及方法
CN112529103A (zh) * 2020-12-24 2021-03-19 华北水利水电大学 一种基于双向熔池几何及纹理特征融合的熔透识别方法
CN113828947A (zh) * 2021-11-23 2021-12-24 昆山宝锦激光拼焊有限公司 一种基于双优化的bp神经网络激光焊接焊缝成形预测方法
CN113894390A (zh) * 2021-10-15 2022-01-07 兰州理工大学 一种脉冲钨极氩弧焊熔透状态检测方系统、终端、介质
CN113996917A (zh) * 2021-11-12 2022-02-01 中国航空制造技术研究院 一种双光束激光焊接隔框倾角测量装置和测量方法
US11541483B2 (en) 2019-06-28 2023-01-03 Tsinghua University Control device and method for formation of weld seam

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20040024060A (ko) * 2002-09-13 2004-03-20 현대중공업 주식회사 자동 연속용접이 가능한 파이프 원주 용접 방법 및 장치
CN101015917A (zh) * 2007-03-08 2007-08-15 上海交通大学 焊接机器人多功能双目视觉传感器及其标定方法
JP2008110388A (ja) * 2006-10-31 2008-05-15 Toshiba Corp 溶接作業情報計測方法および装置
CN101224519A (zh) * 2008-01-31 2008-07-23 上海交通大学 基于视觉传感的弧焊机器人焊接监控系统
CN101612736A (zh) * 2009-07-23 2009-12-30 上海交通大学 机器人mig焊双目视觉传感系统
CN101954526A (zh) * 2009-12-31 2011-01-26 南京理工大学 双丝脉冲焊熔池双向近红外同步视觉传感方法及装置
CN103521890A (zh) * 2013-10-12 2014-01-22 王晓宇 双面双弧立焊近红外视觉传感与熔透控制装置及方法
CN104942404A (zh) * 2015-07-15 2015-09-30 广东工业大学 双波长双目视觉焊缝跟踪方法及跟踪系统

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5475198A (en) * 1985-11-15 1995-12-12 Westinghouse Electric Corporation Weld pool viewing system
JP5158406B2 (ja) * 2007-03-30 2013-03-06 株式会社Ｉｈｉ 溶接状況解析装置及び方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20040024060A (ko) * 2002-09-13 2004-03-20 현대중공업 주식회사 자동 연속용접이 가능한 파이프 원주 용접 방법 및 장치
JP2008110388A (ja) * 2006-10-31 2008-05-15 Toshiba Corp 溶接作業情報計測方法および装置
CN101015917A (zh) * 2007-03-08 2007-08-15 上海交通大学 焊接机器人多功能双目视觉传感器及其标定方法
CN101224519A (zh) * 2008-01-31 2008-07-23 上海交通大学 基于视觉传感的弧焊机器人焊接监控系统
CN101612736A (zh) * 2009-07-23 2009-12-30 上海交通大学 机器人mig焊双目视觉传感系统
CN101954526A (zh) * 2009-12-31 2011-01-26 南京理工大学 双丝脉冲焊熔池双向近红外同步视觉传感方法及装置
CN103521890A (zh) * 2013-10-12 2014-01-22 王晓宇 双面双弧立焊近红外视觉传感与熔透控制装置及方法
CN104942404A (zh) * 2015-07-15 2015-09-30 广东工业大学 双波长双目视觉焊缝跟踪方法及跟踪系统

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109332957A (zh) * 2018-11-28 2019-02-15 合肥常青机械股份有限公司 焊接机器人焊接自动化控制系统
CN109483107A (zh) * 2018-12-29 2019-03-19 朱清 一种基于多源信息融合的焊缝智能在线检测装置
CN110193679A (zh) * 2019-06-28 2019-09-03 清华大学 一种焊缝成形控制装置及方法
CN110193679B (zh) * 2019-06-28 2020-05-15 清华大学 一种基于熔池正面视觉传感的焊缝成形控制装置及方法
US11541483B2 (en) 2019-06-28 2023-01-03 Tsinghua University Control device and method for formation of weld seam
CN112529103A (zh) * 2020-12-24 2021-03-19 华北水利水电大学 一种基于双向熔池几何及纹理特征融合的熔透识别方法
CN113894390A (zh) * 2021-10-15 2022-01-07 兰州理工大学 一种脉冲钨极氩弧焊熔透状态检测方系统、终端、介质
CN113996917A (zh) * 2021-11-12 2022-02-01 中国航空制造技术研究院 一种双光束激光焊接隔框倾角测量装置和测量方法
CN113996917B (zh) * 2021-11-12 2023-12-01 中国航空制造技术研究院 一种双光束激光焊接隔框倾角测量装置和测量方法
CN113828947A (zh) * 2021-11-23 2021-12-24 昆山宝锦激光拼焊有限公司 一种基于双优化的bp神经网络激光焊接焊缝成形预测方法

Also Published As

Publication number Publication date
WO2020037803A1 (zh) 2020-02-27
CN108856978B (zh) 2020-08-07

Similar Documents

Publication Publication Date Title
CN108856978A (zh) 基于近红外双目视觉识别的角接接头熔透控制方法
Ma et al. Robot welding seam tracking method based on passive vision for thin plate closed-gap butt welding
CN105033408B (zh) Gma增材制造双被动视觉传感检测装置及其检测方法
Xu et al. Computer vision technology for seam tracking in robotic GTAW and GMAW
Lü et al. Feature extraction of welding seam image based on laser vision
CN106001926B (zh) 基于视觉传感的激光—电弧复合焊接实时自动控制装置及其焊接方法
CN104708239B (zh) 基于ccd的大型海洋管道起始点识别与定位方法
CN109483017A (zh) 一种基于图像识别的焊缝跟踪系统及其优化方法
Chen et al. Detection of weld pool width using infrared imaging during high-power fiber laser welding of type 304 austenitic stainless steel
CN105234599B (zh) 焊接温度场控制系统及方法
CN106404795A (zh) 一种基于红外信息的金属增材制造过程控制装置与方法
CN109702293B (zh) 一种基于视觉检测的焊接熔透质量实时控制方法
CN111037062B (zh) 一种gtaw焊缝成形的自适应控制与自动视觉检测方法
CN105478975B (zh) 基于远心视觉传感的端接微束等离子焊接成形控制方法
Shao et al. Monitoring of liquid droplets in laser-enhanced GMAW
CN104772554B (zh) 步进电弧焊接式的脉冲钨极氩弧焊弧压传感熔透控制方法
CN117283133B (zh) 一种耳机生产线电极激光焊接方法和激光焊接设备
CN108067714A (zh) 一种薄壁环缝端接质量在线监测与缺陷定位系统及方法
WO2022088296A1 (zh) 一种基于高速视觉和电参数协同传感控制的高氮钢电弧增材系统及其控制方法
CN114399461A (zh) 智能化焊趾机械打磨疲劳延寿方法
Wang et al. Groove-center detection in gas metal arc welding using a template-matching method
CN102519387A (zh) 一种电子束焊接熔池形状参数的视觉检测方法
CN108152291A (zh) 基于熔池动态特征的端缝焊接未熔合缺欠实时检测方法
Wang et al. Tracking using pattern matching of keyhole in visual robotic plasma welding
Zheng et al. Control for weld penetration in VPPAW of aluminum alloys using the front weld pool image signal

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
EE01 Entry into force of recordation of patent licensing contract
EE01 Entry into force of recordation of patent licensing contract

Application publication date: 20181123

Assignee: JIANGSU HUANENG CABLE Co.,Ltd.

Assignor: NANJING University OF SCIENCE AND TECHNOLOGY

Contract record no.: X2022980006896

Denomination of invention: Penetration control method of corner joint based on near infrared binocular vision recognition

Granted publication date: 20200807

License type: Common License

Record date: 20220601