CN110188734A - 焊缝类型的识别方法及装置 - Google Patents
焊缝类型的识别方法及装置 Download PDFInfo
- Publication number
- CN110188734A CN110188734A CN201910495861.4A CN201910495861A CN110188734A CN 110188734 A CN110188734 A CN 110188734A CN 201910495861 A CN201910495861 A CN 201910495861A CN 110188734 A CN110188734 A CN 110188734A
- Authority
- CN
- China
- Prior art keywords
- characteristic parameter
- weld seam
- parameter
- welding type
- multimedia messages
- 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.)
- Pending
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
- B23K37/00—Auxiliary devices or processes, not specially adapted to a procedure covered by only one of the preceding main groups
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2431—Multiple classes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
- G06V10/464—Salient features, e.g. scale invariant feature transforms [SIFT] using a plurality of salient features, e.g. bag-of-words [BoW] representations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/757—Matching configurations of points or features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/06—Recognition of objects for industrial automation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Multimedia (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Health & Medical Sciences (AREA)
- Optics & Photonics (AREA)
- Mechanical Engineering (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种焊缝类型的识别方法及装置。其中,该焊缝类型的识别方法包括:通过获取焊缝的目标的多媒体信息;从多媒体信息中提取焊缝的特征参数;将特征参数与预先存储的多个特征参数进行匹配,其中,多个特征参数对应不同的焊缝类别;当特征参数与多个特征参数中的指定特征参数的差值小于预定阈值时,识别出焊缝的特征参数对应的焊缝类型,达到了焊缝图片的信息实现准确的焊接的目的。本发明解决了现有技术中焊缝焊接自动化程度不高、焊缝的焊接精确不高的技术的技术问题。
Description
技术领域
本发明涉及焊接领域,具体而言,涉及一种焊缝类型的识别方法及装置。
背景技术
在我们国家,随着现代制造业迅速发展,人们对焊接过程中的质量控制,生产效率以及工作条件等的要求也越来越高。传统的焊接主要依靠人力进行,焊接的质量取决于工人的技术熟练程度,在焊接的过程中,工人要面对焊接烟尘、噪声、有害气体以及电磁等有害身体健康的恶劣环境。随着焊接技术的发展,资源和环境约束不断强化,劳动力等生产要素成本不断上升,只有不断提高焊接的生产效率,提高焊接的质量,改善焊接的工作环境,才能提高企业的社会竞争力。为实现这一目标,很多企业开始引入了工业机器人进行焊接,以实现焊接技术的智能化、柔性化、自动化。基于视觉传感的机器人焊接成为行业的发展趋势,特别是焊缝类型的智能识别,例如平焊缝、角焊缝、船形焊缝、单面焊缝、单面焊双面成形焊缝等。
针对现有技术中焊缝焊接自动化程度不高、焊缝的焊接精确不高的技术问题,目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种焊缝类型的识别方法及装置,以至少解决现有技术中焊缝焊接自动化程度不高、焊缝的焊接精确不高的技术的技术问题。
根据本发明实施例的一个方面,提供了一种焊缝类型的识别方法,包括:获取焊缝的目标的多媒体信息;从所述多媒体信息中提取所述焊缝的特征参数;将所述特征参数与预先存储的多个特征参数进行匹配,其中,所述多个特征参数对应不同的焊缝类别;当所述特征参数与所述多个特征参数中的指定特征参数的差值小于预定阈值时,识别出所述焊缝的特征参数对应的焊缝类型。
进一步地,所述获取焊缝的目标的多媒体信息包括:获取所述焊缝的目标的图片;
通过至少以下之一的方式处理所述图片获取所述多媒体信息:对所述图片进行压缩、清晰度处理。
进一步地,从所述多媒体信息中提取所述焊缝的特征参数之后,所述方法还包括:将所述特征参数存储至数据库中;当所述特征参数与所述多个特征参数中的指定特征参数的差值大于预定阈值时,通过预设算法训练出当前所述特征参数对应的焊缝类型的数据模型,更新所述预先存储特征参数的数据库。
进一步地,当所述特征参数与所述多个特征参数中的指定特征参数的差值小于预定阈值时,识别出所述焊缝对应的焊缝类型之后,所述方法还包括:接收所述焊缝对应的类型的目标特征参数,其中,所述目标特征参数是预先存储的多个特征参数;根据所述目标特征参数对所述焊缝进行焊接。
根据本发明实施例的另一方面,还提供了一种焊缝类型的识别装置,包括:获取单元,用于获取焊缝的目标的多媒体信息;提取单元,用于从所述多媒体信息中提取所述焊缝的特征参数;匹配单元,用于将所述特征参数与预先存储的多个特征参数进行匹配,其中,所述多个特征参数对应不同的焊缝类别;识别单元,用于当所述特征参数与所述多个特征参数中的指定特征参数的差值小于预定阈值时,识别出所述焊缝的特征参数对应的焊缝类型。
进一步地,所述获取单元包括:获取模块,用于获取所述焊缝的目标的图片;处理模块,用于通过至少以下之一的方式处理所述图片获取所述多媒体信息:对所述图片进行压缩、清晰度处理。
进一步地,所述装置还包括:存储单元,用于从所述多媒体信息中提取所述焊缝的特征参数之后,将所述特征参数存储至数据库中;当所述特征参数与所述多个特征参数中的指定特征参数的差值大于预定阈值时,通过预设算法训练出当前所述特征参数对应的焊缝类型的数据模型,更新所述预先存储特征参数的数据库。
进一步地,所述装置还包括:接收单元,用于当所述特征参数与所述多个特征参数中的指定特征参数的差值小于预定阈值时,识别出所述焊缝对应的焊缝类型之后,接收所述焊缝对应的类型的目标特征参数,其中,所述目标特征参数是预先存储的多个特征参数;焊接单元,用于根据所述目标特征参数对所述焊缝进行焊接。
根据本发明实施例的另一方面,还提供了一种存储介质,所述存储介质包括存储的程序,其中,所述程序运行时执行上述任一项所述的焊缝类型的识别方法。
根据本发明实施例的另一方面,还提供了一种处理器,所述处理器用于运行程序,其中,所述程序运行时执行上述任一项所述的焊缝类型的识别方法。
在本发明实施例中,通过获取焊缝的目标的多媒体信息;从多媒体信息中提取焊缝的特征参数;将特征参数与预先存储的多个特征参数进行匹配,其中,多个特征参数对应不同的焊缝类别;当特征参数与多个特征参数中的指定特征参数的差值小于预定阈值时,识别出焊缝的特征参数对应的焊缝类型,达到了焊缝图片的信息实现准确的焊接的目的,进而解决了现有技术中焊缝焊接自动化程度不高、焊缝的焊接精确不高的技术的技术问题。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是根据本发明实施例的焊缝类型的识别方法的流程图;
图2是根据本发明优选实施例的又一种焊缝类型智能识别方法的流程图;
图3是根据本发明优选实施例的再一焊缝类型的识别示意图;
图4是根据本发明实施例的焊缝类型的识别装置的示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
根据本发明实施例,还提供了一种空调控制方法的方法实施例,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
下面将对本发明实施例的焊缝类型的识别方法进行详细说明。
图1是根据本发明实施例的焊缝类型的识别方法的流程图,如图1所示,该焊缝类型的识别方法包括如下步骤:
步骤S102,获取焊缝的目标的多媒体信息。
其中,获取焊缝的目标的多媒体信息可以包括:获取焊缝的目标的图片;通过至少以下之一的方式处理图片获取多媒体信息:对图片进行压缩、清晰度处理。进而可以更准确的获取焊缝的信息。通过对焊缝的目标的图片的处理可以方便更准确判断焊缝的类型,进而提高焊缝的焊接精度。
步骤S104,从多媒体信息中提取焊缝的特征参数。
其中,上述焊缝的特征参数可以包括但不限于:焊缝的特征点个数、斜率、形状、尺寸、模糊度、亮度、弯曲度、焊速等。
步骤S106,将特征参数与预先存储的多个特征参数进行匹配,其中,多个特征参数对应不同的焊缝类别。
需要说明的是,预选存储的对个特征参数可以来自于数据库,其中,每个不同焊缝的类型都对应不同的特征参数。即每个不同的焊缝类型的对应一个焊缝类型的数据模型,进而根据当前提取的焊缝特征参数判断该焊缝类型属于哪一个焊缝类型的数据模型,进而直接调用焊缝的焊接参数进行焊接操作。
步骤S108,当特征参数与多个特征参数中的指定特征参数的差值小于预定阈值时,识别出焊缝的特征参数对应的焊缝类型。
通过上述步骤,通过获取焊缝的目标的多媒体信息;从多媒体信息中提取焊缝的特征参数;将特征参数与预先存储的多个特征参数进行匹配,其中,多个特征参数对应不同的焊缝类别;当特征参数与多个特征参数中的指定特征参数的差值小于预定阈值时,识别出焊缝的特征参数对应的焊缝类型,达到了焊缝图片的信息实现准确的焊接的目的,进而解决了现有技术中焊缝焊接自动化程度不高、焊缝的焊接精确不高的技术的技术问题。
作为一种可选的实施例,从多媒体信息中提取焊缝的特征参数之后,上述方法还可以包括:将特征参数存储至数据库中;当特征参数与多个特征参数中的指定特征参数的差值大于预定阈值时,通过预设算法训练出当前特征参数对应的焊缝类型的数据模型,更新预先存储特征参数的数据库。进而将没有该焊缝类型的特征参数补充到数据库中,更新预先存储特征参数的数据库。
作为一种可选的实施例,当特征参数与多个特征参数中的指定特征参数的差值小于预定阈值时,识别出焊缝对应的焊缝类型之后,上述方法还可以包括:接收焊缝对应的类型的目标特征参数,其中,目标特征参数是预先存储的多个特征参数;根据目标特征参数对焊缝进行焊接。根据精确的特征参数进行焊缝的焊接可以提高焊缝的精度。
本发明还提供了一种优选实施例,该优选实施例提供了又一种焊缝类型智能识别方法。如图2所示,又一种焊缝类型智能识别方法。
焊缝图像信息采集:通过工业相机实时采集焊缝图片,并可以进行焊缝图片的压缩、清晰度处理、纠正、图像相关的处理等。
焊缝图像识别参数提取:焊缝图像特征点提取、分析特征点个数、斜率、形状、尺寸、模糊度、亮度、弯曲度、焊速等。
焊缝参数存储:提取图像中的参数通过大数据服务,存储在mongodb里面,数据存储格式按照固定的结构存储,数据通过分片的形式,可以进行横向扩展。
焊缝参数训练:从数据存储模块调取数据,根据参数类型进行归类,利用算法计算参数的差异性来区别不同的焊缝类型。再根据给参数设置不同的值求出无偏差的焊缝类型,适应不同环境下的焊缝类型。
焊接类型智能识别:根据图像识别提取焊缝的特征点,然后调用焊缝智能识别算法求出焊缝类型的最佳参数值,最后通过大数据查询焊缝类型的信息,把焊缝类型的信息反馈给机器人断进行自动焊接。
焊缝参数调优:焊缝类型的差异性不大、需要准确的调整焊缝类型的全局信息来满足焊缝类型的智能识别。
通过上述优选实施例,与大数据平台等集成,提供数据存储功能;与图像算法、参数训练算法等集成,提供参数提取和最佳参数功能。能自动识别焊缝类型,减少了人工参与,提高了焊接速度,减少了人工成本和焊接时间,保持割据对齐,降低焊接缺陷,可减少故障。与传统的传感相比,光学传感器具有不与焊接回路接触、不与焊接工件接触、信号的检测操作不影响正常的焊接过程、传感信息丰富、硬件设备简单、易于维护的优点。
本发明还提供了又一种优选实施例,一种自动视觉焊接,可根据机器人自动的进行焊接和识别焊缝类型。如图3所示,
1、激光器:可以发射激光找到焊接的轨迹;
2、工业相机:实时采集焊点和焊缝的图片信息;
3、图像处理控制器:进行焊缝信息的提取;
4、焊缝类型智能识别:焊缝信息参数机器训练,识别焊缝类型,焊缝类型参数调优。
根据本发明实施例,还提供了一种焊缝类型的识别的装置实施例,需要说明的是,该焊缝类型的识别装置可以用于执行本发明实施例中的焊缝类型的识别方法,也即本发明实施例中的焊缝类型的识别方法可以在该焊缝类型的识别装置中执行。
图2是根据本发明实施例的焊缝类型的识别装置的示意图,如图2所示,该焊缝类型的识别装置可以包括:获取单元41,提取单元43,匹配单元45,识别单元47。具体分析如下。
获取单元41,用于获取焊缝的目标的多媒体信息。
其中,获取单元41可以包括:获取模块,用于获取焊缝的目标的图片;处理模块,用于通过至少以下之一的方式处理图片获取多媒体信息:对图片进行压缩、清晰度处理。
提取单元43,用于从多媒体信息中提取焊缝的特征参数。
匹配单元45,用于将特征参数与预先存储的多个特征参数进行匹配,其中,多个特征参数对应不同的焊缝类别。
识别单元47,用于当特征参数与多个特征参数中的指定特征参数的差值小于预定阈值时,识别出焊缝的特征参数对应的焊缝类型。
通过上述实施例,获取单元41获取焊缝的目标的多媒体信息,提取单元43从多媒体信息中提取焊缝的特征参数,匹配单元45将特征参数与预先存储的多个特征参数进行匹配,其中,多个特征参数对应不同的焊缝类别,识别单元47当特征参数与多个特征参数中的指定特征参数的差值小于预定阈值时,识别出焊缝的特征参数对应的焊缝类型。达到了焊缝图片的信息实现准确的焊接的目的,进而解决了现有技术中焊缝焊接自动化程度不高、焊缝的焊接精确不高的技术的技术问题。
需要说明的是,该实施例中的获取单元41可以用于执行本发明实施例中的步骤S102,该实施例中的提取单元43可以用于执行本发明实施例中的步骤S104,该实施例中的匹配单元45可以用于执行本发明实施例中的步骤S106,该实施例中的识别单元47可以用于执行本发明实施例中的步骤S108。上述模块与对应的步骤所实现的示例和应用场景相同,但不限于上述实施例所公开的内容。
作为一种可选的实施例,上述装置还可以包括:存储单元,用于从多媒体信息中提取焊缝的特征参数之后,将特征参数存储至数据库中;当特征参数与多个特征参数中的指定特征参数的差值大于预定阈值时,通过预设算法训练出当前特征参数对应的焊缝类型的数据模型,更新预先存储特征参数的数据库。
作为一种可选的实施例,上述装置还可以包括:接收单元,用于当特征参数与多个特征参数中的指定特征参数的差值小于预定阈值时,识别出焊缝对应的焊缝类型之后,接收焊缝对应的类型的目标特征参数,其中,目标特征参数是预先存储的多个特征参数;焊接单元,用于根据目标特征参数对焊缝进行焊接。
根据本发明实施例的另外一个方面,还提供了一种存储介质,存储介质包括存储的程序,其中,程序运行时控制存储介质所在设备执行以下操作:获取焊缝的目标的多媒体信息;从多媒体信息中提取焊缝的特征参数;将特征参数与预先存储的多个特征参数进行匹配,其中,多个特征参数对应不同的焊缝类别;当特征参数与多个特征参数中的指定特征参数的差值小于预定阈值时,识别出焊缝的特征参数对应的焊缝类型。
根据本发明实施例的另外一个方面,还提供了一种处理器,处理器用于运行程序,其中,程序运行时执行以下操作:获取焊缝的目标的多媒体信息;从多媒体信息中提取焊缝的特征参数;将特征参数与预先存储的多个特征参数进行匹配,其中,多个特征参数对应不同的焊缝类别;当特征参数与多个特征参数中的指定特征参数的差值小于预定阈值时,识别出焊缝的特征参数对应的焊缝类型。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
在本发明的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的技术内容,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如所述单元的划分,可以为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种焊缝类型的识别方法,其特征在于,包括:
获取焊缝的目标的多媒体信息;
从所述多媒体信息中提取所述焊缝的特征参数;
将所述特征参数与预先存储的多个特征参数进行匹配,其中,所述多个特征参数对应不同的焊缝类别;
当所述特征参数与所述多个特征参数中的指定特征参数的差值小于预定阈值时,识别出所述焊缝的特征参数对应的焊缝类型。
2.根据权利要求1所述的方法,其特征在于,所述获取焊缝的目标的多媒体信息包括:
获取所述焊缝的目标的图片;
通过至少以下之一的方式处理所述图片获取所述多媒体信息:对所述图片进行压缩、清晰度处理。
3.根据权利要求1所述的方法,其特征在于,从所述多媒体信息中提取所述焊缝的特征参数之后,所述方法还包括:
将所述特征参数存储至数据库中;
当所述特征参数与所述多个特征参数中的指定特征参数的差值大于预定阈值时,通过预设算法训练出当前所述特征参数对应的焊缝类型的数据模型,更新所述预先存储特征参数的数据库。
4.根据权利要求1所述的方法,其特征在于,当所述特征参数与所述多个特征参数中的指定特征参数的差值小于预定阈值时,识别出所述焊缝对应的焊缝类型之后,所述方法还包括:
接收所述焊缝对应的类型的目标特征参数,其中,所述目标特征参数是预先存储的多个特征参数;
根据所述目标特征参数对所述焊缝进行焊接。
5.一种焊缝类型的识别装置,其特征在于,包括:
获取单元,用于获取焊缝的目标的多媒体信息;
提取单元,用于从所述多媒体信息中提取所述焊缝的特征参数;
匹配单元,用于将所述特征参数与预先存储的多个特征参数进行匹配,其中,所述多个特征参数对应不同的焊缝类别;
识别单元,用于当所述特征参数与所述多个特征参数中的指定特征参数的差值小于预定阈值时,识别出所述焊缝的特征参数对应的焊缝类型。
6.根据权利要求5所述的装置,其特征在于,所述获取单元包括:
获取模块,用于获取所述焊缝的目标的图片;
处理模块,用于通过至少以下之一的方式处理所述图片获取所述多媒体信息:对所述图片进行压缩、清晰度处理。
7.根据权利要求5所述的装置,其特征在于,所述装置还包括:
存储单元,用于从所述多媒体信息中提取所述焊缝的特征参数之后,将所述特征参数存储至数据库中;
当所述特征参数与所述多个特征参数中的指定特征参数的差值大于预定阈值时,通过预设算法训练出当前所述特征参数对应的焊缝类型的数据模型,更新所述预先存储特征参数的数据库。
8.根据权利要求5所述的装置,其特征在于,所述装置还包括:
接收单元,用于当所述特征参数与所述多个特征参数中的指定特征参数的差值小于预定阈值时,识别出所述焊缝对应的焊缝类型之后,接收所述焊缝对应的类型的目标特征参数,其中,所述目标特征参数是预先存储的多个特征参数;
焊接单元,用于根据所述目标特征参数对所述焊缝进行焊接。
9.一种存储介质,其特征在于,所述存储介质包括存储的程序,其中,在所述程序运行时控制所述存储介质所在设备执行权利要求1至4中任一项所述的焊缝类型的识别方法。
10.一种处理器,其特征在于,所述处理器用于运行程序,其中,所述程序运行时执行权利要求1至4中任一项所述的焊缝类型的识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910495861.4A CN110188734A (zh) | 2019-06-06 | 2019-06-06 | 焊缝类型的识别方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910495861.4A CN110188734A (zh) | 2019-06-06 | 2019-06-06 | 焊缝类型的识别方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110188734A true CN110188734A (zh) | 2019-08-30 |
Family
ID=67721012
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910495861.4A Pending CN110188734A (zh) | 2019-06-06 | 2019-06-06 | 焊缝类型的识别方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110188734A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110788484A (zh) * | 2019-11-01 | 2020-02-14 | 成都大德人光电科技有限公司 | 一种汽车白车身3d激光智能焊接方法 |
CN111451608A (zh) * | 2020-04-08 | 2020-07-28 | 北京博清科技有限公司 | 焊接方法、焊接装置、存储介质和处理器 |
CN112053376A (zh) * | 2020-09-07 | 2020-12-08 | 南京大学 | 一种基于深度信息的工件焊缝识别方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105269169A (zh) * | 2015-12-01 | 2016-01-27 | 长沙长泰机器人有限公司 | 工件焊接系统 |
CN105938563A (zh) * | 2016-04-14 | 2016-09-14 | 北京工业大学 | 一种基于图像纹理的焊缝表面缺陷识别方法 |
CN105976352A (zh) * | 2016-04-14 | 2016-09-28 | 北京工业大学 | 一种基于灰度图像形态学的焊缝表面缺陷特征提取方法 |
CN109115812A (zh) * | 2018-08-23 | 2019-01-01 | 中国石油大学(北京) | 一种焊缝底片缺陷识别方法及系统 |
CN109514043A (zh) * | 2018-12-13 | 2019-03-26 | 刘堂斌 | 一种有效的焊接机器人焊接控制系统 |
CN109598720A (zh) * | 2018-12-07 | 2019-04-09 | 北京博清科技有限公司 | 焊缝信息获取方法、装置及焊缝图像采集设备 |
-
2019
- 2019-06-06 CN CN201910495861.4A patent/CN110188734A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105269169A (zh) * | 2015-12-01 | 2016-01-27 | 长沙长泰机器人有限公司 | 工件焊接系统 |
CN105938563A (zh) * | 2016-04-14 | 2016-09-14 | 北京工业大学 | 一种基于图像纹理的焊缝表面缺陷识别方法 |
CN105976352A (zh) * | 2016-04-14 | 2016-09-28 | 北京工业大学 | 一种基于灰度图像形态学的焊缝表面缺陷特征提取方法 |
CN109115812A (zh) * | 2018-08-23 | 2019-01-01 | 中国石油大学(北京) | 一种焊缝底片缺陷识别方法及系统 |
CN109598720A (zh) * | 2018-12-07 | 2019-04-09 | 北京博清科技有限公司 | 焊缝信息获取方法、装置及焊缝图像采集设备 |
CN109514043A (zh) * | 2018-12-13 | 2019-03-26 | 刘堂斌 | 一种有效的焊接机器人焊接控制系统 |
Non-Patent Citations (1)
Title |
---|
雷仕湛等: "《激光智能制造技术》", 30 June 2018 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110788484A (zh) * | 2019-11-01 | 2020-02-14 | 成都大德人光电科技有限公司 | 一种汽车白车身3d激光智能焊接方法 |
CN111451608A (zh) * | 2020-04-08 | 2020-07-28 | 北京博清科技有限公司 | 焊接方法、焊接装置、存储介质和处理器 |
CN111451608B (zh) * | 2020-04-08 | 2022-07-29 | 北京博清科技有限公司 | 焊接方法、焊接装置、存储介质和处理器 |
CN112053376A (zh) * | 2020-09-07 | 2020-12-08 | 南京大学 | 一种基于深度信息的工件焊缝识别方法 |
CN112053376B (zh) * | 2020-09-07 | 2023-10-20 | 南京大学 | 一种基于深度信息的工件焊缝识别方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110188734A (zh) | 焊缝类型的识别方法及装置 | |
CN109483573B (zh) | 机器学习装置、机器人系统以及机器学习方法 | |
JP5787642B2 (ja) | 対象物保持装置、対象物保持装置の制御方法、およびプログラム | |
CN112837371A (zh) | 基于3d匹配的物体抓取方法、装置及计算设备 | |
CN110722571B (zh) | 一种基于图像识别的汽车零件装配系统及其方法 | |
KR102043898B1 (ko) | 물류 센터의 피킹 자동화 시스템 및 이를 이용한 피킹 자동화 방법 | |
CN108872265A (zh) | 检测方法、装置及系统 | |
CN110942450A (zh) | 一种基于深度学习的多生产流水线实时缺陷检测方法 | |
CN107103029B (zh) | 一种用于机器人的图像数据处理方法 | |
CN114029951B (zh) | 基于深度相机的机器人自主识别智能抓取方法 | |
CN110328665A (zh) | Led模组的装配方法及装置、存储介质、处理器 | |
CN111626995B (zh) | 一种针对工件的智能嵌件检测方法和装置 | |
JP2019057250A (ja) | ワーク情報処理装置およびワークの認識方法 | |
CN110275532A (zh) | 机器人的控制方法及装置、视觉设备的控制方法及装置 | |
JP3583450B2 (ja) | 3次元物体の自動検査装置および方法 | |
CN111361819A (zh) | 一种线材的挂牌系统及方法 | |
CN111091122A (zh) | 一种多尺度特征卷积神经网络的训练和检测方法、装置 | |
CN111340885A (zh) | 包裹追踪方法和装置及存储介质 | |
CN108957384A (zh) | 一种周转箱及电能计量设备方向判别方法与装置 | |
CN115063670A (zh) | 一种自动分拣方法、装置及系统 | |
CN109063855A (zh) | 用于车辆车况鉴定的辅助处理方法及装置 | |
Ivanovska et al. | Visual Inspection and Error Detection in a Reconfigurable Robot Workcell: An Automotive Light Assembly Example. | |
CN116205835A (zh) | 电路板瑕疵检测方法、装置及电子设备 | |
CN114155522A (zh) | 一种点云数据质检修复方法及系统 | |
CN109015636B (zh) | 汽车制造生产线钣金件视觉抓取方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190830 |