CN111462110A - 焊缝质量检测方法、装置、系统及电子设备 - Google Patents

焊缝质量检测方法、装置、系统及电子设备 Download PDF

Info

Publication number
CN111462110A
CN111462110A CN202010313058.7A CN202010313058A CN111462110A CN 111462110 A CN111462110 A CN 111462110A CN 202010313058 A CN202010313058 A CN 202010313058A CN 111462110 A CN111462110 A CN 111462110A
Authority
CN
China
Prior art keywords
target
point
welding
weld
quality detection
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
CN202010313058.7A
Other languages
English (en)
Other versions
CN111462110B (zh
Inventor
莫之剑
杜兵
袁继广
杜义贤
周俊雄
周俊杰
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.)
Guangdong Lyric Robot Automation Co Ltd
Original Assignee
Guangdong Lyric Robot Automation Co Ltd
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 Guangdong Lyric Robot Automation Co Ltd filed Critical Guangdong Lyric Robot Automation Co Ltd
Priority to CN202010313058.7A priority Critical patent/CN111462110B/zh
Publication of CN111462110A publication Critical patent/CN111462110A/zh
Application granted granted Critical
Publication of CN111462110B publication Critical patent/CN111462110B/zh
Priority to PCT/CN2021/087111 priority patent/WO2021213223A1/zh
Priority to DE112021000013.6T priority patent/DE112021000013T5/de
Priority to US17/917,947 priority patent/US20230139733A1/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/20—Metals
    • G01N33/204—Structure thereof, e.g. crystal structure
    • G01N33/2045—Defects
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/20—Metals
    • G01N33/207—Welded or soldered joints; Solderability
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/12—Edge-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10028—Range image; Depth image; 3D point clouds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20021—Dividing image into blocks, subimages or windows
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30152—Solder

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Chemical & Material Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Signal Processing (AREA)
  • Quality & Reliability (AREA)
  • Food Science & Technology (AREA)
  • Medicinal Chemistry (AREA)
  • Crystallography & Structural Chemistry (AREA)
  • Geometry (AREA)
  • Length Measuring Devices By Optical Means (AREA)
  • Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

本申请涉及焊缝质量检测方法、装置、系统及电子设备。本申请实施例提供的焊缝质量检测方法，通过获取目标焊接物的点云数据，并将点云数据转换为高度图，从高度图中，确定出用于表征目标焊缝的焊缝区域，再对焊缝区域进行分析，获得目标焊缝的特征参数，最后，根据特征参数，获得目标焊缝的质量检测结果，其中，目标焊接物包括基材、焊接件，以及将焊接件焊接于基材上形成的目标焊缝。本申请实施例提供的焊缝质量检测方法、装置、系统及电子设备能够提高质量检测结果的准确度，例如，该焊缝质量检测方法能够应用于周边焊的焊缝质量检测，以检测出面积大于0.5mm2，深度大于0.2mm的焊缝缺陷，具有较强的实际应用价值。

Description

焊缝质量检测方法、装置、系统及电子设备
技术领域
本申请涉及工业制造技术领域，具体而言，涉及焊缝质量检测方法、装置、系统及电子设备。
背景技术
在工业制造技术领域，通常会涉及焊接工序，而焊接工序对焊接工具的精度要求颇高，在焊接工序中，若焊接工具精度较低，控制不到位，则会使得焊缝表面出现凸凹不平、气孔、凹陷、炸点等缺陷，最终，影响产品质量和使用寿命，因此，在产品出厂之前，通常需要对焊缝质量进行检测，以剔除焊缝质量不合格的产品，从而提高产品良率。然而，目前大多数的产品制造商还是采用人工检测的方法对焊缝质量进行检测，这种方法受检测人员的熟练程度、疲劳程度、情绪高低等因素的影响，而无法保证检测结果的准确度。
发明内容
本申请实施例的目的在于，提供一种焊缝质量检测方法、装置、系统及电子设备，以解决上述问题。
第一方面，本申请实施例提供的焊缝质量检测方法，包括：
获取目标焊接物的点云数据，并将点云数据转换为高度图，目标焊接物包括基材、焊接件，以及将焊接件焊接于基材上形成的目标焊缝；
从高度图中，确定出用于表征目标焊缝的焊缝区域；
对焊缝区域进行分析，获得目标焊缝的特征参数；
根据特征参数，获得目标焊缝的质量检测结果。
本申请实施例提供的焊缝质量检测方法，通过获取目标焊接物的点云数据，并将点云数据转换为高度图，从高度图中，确定出用于表征目标焊缝的焊缝区域，再对焊缝区域进行分析，获得目标焊缝的特征参数，最后，根据特征参数，获得目标焊缝的质量检测结果，其中，目标焊接物包括基材、焊接件，以及将焊接件焊接于基材上形成的目标焊缝。相对于现有技术中，采用人工检测的方法对焊缝质量进行检测的方案而言，本申请实施例提供的焊缝质量检测方法基于机器视觉技术，获得目标焊缝的质量检测结果，避免了人工参与，因此，能够提高质量检测结果的准确度，例如，本申请实施例提供的焊缝质量检测方法能够应用于周边焊的焊缝质量检测，以检测出面积大于0.5mm2，深度大于0.2mm的焊缝缺陷，具有较强的实际应用价值。
结合第一方面，本申请实施例还提供了第一方面的第一种可选的实施方式，从高度图中，确定出用于表征目标焊缝的焊缝区域之前，焊缝质量检测方法，还包括：
对高度图进行预处理，预处理包括滤波处理和/或纠偏处理。
在上述实施方式中，从高度图中，确定出用于表征目标焊缝的焊缝区域之前，焊缝质量检测方法还包括，对高度图进行预处理，其中，预处理包括滤波处理和/或纠偏处理，从而提高高度图的图像质量，以进一步地提高质量检测结果的准确度。
结合第一方面的第一种可选的实施方式，本申请实施例还提供了第一方面的第二种可选的实施方式，预处理包括纠偏处理，对高度图进行预处理，包括：
对高度图进行边缘检测，确定出目标焊接物中，焊接侧的边缘直线；
获取边缘直线与预设参考线之间的夹角值；
获取参考点，并以参考点为旋转中心，夹角值为旋转角度，获得旋转矩阵；
基于所述旋转矩阵，对所述高度图进行仿射变换，以实现对所述高度图的纠偏处理。
结合第一方面，本申请实施例还提供了第一方面的第三种可选的实施方式，从高度图中，确定出用于表征目标焊缝的焊缝区域，包括：
从高度图中，选取出第一感兴趣区域；
根据第一感兴趣区域内多个像素点与预设基准面的高度差值，确定出目标焊缝的第一边缘线和第二边缘线；
将第一边缘线与第二边缘线之间的区域图像，作为表征目标焊缝的焊缝区域。
结合第一方面的第三种可选的实施方式，本申请实施例还提供了第一方面的第四种可选的实施方式，根据第一感兴趣区域内多个像素点与预设基准面的高度差值，确定出目标焊缝的第一边缘线和第二边缘线，包括：
在第一感兴趣区域内，沿第一方向绘制多条搜索直线，且搜索直线与第一方向垂直，第一方向为第一感兴趣区域的长度方向；
针对多条搜索直线中的每条搜索直线，根据搜索直线上离散出的多个像素点与预设基准面的高度差值，在搜索直线上确定出目标焊缝的第一边缘点和第二边缘点；
对多条搜索直线中，每条搜索直线上的第一边缘点进行拟合，获得目标焊缝的第一边缘线；
对多条搜索直线中，每条搜索直线上的第二边缘点进行拟合，获得目标焊缝的第二边缘线。
结合第一方面的第四种可选的实施方式，本申请实施例还提供了第一方面的第五种可选的实施方式，根据搜索直线上离散出的多个像素点与预设基准面的高度差值，在搜索直线上确定出目标焊缝的第一边缘点和第二边缘点，包括：
针对搜索直线上离散出的多个像素点中的每个像素点，获取像素点与预设基准面的高度差值；
从搜索直线上离散出的多个像素点中，获取与预设基准面的高度差值最大的像素点，作为峰值点；
从搜索直线上离散出的多个像素点中，选取出位于峰值点的第一方位、与峰值点的距离值满足预设距离要求，且与预设基准面的高度差值最小的像素点，作为第一辅助点，并从第二辅助点与第三辅助点之间选取出与预设基准面的高度差值最小的亚像素点，作为第一边缘点，第二辅助点为与第一辅助点相邻，且位于第一辅助点第一方位的像素点，第三辅助点为与第一辅助点相邻，且位于第一辅助点第二方位的像素点，第二方位与第一方位关于峰值点对称；
从搜索直线上离散出的多个像素点中，选取出位于峰值点的第二方位、与预设基准面的高度差值位于预设高度值区间，且与峰值点的距离值最接近第一边缘点与峰值点距离值的像素点，作为第四辅助点，并从第五辅助点与第六辅助点之间选取出与预设基准面的高度差值最小的亚像素点，作为第二边缘点，第五辅助点为与第四辅助点相邻，且位于第四辅助点第一方位的像素点，第六辅助点为与第四辅助点相邻，且位于第四辅助点第二方位的像素点。
结合第一方面，本申请实施例还提供了第一方面的第六种可选的实施方式，对焊缝区域进行分析，获得目标焊缝的特征参数，包括：
在焊缝区域上，沿第二方向设置多个扫描窗口，以将焊缝区域划分为多个子区域图像，第二方向为焊缝区域的长度方向；
针对多个子区域图像中的每个子区域图像，获得子区域图像所表征子目标焊缝的体积参数，以获得多个体积参数；
将多个体积参数中数值最小的体积参数，作为目标焊缝的特征参数。
结合第一方面的第六种可选的实施方式，本申请实施例还提供了第一方面的第七种可选的实施方式，获得子区域图像所表征的子目标焊缝的体积参数，包括：
根据子区域图像内每个像素点与预设基准面的高度差值，利用二重积分计算子区域图像所表征的子目标焊缝的体积参数。
结合第一方面，本申请实施例还提供了第一方面的第八种可选的实施方式，根据特征参数，获得目标焊缝的质量检测结果，包括：
判断特征参数是否位于预设参数范围内；
若特征参数位于预设参数范围内，则目标焊缝的质量检测结果为合格；
若特征参数超出预设参数范围内，则目标焊缝的质量检测结果为不合格。
结合第一方面，本申请实施例还提供了第一方面的第九种可选的实施方式，根据特征参数，获得目标焊缝的质量检测结果，包括：
将特征参数输入预设的分类模型，并获得分类模型的输出结果，输出结果包括用于表征目标焊缝的质量检测结果为合格的第一结果，以及用于表征目标焊缝的质量检测结果为不合格的第二结果。
结合第一方面的第九种可选的实施方式，本申请实施例还提供了第一方面的第十种可选的实施方式，将特征参数输入预设的分类模型，并获得分类模型的输出结果之前，焊缝质量检测方法，还包括：
获取第一目标数量个标准焊接物中，每个标准焊接物包括的标准焊缝的特征参数，作为标准参数，以获得第一目标数量条标准参数；
获取第二目标数量个次品焊接物中，每个次品焊接物包括的不合格焊缝的特征参数，作为不合格参数，以获得第二目标数量条不合格参数；
通过第一目标数量条标准参数和第二目标数量条不合格参数，对初始学习模型进行训练，获得分类模型。
第二方面，本申请实施例提供了一种焊缝质量检测装置，包括：
图像获取模块，用于获取目标焊接物的点云数据，并将点云数据转换为高度图，目标焊接物包括基材、焊接件，以及将焊接件焊接于基材上形成的目标焊缝，目标焊缝位于焊接侧；
定位模块，用于从高度图中，确定出用于表征目标焊缝的焊缝区域；
图像分析模块，用于对焊缝区域进行分析，获得目标焊缝的特征参数；
结果获取模块，用于根据特征参数，获得目标焊缝的质量检测结果。
本申请实施例提供的焊缝质量检测装置具有与上述第一方面，或第一方面的任意一种可选的实施方式所提供的焊缝质量检测方法相同的有益效果，此处不作赘述。
第三方面，本申请实施例提供了一种电子设备，包括处理器和存储器，存储器上存储有计算机程序，处理器用于执行计算机程序，以实现上述第一方面，或第一方面的任意一种可选的实施方式提供的焊缝质量检测方法。
本申请实施例提供电子设备具有与上述第一方面，或第一方面的任意一种可选的实施方式所提供的焊缝质量检测方法相同的有益效果，此处不作赘述。
第四方面，本申请实施例提供了一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被执行时，实现上述第一方面，或第一方面的任意一种可选的实施方式提供的焊缝质量检测方法。
本申请实施例提供的计算机可读存储介质具有与上述第一方面，或第一方面的任意一种可选的实施方式所提供的焊缝质量检测方法相同的有益效果，此处不作赘述。
第五方面，本申请实施例提供了一种焊缝质量检测系统，包括运行控制组件、控制器、数据采集器和上述第三方面提供的电子设备，控制器分别与运行控制组件和数据采集器连接，数据采集器还与电子设备连接；
运行控制组件用于搭载目标焊接物，并运行；
控制器用于在运行控制组件搭载目标焊接物运行至目标位置时，控制数据采集器采集目标焊接物中，焊接侧的点云数据；
数据采集器用于将点云数据发送给电子设备；
电子设备用于获取目标焊接物的点云数据，并将点云数据转换为高度图，从高度图中，确定出用于表征目标焊缝的焊缝区域，对焊缝区域进行分析，获得目标焊缝的特征参数，根据特征参数，获得目标焊缝的质量检测结果，目标焊接物包括基材、焊接件，以及将焊接件焊接于基材上形成的目标焊缝，目标焊缝位于焊接侧。
本申请实施例提供的焊缝质量检测系统具有与上述第一方面，或第一方面的任意一种可选的实施方式所提供的焊缝质量检测方法相同的有益效果，此处不作赘述。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1为本申请实施例提供的一种焊缝质量检测系统的结构示意图。
图2为本申请实施例提供的一种焊缝质量检测系统的示意性结构框图。
图3为本申请实施例提供的一种焊缝质量检测方法的步骤流程图。
图4为本申请实施例提供的一种动力电池的焊接装配示意图。
图5为本申请实施例提供的一种对高度图进行纠偏处理的过程示意图。
图6为本申请实施例提供的一种高度图中第一感兴趣区域的位置示意图。
图7为本申请实施例提供的一种多条搜索直线的绘制方式示意图。
图8为本申请实施例提供的一种目标焊缝的剖面图。
图9为图8中Q1部分的放大图。
图10为图8中Q2部分的放大图。
图11为本申请实施例提供的一种扫描窗口的设置示意图。
图12为本申请实施例提供的扫描窗口的另一种设置示意图。
图13为本申请实施例提供的一种子目标焊缝的体积参数计算过程辅助说明图。
图14为本申请实施例提供的另一种子目标焊缝的体积参数计算过程辅助说明图。
图15为本申请实施例提供的扫描窗口的另一种设置示意图。
图16为本申请实施例提供的一种焊缝质量检测装置的结构示意图。
附图标记：100-焊缝质量检测系统；110-运行控制组件；111-基板；112- 滑轨；113-夹具；114-引导控制组件；120-控制器；130-数据采集器；140- 电子设备；150-第一安装架；151-夹持部；200-动力电池；210-电池外壳； 211-开口；220-电池盖板；221-外侧面；230-目标焊缝；300-焊缝质量检测装置；310-图像获取模块；320-定位模块；330-图像分析模块；340-结果获取模块。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行描述。此外，应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
请参阅图1和图2，本申请实施例中，焊缝质量检测系统100包括运行控制组件110、控制器120、数据采集器130和电子设备140，控制器120 分别与运行控制组件110和数据采集器130连接，数据采集器130还与电子设备140连接。
运行控制组件110用于搭载目标焊接物，并运行。
本申请实施例中，运行控制组件110可以包括基板111、滑轨112、夹具113和引导控制组件114，其中，滑轨112设置于基板111上，夹具113 设置于滑轨112上，且能够在引导控制组件114的控制作用下，沿滑轨112 的长度方向运行，夹具113用于夹持目标焊接物，且目标焊接物中，焊接侧背离滑轨112。
控制器120用于在运行控制组件110搭载目标焊接物运行至目标位置时，控制数据采集器130采集目标焊接物中，焊接侧的点云数据。
本申请实施例中，控制器120可以是，但不限于可编程逻辑控制器120(Programmable Logic Controller，PLC)。本申请实施例中，控制器120具体可以与引导控制组件114连接，用于在目标焊接物夹持于夹具113，且焊接侧背离滑轨112时，通过引导控制组件114控制夹具113沿滑轨112的长度方向运行，并在夹具113夹持目标焊接物运行至目标位置时，控制数据采集器130采集目标焊接物中，焊接侧的点云数据。此外，本申请实施例中，控制器120可以根据控制组件搭载目标焊接物运行的运行时长和运行速度，判断运行控制组件110是否搭载目标焊接物运行至目标位置。
对于数据采集器130，本申请实施例中，其可以是激光轮廓传感器，例如，LMI2520线轮廓传感器。实际实施时，数据采集器130可以通过第一安装架150设置于基板111的上方，具体地，数据采集器130可以夹持于第一安装架150上设置的夹持部151。
数据采集器130用于将点云数据发送给电子设备140。
电子设备140用于获取目标焊接物的点云数据，并将点云数据转换为高度图，从高度图中，确定出用于表征目标焊缝的焊缝区域，对焊缝区域进行分析，获得目标焊缝的特征参数，根据特征参数，获得目标焊缝的质量检测结果，目标焊接物包括基材、焊接件，以及将焊接件焊接于基材上形成的目标焊缝。对于电子设备140，本申请实施例中，其可以是服务器，例如，网络服务器、数据库服务器等，也可以是终端设备，例如，工业计算机，而在结构上，电子设备140可以包括处理器和存储器。
处理器和存储器直接或间接地电性连接，以实现数据的传输或交互，例如，这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。焊缝质量检测装置包括至少一个可以软件或固件(Firmware)的形式存储在存储器中或固化在电子设备140的操作系统(Operating System，OS) 中的软件模块。处理器用于执行存储器中存储的可执行模块，例如，焊缝质量检测装置所包括的软件功能模块及计算机程序等，以实现焊缝质量检测方法。
处理器可以在接收到执行指令后，执行计算机程序。其中，处理器可以是一种集成电路芯片，具有信号处理能力。处理器也可以是通用处理器，例如，可以是数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific IntegratedCircuit，ASIC)、分立门或晶体管逻辑器件、分立硬件组件，可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图，此外，通用处理器可以是微处理器或者任何常规处理器等。
存储器可以是，但不限于，随机存取存储器(Random Access Memory， RAM)、只读存储器(Read Only Memory，ROM)、可编程只读存储器 (Programmable Read-Only Memory，PROM)、可擦可编程序只读存储器 (Erasable Programmable Read-Only Memory，EPROM)，以及电可擦编程只读存储器(Electric Erasable Programmable Read-Only Memory，EEPROM)。存储器用于存储程序，处理器在接收到执行指令后，执行该程序。
应当理解，以上描述的结构仅为示意，本申请实施例提供的电子设备 140还可以具有比以上描述内容更少或更多的组件，或是具有与以上描述内容不同的配置。
请参阅图3，为本申请实施例提供的焊缝质量检测方法的流程示意图，该方法应用于图2所示的电子设备。所应说明的是，本申请实施例提供的焊缝质量检测方法不以图3及以下所示的顺序为限制，以下结合图3对本申请实施例提供的焊缝质量检测方法的具体流程及步骤进行描述。
步骤S100，获取目标焊接物的点云数据，并将点云数据转换为高度图，目标焊接物包括基材、焊接件，以及将焊接件焊接于基材上形成的目标焊缝。
本申请实施例中，目标焊接物可以是，但不限于石化、汽车、船舶、电力能源、包装盒制造等工业产品。请结合图4，以目标焊接物为动力电池 200为例，基材可以为电池外壳210，焊接件可以是电池盖板220，而电池外壳210可以呈矩形开口211结构，电池盖板220与电池外壳210中开口 211的形状大小匹配，当电池盖板220安装于电池外壳210的开口211处时，电池盖板220的外侧面221与电池外壳210的开口211处齐平，但还是需要通过焊接工序，将电池盖板220焊接于电池外壳210上，以实现固定，而将电池盖板220焊接于电池外壳210上形成的目标焊缝230，正是位于电池盖板220的外侧面221与电池外壳210的开口211处齐平之后，形成的接合处。
此外，需要说明的是，本申请实施例中，高度图可以理解为点云数据转换的灰度图，针对高度图中的每个像素点，可以根据该像素点的灰度值，获取该像素点的高度值，而像素点的高度值可以理解为目标焊接物上，该像素点所表征位置与数据采集器的距离值。
步骤S200，从高度图中，确定出用于表征目标焊缝的焊缝区域。
本申请实施例中，为提高高度图的图像质量，在执行步骤S200之前，还可以包括步骤S001，对高度图进行预处理，预处理包括滤波处理和/或纠偏处理。
本申请实施例中，滤波处理的方法可以是，但不限于均值滤波、中值滤波、高斯滤波、双边滤波等，以高斯滤波为例，其原理为针对高度图中的每个像素点，通过预设的掩膜版扫描该像素点，并利用掩膜版所在区域内，所有像素点的加权平均灰度值替换位于掩膜版所在区域中心像素点的灰度值，从而平滑高度图，而实际实施时，采用的高斯滤波函数可以是 OpenCV的GaussianBlur函数，掩膜版可以为5*5个像素点。
对于纠偏处理，本申请实施例中，作为一种可选的实施方式，其可以通过对高度图进行边缘检测，确定出目标焊接物中，焊接侧的边缘直线，获取边缘直线与预设参考线之间的夹角值，再获取参考点，并以参考点为旋转中心，夹角值为旋转角度，获得旋转矩阵，最后，基于旋转矩阵，对高度图进行仿射变换，以实现对高度图的纠偏处理。实际实施时，可以通过Sobel算子，以预设的搜索参数在高度图的第二感兴趣区域内，获取多个焊接物边缘点，再对多个焊接物边缘点进行拟合，确定出目标焊接物中，焊接侧的边缘直线，而预设参考线可以是高度图中任意一条竖直线或水平线，参考点可以是高度图中任一像素点，例如，高度图中目标焊接物所在区域的中心点。
以图5所示对高度图进行纠偏处理的过程为例，预设参考线为高度图中的竖直线A，参考点为高度图中目标焊接物所在区域的中心点B，以参考点为旋转中心，边缘直线与预设参考线之间的夹角值a为旋转角度，获得旋转矩阵，最后，基于旋转矩阵，对高度图进行仿射变换，以实现对高度图的纠偏处理。
此外，需要说明的是，本申请实施例中，感兴趣区域是指机器视觉、图像处理过程中，从被处理图像中，以矩形框、圆、椭圆、不规则多边形等形状框架勾勒出的待处理区域。实际实施时，可以通过Halcon、OpenCV、 Matlab等机器视觉软件上常用到各种算子(Operator)和函数来获取第二感兴趣区域。此外，本申请实施例中，多个焊接物边缘点可以是，但不限于3 个、5个、10个，获取到多个焊接物边缘点之后，可以通过最小二乘法对多个焊接物边缘点进行拟合，确定出目标焊接物中，焊接侧的边缘直线。
通过对高度图进行预处理，能够提高高度图的图像质量，如此，在执行后续步骤200、步骤S300和步骤S400，最终，获得目标焊缝的质量检测结果时，便能够进一步地提高质量检测结果的准确度。
而对于步骤S200，本申请实施例中，作为一种可选的实施方式，其可以包括步骤S210、步骤S220和步骤S230。
步骤S210，从高度图中，选取出第一感兴趣区域。
以图6所示高度图为例，该高度图为目标焊接物中，焊接侧的高度图，也可以理解为，该高度图为目标焊接物的俯视图。此外，本申请实施例中，从高度图中选取出的第一感兴趣区域C可以是矩形框勾勒出的待处理区域，该待处理区域中包括焊接区域图像。
步骤S220，根据第一感兴趣区域内多个像素点与预设基准面的高度差值，确定出目标焊缝的第一边缘线和第二边缘线。
本申请实施例中，针对第一感兴趣区域内的每个像素点，可以根据该像素点的灰度值，获取该像素点的高度值，该像素点的高度值可以理解为目标焊接物上，该像素点对应位置与数据采集器的距离值，而该像素点与预设基准面的高度差值可以理解为目标焊接物上，该像素点的高度值与预设基准面的高度值之间的差值，同样，可以理解的是，预设基准面的高度值为预设基准面与数据采集器的距离值。进一步地，对于步骤S220，本申请实施例中，作为一种可选的实施方式，其可以包括步骤S221、步骤S222、步骤S223和步骤S224。
步骤S221，在第一感兴趣区域内，沿第一方向绘制多条搜索直线，且搜索直线与第一方向垂直，第一方向为第一感兴趣区域的长度方向。
请参阅图7，本申请实施例中，可以在第一感兴趣区域C内，沿第一方向，以第一预设长度为间隔距离，绘制多条搜索直线D，且搜索直线D 与第一方向垂直，其中，第一方向为第一感兴趣区域C的长度方向，而第一预设长度可以是，但不限于10个像素点、20个像素点、30个像素点。
步骤S222，针对多条搜索直线中的每条搜索直线，根据搜索直线上离散出的多个像素点与预设基准面的高度差值，在搜索直线上确定出目标焊缝的第一边缘点和第二边缘点。
对于步骤S222中包括的根据搜索直线上离散出的多个像素点与预设基准面的高度差值，在搜索直线上确定出目标焊缝的第一边缘点和第二边缘点，本申请实施例中，作为一种可选的实施方式，其也可以具体为：针对搜索直线上离散出的多个像素点中的每个像素点，获取像素点与预设基准面的高度差值，从搜索直线上离散出的多个像素点中，获取与预设基准面的高度差值最大的像素点，作为峰值点，此后，从搜索直线上离散出的多个像素点中，选取出位于峰值点的第一方位、与峰值点的距离值满足预设距离要求，且与预设基准面的高度差值最小的像素点，作为第一辅助点，并从第二辅助点与第三辅助点之间选取出与预设基准面的高度差值最小的亚像素点，作为第一边缘点，第二辅助点为与第一辅助点相邻，且位于第一辅助点第一方位的像素点，第三辅助点为与第一辅助点相邻，且位于第一辅助点第二方位的像素点，第二方位与第一方位关于峰值点对称，最后，再从搜索直线上离散出的多个像素点中，选取出位于峰值点的第二方位、与预设基准面的高度差值位于预设高度值区间，且与峰值点的距离值最接近第一边缘点与峰值点距离值的像素点，作为第四辅助点，并从第五辅助点与第六辅助点之间选取出与预设基准面的高度差值最小的亚像素点，作为第二边缘点，第五辅助点为与第四辅助点相邻，且位于第四辅助点第一方位的像素点，第六辅助点为与第四辅助点相邻，且位于第四辅助点第二方位的像素点，其中，预设距离要求、预设高度值区间可以根据目标焊接物的产品要求具体设定，本申请实施例对此不作具体限制。此外，需要说明的是，本申请实施例中，对于第一辅助点与第二辅助点之间划分的亚像素点个数、第一辅助点与第三辅助点之间划分的亚像素点个数、第四辅助点与第五辅助点之间划分的亚像素点个数、第四辅助点与第六辅助点之间划分的亚像素点个数均不作限制。
需要说明的是，本申请实施例中，第一方位可以是峰值点朝向目标焊缝外侧的方位，也可以是峰值点朝向目标焊缝内侧的方位，若第一方位为峰值点朝向目标焊缝外侧的方位，则第一边缘点为目标焊缝的外侧边缘点，第二边缘点为目标焊缝的内侧边缘点，若第一方位为峰值点朝向目标焊缝内侧的方位，则第一边缘点为目标焊缝的内侧边缘点，第二边缘点为目标焊缝的外侧边缘点。
此外，还需要说明的是，本申请实施例中，预设基准面可以是目标焊接物中焊接件上，高度平缓的区域，以目标焊接物为动力电池为例，预设基准面可以是电池盖板上，高度平缓的区域，也可以理解为，预设基准面可以是电池盖板上，未形成目标焊缝的平缓区域，且该区域与目标焊缝的底部共面。
以下，将结合图8、图9和图10，对步骤S222的具体流程及步骤进行进一步描述，其中，图9为图8中Q1部分的放大图，图10为图8中Q2 部分的放大图。
以图7所示的搜索直线D1为例，首先，针对搜索直线D1上离散出的多个像素点中的每个像素点，获取该像素点与预设基准面之间的高度差值。为方便理解，本申请实施例中，可以模拟出图7所示感兴趣区域对应目标焊缝的E-E向剖面图，也即，搜索直线D1位置处对应目标焊缝的剖面图，如图8所示。
针对搜索直线D1上离散出的多个像素点中的每个像素点，获取该像素点与预设基准面之间的高度差值之后，可以从搜索直线D1上离散出的多个像素点中，获取与预设基准面的高度差值最大的像素点，作为峰值点。为方便描述，本申请实施例中，可以将峰值点记作Nmax。
此后，从搜索直线D1上离散出的多个像素点中，选取出位于峰值点 Nmax的第一方位、与峰值点Nmax的距离值满足预设距离要求，且与预设基准面的高度差值最小的像素点，作为第一辅助点，并从第二辅助点与第三辅助点之间选取出与预设基准面的高度差值最小的亚像素点，作为第一边缘点。以第一方位为峰值点Nmax朝向目标焊缝外侧的方位为例，也即，图7和图8中，峰值点Nmax的右侧方位为例，可以从搜索直线D1上离散出的多个像素点中，选取出位于峰值点Nmax右侧方位，与峰值点Nmax 的距离值满足预设距离要求，且与预设基准面的高度差值最小的像素点，作为第一辅助点，记作N1，再从第二辅助点N2与第三辅助点N3之间选取出与预设基准面的高度差值最小的亚像素点，作为第一边缘点，记作N11。
最后，从搜索直线D1上离散出的多个像素点中，选取出位于峰值点 Nmax的第二方位、与预设基准面的高度差值位于预设高度值区间，且与峰值点Nmax的距离值L1最接近第一边缘点N11与峰值点Nmax距离值的像素点，作为第四辅助点，记作N4，再从第五辅助点N5与第六辅助点N6 之间选取出与预设基准面的高度差值最小的亚像素点，作为第二边缘点，记作N21。
步骤S223，对多条搜索直线中，每条搜索直线上的第一边缘点进行拟合，获得目标焊缝的第一边缘线。
步骤S224，对多条搜索直线中，每条搜索直线上的第二边缘点进行拟合，获得目标焊缝的第二边缘线。
需要说明的是，本申请实施例中，目标焊缝的第一边缘线可以是直线，也可以是曲线，同样，目标焊缝的第二边缘线可以是直线，也可以是曲线，本申请实施例中对此不作具体限制。
步骤S230，将第一边缘线与第二边缘线之间的区域图像，作为表征目标焊缝的焊缝区域。
步骤S300，对焊缝区域进行分析，获得目标焊缝的特征参数。
本申请实施例中，目标焊缝的特征参数可以理解为目标焊缝的整体体积参数，而目标焊缝的整体体积参数可以根据焊缝区域内每个像素点与预设基准面的高度差值，利用二重积分计算获得。但为进一步地提高质量检测结果的准确度，对于步骤S300，本申请实施例中，作为一种可选的实施方式，其也可以包括步骤S310、步骤S320和步骤S330。
步骤S310，在焊缝区域上，沿第二方向设置多个扫描窗口，以将焊缝区域划分为多个子区域图像，第二方向为焊缝区域的长度方向。
本申请实施例中，扫描窗口的长度可以根据目标焊接物的产品要求具体设定，本申请实施例对此不作具体限制，此外，本申请实施例中，扫描窗口可以是正方形，也可以为长方形，本申请实施例对此同样不作限制。请结合图11，在设定好扫描窗口的长度之后，可以在焊缝区域上，沿第二方向，以第二预设长度作为步进值，设置多个扫描窗口，分别表征为M1、 M2、M3……Mn-1、Mn，以将焊缝区域划分为多个子区域图像，或请结合图12，在设定好扫描窗口的长度之后，可以在焊缝区域上，沿第二方向，以第二预设长度作为步进值，设置多个扫描窗口，分别表征为M1、M2、 M3……M2n-2、M2n-1，其中，第二方向为焊缝区域的长度方向，第二预设长度可以与扫描窗口的长度相等(如图11所示)，也可以是扫描窗口长度的1/2(如图12所示)，或其他数值。
步骤S320，针对多个子区域图像中的每个子区域图像，获得子区域图像所表征子目标焊缝的体积参数，以获得多个体积参数。
本申请实施例中，针对多个子区域图像中的每个子区域图像，可以根据该子区域图像内每个像素点与预设基准面的高度差值，利用二重积分计算该子区域图像所表征的子目标焊缝的体积参数。以图11或图12所示的任意扫描窗口划分的子区域图像为例，可以建立X轴和Y轴位于预设基准面上，且X轴方向为焊缝区域的宽度方向，Y轴方向为第二方向，也即，焊缝区域的长度方向，Z轴垂直于预设基准面的三维坐标系O-XYZ，具体如图13所示，如此，子区域图像中，任意像素点的Z轴坐标值，便为该像素点与预设基准面的高度差值。基于此，对于步骤S320，本申请实施例中，作为第一种可选的实施方式，可以通过以下二重积分计算逻辑，计算该子区域图像所表征的子目标焊缝的体积参数。
Figure BDA0002458402280000151
其中，f(x，y)为子目标焊缝在Z轴上的截面积函数，D为积分区域，也即，子区域图像所在的区域。
请结合图14，对于步骤S320，本申请实施例中，作为第二种可选的实施方式，也可以沿Y轴方向，以一个像素点为单位，将子区域图像划分为多个积分单元，分别表征为W1、W2、W3……Wn-1、Wn，此后，针对每个积分单元，可以通过以下第一积分计算逻辑，计算该积分单元所表征的焊缝单元的体积参数。
Figure 1
其中，f(x)为焊缝单元在Z轴上的高度函数，a为扫描窗口在X轴方向上的长度值。
通过第一积分计算逻辑，获得多个积分单元中，每个积分单元所表征的焊缝单元的体积参数之后，可以通过以下第二积分计算逻辑，计算该子区域图像所表征的子目标焊缝的体积参数。
Figure BDA0002458402280000153
其中，f(y)为沿Y轴方向，积分单元所表征的焊缝单元的体积参数，也可以理解为，f(y)为子目标焊缝在Y轴上的截面积函数，b为扫描窗口在Y 轴方向上的长度值。
步骤S330，将多个体积参数中数值最小的体积参数，作为目标焊缝的特征参数。
需要说明的是，若第二预设长度为扫描窗口长度的1/2或更小的数值，则可以将多个体积参数中数值最小的体积参数，直接作为目标焊缝的特征参数，若第二预设长度与扫描窗口的长度相等，则可以在执行步骤S310和步骤S320而获得多个体积参数之后，以执行步骤S310时，获得的第一个扫描窗口的中心位置为窗口起始位置，再次沿第二方向设置多个扫描窗口，以将焊缝区域划分为多个子区域图像，并针对多个子区域图像中的每个子区域图像，获得子区域图像所表征子目标焊缝的体积参数，以再次获得多个体积参数，第一次获得多个体积参数过程中设置多个扫描窗口，分别表征为M1、M2、M3……Mn-1、Mn，以及第二次获得多个体积参数过程中设置多个扫描窗口，分别表征为M'1、M'2、M'3……M'n-1、M'n，如图15 所示，最后，将两次获得的多个体积参数中数值最小的体积参数，作为目标焊缝的特征参数。
步骤S400，根据特征参数，获得目标焊缝的质量检测结果。
对于步骤S400，本申请实施例中，作为第一种可选的实施方式，其可以通过判断特征参数是否位于预设参数范围内，若特征参数位于预设参数范围内，则目标焊缝的质量检测结果为合格，若特征参数超出预设参数范围内，则目标焊缝的质量检测结果为不合格。其中，预设参数范围可以根据目标焊接物的产品要求具体设定，本申请实施例对此不作具体限制。
为进一步提高质量检测结果的准确度，对于步骤S400，本申请实施例中，作为第二种可选的实施方式，其也可以通过将特征参数输入预设的分类模型，并获得分类模型的输出结果实现，而输出结果包括用于表征目标焊缝的质量检测结果为合格的第一结果，以及用于表征目标焊缝的质量检测结果为不合格的第二结果。
基于以上描述，本申请实施例提供的焊缝质量检测方法，在将特征参数输入预设的分类模型，并获得分类模型的输出结果之前，还可以包括：获取第一目标数量个标准焊接物中，每个标准焊接物包括的标准焊缝的特征参数，作为标准参数，以获得第一目标数量条标准参数，获取第二目标数量个次品焊接物中，每个次品焊接物包括的不合格焊缝的特征参数，作为不合格参数，以获得第二目标数量条不合格参数，以及通过第一目标数量条标准参数和第二目标数量条不合格参数，对初始学习模型进行训练，获得分类模型，需要说明的是，再对初始学习模型进行训练的过程中，还将运用到每个标准焊接物中，标准焊缝的焊缝区域轮廓参数，以及每个次品焊接物中，不合格焊缝的焊缝区域轮廓参数。此外，本申请实施例中，初始学习模型可以是支持向量机(Support Vector Machine，SVM)。
基于与上述焊缝质量检测方法同样的发明构思，本申请实施例还提供了一种焊缝质量检测装置300。请参阅图16，本申请实施例提供的焊缝质量检测装置300包括图像获取模块310、定位模块320、图像分析模块330 和结果获取模块340。
图像获取模块310，用于获取目标焊接物的点云数据，并将点云数据转换为高度图，目标焊接物包括基材、焊接件，以及将焊接件焊接于基材上形成的目标焊缝。
关于图像获取模块310的描述具体可参考对图3中所示的步骤S100的详细描述，也即，步骤S100可以由图像获取模块310执行。
定位模块320，用于从高度图中，确定出用于表征目标焊缝的焊缝区域。
关于定位模块320的描述具体可参考对图3中所示的步骤S200的详细描述，也即，步骤S200可以由定位模块320执行。
图像分析模块330，用于对焊缝区域进行分析，获得目标焊缝的特征参数。
关于图像分析模块330的描述具体可参考对图3中所示的步骤S300的详细描述，也即，步骤S300可以由图像分析模块330执行。
结果获取模块340，用于根据特征参数，获得目标焊缝的质量检测结果。
根据特征参数，获得目标焊缝的质量检测结果，可以包括：
判断特征参数是否位于预设参数范围内；
若特征参数位于预设参数范围内，则目标焊缝的质量检测结果为合格；
若特征参数超出预设参数范围内，则目标焊缝的质量检测结果为不合格。
判断特征参数是否位于预设参数范围内，也可以包括：
将特征参数输入预设的分类模型，并获得分类模型的输出结果，输出结果包括用于表征目标焊缝的质量检测结果为合格的第一结果，以及用于表征目标焊缝的质量检测结果为不合格的第二结果。
基于此，将特征参数输入预设的分类模型，并获得分类模型的输出结果之前，焊缝质量检测方法，还包括：
获取第一目标数量个标准焊接物中，每个标准焊接物包括的标准焊缝的特征参数，作为标准参数，以获得第一目标数量条标准参数；
获取第二目标数量个次品焊接物中，每个次品焊接物包括的不合格焊缝的特征参数，作为不合格参数，以获得第二目标数量条不合格参数；
通过第一目标数量条标准参数和第二目标数量条不合格参数，对初始学习模型进行训练，获得分类模型。
关于结果获取模块340的描述具体可参考对图3中所示的步骤S400的详细描述，也即，步骤S400可以由结果获取模块340执行。
本申请实施例提供的焊缝质量检测装置300，还可以包括预处理模块。
预处理模块，用于对高度图进行预处理，预处理包括滤波处理和/或纠偏处理。
预处理包括纠偏处理，对高度图进行预处理，可以包括：
对高度图进行边缘检测，确定出目标焊接物中，焊接侧的边缘直线；
获取边缘直线与预设参考线之间的夹角值；
获取参考点，并以参考点为旋转中心，夹角值为旋转角度，获得旋转矩阵；
基于旋转矩阵，对高度图进行仿射变换，以实现对高度图的纠偏处理。
关于预处理模块的描述具体可参考上述焊缝质量检测方法相关实施例中关于步骤S001的详细描述，也即，步骤S001可以由预处理模块执行。
本申请实施例中，定位模块320可以包括区域选取单元、边缘线确定单元和图像获取单元。
区域选取单元，用于从高度图中，选取出第一感兴趣区域。
关于区域选取单元的描述具体可参考上述焊缝质量检测方法相关实施例中关于步骤S210的详细描述，也即，步骤S210可以由区域选取单元执行。
边缘线确定单元，用于根据第一感兴趣区域内多个像素点与预设基准面的高度差值，确定出目标焊缝的第一边缘线和第二边缘线。
关于边缘线确定单元的描述具体可参考上述焊缝质量检测方法相关实施例中关于步骤S220的详细描述，也即，步骤S220可以由边缘线确定单元执行。
图像获取单元，用于将第一边缘线与第二边缘线之间的区域图像，作为表征目标焊缝的焊缝区域。
关于图像获取单元的描述具体可参考上述焊缝质量检测方法相关实施例中关于步骤S230的详细描述，也即，步骤S230可以由图像获取单元执行。
本申请实施例中，边缘线确定单元可以包括绘制子单元、边缘点确定子单元、第一边缘线确定子单元和第二边缘线确定子单元。
绘制子单元，用于在第一感兴趣区域内，沿第一方向绘制多条搜索直线，且搜索直线与第一方向垂直，第一方向为第一感兴趣区域的长度方向。
关于绘制子单元的描述具体可参考上述焊缝质量检测方法相关实施例中关于步骤S221的详细描述，也即，步骤S221可以由绘制子单元执行。
边缘点确定子单元，用于针对多条搜索直线中的每条搜索直线，根据搜索直线上离散出的多个像素点与预设基准面的高度差值，在搜索直线上确定出目标焊缝的第一边缘点和第二边缘点。
根据搜索直线上离散出的多个像素点与预设基准面的高度差值，在搜索直线上确定出目标焊缝的第一边缘点和第二边缘点，可以包括：
针对搜索直线上离散出的多个像素点中的每个像素点，获取像素点与预设基准面的高度差值；
从搜索直线上离散出的多个像素点中，获取与预设基准面的高度差值最大的像素点，作为峰值点；
从搜索直线上离散出的多个像素点中，选取出位于峰值点的第一方位、与峰值点的距离值满足预设距离要求，且与预设基准面的高度差值最小的像素点，作为第一辅助点，并从第二辅助点与第三辅助点之间选取出与预设基准面的高度差值最小的亚像素点，作为第一边缘点，第二辅助点为与第一辅助点相邻，且位于第一辅助点第一方位的像素点，第三辅助点为与第一辅助点相邻，且位于第一辅助点第二方位的像素点，第二方位与第一方位关于峰值点对称；
从搜索直线上离散出的多个像素点中，选取出位于峰值点的第二方位、与预设基准面的高度差值位于预设高度值区间，且与峰值点的距离值最接近第一边缘点与峰值点距离值的像素点，作为第四辅助点，并从第五辅助点与第六辅助点之间选取出与预设基准面的高度差值最小的亚像素点，作为第二边缘点，第五辅助点为与第四辅助点相邻，且位于第四辅助点第一方位的像素点，第六辅助点为与第四辅助点相邻，且位于第四辅助点第二方位的像素点。
关于边缘点确定子单元的描述具体可参考上述焊缝质量检测方法相关实施例中关于步骤S222的详细描述，也即，步骤S222可以由边缘点确定子单元执行。
第一边缘线确定子单元，用于对多条搜索直线中，每条搜索直线上的第一边缘点进行拟合，获得目标焊缝的第一边缘线。
关于第一边缘线确定子单元的描述具体可参考上述焊缝质量检测方法相关实施例中关于步骤S223的详细描述，也即，步骤S223可以由第一边缘线确定子单元执行。
第二边缘线确定子单元，用于对多条搜索直线中，每条搜索直线上的第二边缘点进行拟合，获得目标焊缝的第二边缘线。
关于第二边缘线确定子单元的描述具体可参考上述焊缝质量检测方法相关实施例中关于步骤S224的详细描述，也即，步骤S224可以由第二边缘线确定子单元执行。
本申请实施例中，图像分析模块330可以包括窗口设置单元、第一参数获取单元和第二参数获取单元。
窗口设置单元，用于在焊缝区域上，沿第二方向设置多个扫描窗口，以将焊缝区域划分为多个子区域图像，第二方向为焊缝区域的长度方向。
关于窗口设置单元的描述具体可参考上述焊缝质量检测方法相关实施例中关于步骤S310的详细描述，也即，步骤S310可以由窗口设置单元执行。
第一参数获取单元，用于针对多个子区域图像中的每个子区域图像，获得子区域图像所表征子目标焊缝的体积参数，以获得多个体积参数。
获得子区域图像所表征的子目标焊缝的体积参数，可以包括：
根据子区域图像内每个像素点与预设基准面的高度差值，利用二重积分计算子区域图像所表征的子目标焊缝的体积参数。
关于第一参数获取单元的描述具体可参考上述焊缝质量检测方法相关实施例中关于步骤S320的详细描述，也即，步骤S320可以由第一参数获取单元执行。
第二参数获取单元，用于将多个体积参数中数值最小的体积参数，作为目标焊缝的特征参数。
关于第二参数获取单元的描述具体可参考上述焊缝质量检测方法相关实施例中关于步骤S330的详细描述，也即，步骤S330可以由第二参数获取单元执行。
此外，本申请实施例还提供了一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被执行时，实现上述方法实施例所提供的焊缝质量检测方法，具体可参见上述方法实施例，本申请实施例中对此不作赘述。
综上所述，本申请实施例提供的焊缝质量检测方法、装置、系统及电子设备，通过获取目标焊接物的点云数据，并将点云数据转换为高度图，从高度图中，确定出用于表征目标焊缝的焊缝区域，再对焊缝区域进行分析，获得目标焊缝的特征参数，最后，根据特征参数，获得目标焊缝的质量检测结果，其中，目标焊接物包括基材、焊接件，以及将焊接件焊接于基材上形成的目标焊缝。相对于现有技术中，采用人工检测的方法对焊缝质量进行检测的方案而言，本申请实施例提供的焊缝质量检测方法、装置、系统及电子设备基于机器视觉技术，获得目标焊缝的质量检测结果，避免了人工参与，因此，能够提高质量检测结果的准确度，例如，本申请实施例提供的焊缝质量检测方法能够应用于周边焊的焊缝质量检测，以检测出面积大于0.5mm2，深度大于0.2mm的焊缝缺陷，具有较强的实际应用价值。
在本申请几个实施例中，应当理解到，所揭露的焊缝质量检测方法和装置，也可以通过其它的方式实现，而以上所描述的焊缝质量检测装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本申请的多个实施例的装置、方法和计算机程序产品可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。此外，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以并行地执行，它们有时也可以按相反的顺序执行，这将根据所涉及的功能而定。还应当注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。此外，在本申请每个实施例中，各功能模块可以集成在一起形成一个独立的部分，也可以是每个模块单独存在，也可以多个模块集成形成一个独立的部分。
此外，所述功能如果以软件功能模块的形式实现，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，本申请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(可以是个人计算机，服务器，或者网络设备等)执行本申请每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、移动硬盘、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
还需要说明的是，在本申请文件中，诸如“第一”、“第二”、“第三”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序，而术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。

Claims (12)

1.一种焊缝质量检测方法，其特征在于，包括：
获取目标焊接物的点云数据，并将所述点云数据转换为高度图，所述目标焊接物包括基材、焊接件，以及将所述焊接件焊接于所述基材上形成的目标焊缝；
从所述高度图中，确定出用于表征所述目标焊缝的焊缝区域；
对所述焊缝区域进行分析，获得所述目标焊缝的特征参数；
根据所述特征参数，获得所述目标焊缝的质量检测结果。
2.根据权利要求1所述的焊缝质量检测方法，其特征在于，所述从所述高度图中，确定出用于表征所述目标焊缝的焊缝区域，包括：
从所述高度图中，选取出第一感兴趣区域；
根据所述第一感兴趣区域内多个像素点与预设基准面的高度差值，确定出所述目标焊缝的第一边缘线和第二边缘线；
将所述第一边缘线与所述第二边缘线之间的区域图像，作为表征所述目标焊缝的焊缝区域。
3.根据权利要求2所述的焊缝质量检测方法，其特征在于，所述根据所述第一感兴趣区域内多个像素点与预设基准面的高度差值，确定出所述目标焊缝的第一边缘线和第二边缘线，包括：
在所述第一感兴趣区域内，沿第一方向绘制多条搜索直线，且所述搜索直线与所述第一方向垂直，所述第一方向为所述第一感兴趣区域的长度方向；
针对所述多条搜索直线中的每条搜索直线，根据所述搜索直线上离散出的多个像素点与所述预设基准面的高度差值，在所述搜索直线上确定出所述目标焊缝的第一边缘点和第二边缘点；
对所述多条搜索直线中，每条搜索直线上的第一边缘点进行拟合，获得所述目标焊缝的第一边缘线；
对所述多条搜索直线中，每条搜索直线上的第二边缘点进行拟合，获得所述目标焊缝的第二边缘线。
4.根据权利要求3所述的焊缝质量检测方法，其特征在于，所述根据所述搜索直线上离散出的多个像素点与所述预设基准面的高度差值，在所述搜索直线上确定出所述目标焊缝的第一边缘点和第二边缘点，包括：
针对所述搜索直线上离散出的多个像素点中的每个像素点，获取所述像素点与所述预设基准面的高度差值；
从所述搜索直线上离散出的多个像素点中，获取与所述预设基准面的高度差值最大的像素点，作为峰值点；
从所述搜索直线上离散出的多个像素点中，选取出位于所述峰值点的第一方位、与所述峰值点的距离值满足预设距离要求，且与所述预设基准面的高度差值最小的像素点，作为第一辅助点，并从第二辅助点与第三辅助点之间选取出与所述预设基准面的高度差值最小的亚像素点，作为第一边缘点，所述第二辅助点为与所述第一辅助点相邻，且位于所述第一辅助点第一方位的像素点，所述第三辅助点为与所述第一辅助点相邻，且位于所述第一辅助点第二方位的像素点，所述第二方位与所述第一方位关于所述峰值点对称；
从所述搜索直线上离散出的多个像素点中，选取出位于所述峰值点的第二方位、与所述预设基准面的高度差值位于预设高度值区间，且与峰值点的距离值最接近所述第一边缘点与所述峰值点距离值的像素点，作为第四辅助点，并从第五辅助点与第六辅助点之间选取出与所述预设基准面的高度差值最小的亚像素点，作为第二边缘点，所述第五辅助点为与所述第四辅助点相邻，且位于所述第四辅助点第一方位的像素点，所述第六辅助点为与所述第四辅助点相邻，且位于所述第四辅助点第二方位的像素点。
5.根据权利要求1所述的焊缝质量检测方法，其特征在于，所述对所述焊缝区域进行分析，获得所述目标焊缝的特征参数，包括：
在所述焊缝区域上，沿第二方向设置多个扫描窗口，以将所述焊缝区域划分为多个子区域图像，所述第二方向为所述焊缝区域的长度方向；
针对所述多个子区域图像中的每个子区域图像，获得所述子区域图像所表征子目标焊缝的体积参数，以获得多个体积参数；
将所述多个体积参数中数值最小的体积参数，作为所述目标焊缝的特征参数。
6.根据权利要求5所述的焊缝质量检测方法，其特征在于，所述获得所述子区域图像所表征的子目标焊缝的体积参数，包括：
根据所述子区域图像内每个像素点的与预设基准面的高度差值，利用二重积分计算所述子区域图像所表征的子目标焊缝的体积参数。
7.根据权利要求1所述的焊缝质量检测方法，其特征在于，根据所述特征参数，获得所述目标焊缝的质量检测结果，包括：
将所述特征参数输入预设的分类模型，并获得所述分类模型的输出结果，所述输出结果包括用于表征目标焊缝的质量检测结果为合格的第一结果，以及用于表征所述目标焊缝的质量检测结果为不合格的第二结果。
8.根据权利要求7所述的焊缝质量检测方法，其特征在于，所述将所述特征参数输入预设的分类模型，并获得所述分类模型的输出结果之前，所述焊缝质量检测方法，还包括：
获取第一目标数量个标准焊接物中，每个标准焊接物包括的标准焊缝的特征参数，作为标准参数，以获得第一目标数量条标准参数；
获取第二目标数量个次品焊接物中，每个次品焊接物包括的不合格焊缝的特征参数，作为不合格参数，以获得第二目标数量条不合格参数；
通过所述第一目标数量条标准参数和所述第二目标数量条不合格参数，对初始学习模型进行训练，获得所述分类模型。
9.一种焊缝质量检测装置，其特征在于，包括：
图像获取模块，用于获取目标焊接物的点云数据，并将所述点云数据转换为高度图，所述目标焊接物包括基材、焊接件，以及将所述焊接件焊接于所述基材上形成的目标焊缝；
定位模块，用于从所述高度图中，确定出用于表征所述目标焊缝的焊缝区域；
图像分析模块，用于对所述焊缝区域进行分析，获得所述目标焊缝的特征参数；
结果获取模块，用于根据所述特征参数，获得所述目标焊缝的质量检测结果。
10.一种电子设备，其特征在于，包括处理器和存储器，所述存储器上存储有计算机程序，所述处理器用于执行所述计算机程序，以实现权利要求1～8中任意一项所述的焊缝质量检测方法。
11.一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，其特征在于，所述计算机程序被执行时，实现权利要求1～8中任意一项所述的焊缝质量检测方法。
12.一种焊缝质量检测系统，其特征在于，包括运行控制组件、控制器、数据采集器和权利要求10中所述的电子设备，所述控制器分别与所述运行控制组件和所述数据采集器连接，所述数据采集器还与所述电子设备连接；
所述运行控制组件用于搭载目标焊接物，并运行；
所述控制器用于在所述运行控制组件搭载所述目标焊接物运行至目标位置时，控制所述数据采集器采集所述目标焊接物的点云数据；
所述数据采集器用于将所述点云数据发送给所述电子设备；
所述电子设备用于获取目标焊接物的点云数据，并将所述点云数据转换为高度图，从所述高度图中，确定出用于表征所述目标焊缝的焊缝区域，对所述焊缝区域进行分析，获得所述目标焊缝的特征参数，根据所述特征参数，获得所述目标焊缝的质量检测结果，所述目标焊接物包括基材、焊接件，以及将所述焊接件焊接于所述基材上形成的目标焊缝。
CN202010313058.7A 2020-04-20 2020-04-20 焊缝质量检测方法、装置、系统及电子设备 Active CN111462110B (zh)

Priority Applications (4)

Application Number Priority Date Filing Date Title
CN202010313058.7A CN111462110B (zh) 2020-04-20 2020-04-20 焊缝质量检测方法、装置、系统及电子设备
PCT/CN2021/087111 WO2021213223A1 (zh) 2020-04-20 2021-04-14 焊缝质量检测方法、装置、系统及电子设备
DE112021000013.6T DE112021000013T5 (de) 2020-04-20 2021-04-14 Verfahren, Vorrichtung und System zur Qualitätsprüfung einer Schweißnaht sowie elektronische Anlage
US17/917,947 US20230139733A1 (en) 2020-04-20 2021-04-14 Weld quality inspection method, apparatus and system, and electronic device

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010313058.7A CN111462110B (zh) 2020-04-20 2020-04-20 焊缝质量检测方法、装置、系统及电子设备

Publications (2)

Publication Number Publication Date
CN111462110A true CN111462110A (zh) 2020-07-28
CN111462110B CN111462110B (zh) 2021-04-13

Family

ID=71685956

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010313058.7A Active CN111462110B (zh) 2020-04-20 2020-04-20 焊缝质量检测方法、装置、系统及电子设备

Country Status (4)

Country Link
US (1) US20230139733A1 (zh)
CN (1) CN111462110B (zh)
DE (1) DE112021000013T5 (zh)
WO (1) WO2021213223A1 (zh)

Cited By (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112067633A (zh) * 2020-09-10 2020-12-11 张晓锋 一种基于机器视觉的钢结构建筑工程质量智能检测系统
CN112183555A (zh) * 2020-09-23 2021-01-05 唐山松下产业机器有限公司 焊接质量的检测方法、系统、电子设备和存储介质
CN112200786A (zh) * 2020-10-15 2021-01-08 福建工程学院 一种极柱焊接环形区域的提取方法
CN112561854A (zh) * 2020-11-11 2021-03-26 深圳大学 一种基于线结构光点云的焊缝检测方法
CN112692406A (zh) * 2020-12-14 2021-04-23 深圳市瑞凌实业股份有限公司 焊接线能量获取装置和方法
WO2021213223A1 (zh) * 2020-04-20 2021-10-28 广东利元亨智能装备股份有限公司 焊缝质量检测方法、装置、系统及电子设备
CN113610814A (zh) * 2021-08-10 2021-11-05 广东利元亨智能装备股份有限公司 焊缝质量检测方法、装置、电子设备及存储介质
CN114061509A (zh) * 2021-11-16 2022-02-18 珠海格力智能装备有限公司 遥控器检测方法、装置、设备、存储介质及处理器
CN114119470A (zh) * 2021-10-15 2022-03-01 厦门微亚智能科技有限公司 一种基于深度学习的电芯密封钉焊缝外观检测算法及系统
CN114147389A (zh) * 2021-11-05 2022-03-08 江苏三沃电子科技有限公司 一种检测焊接工艺参数的焊接辅助方法和系统
CN114193029A (zh) * 2020-09-18 2022-03-18 宝山钢铁股份有限公司 一种基于大数据分析模型的焊机焊缝预评估方法
CN114354618A (zh) * 2021-12-16 2022-04-15 浙江大华技术股份有限公司 一种焊缝检测的方法及装置
CN114648517A (zh) * 2022-03-30 2022-06-21 上海电气集团股份有限公司 管屏焊缝的检测方法、系统、电子设备及存储介质
CN114740006A (zh) * 2022-03-15 2022-07-12 安徽工程大学 一种基于3d视觉传感的焊件表面缺陷在线检测方法及装置
CN116168032A (zh) * 2023-04-25 2023-05-26 浙江工业大学 一种基于点云的端接焊缝缺陷检测方法及系统
CN116823832A (zh) * 2023-08-29 2023-09-29 武汉精一微仪器有限公司 一种基于三维点云的锡膏缺陷检测方法
WO2024000953A1 (zh) * 2022-06-21 2024-01-04 苏州大学 搅拌摩擦焊表面焊接质量检测方法
CN117420152A (zh) * 2023-12-19 2024-01-19 聚时科技(深圳)有限公司 视觉检测方法、装置、计算机设备及计算机可读存储介质
US11878364B2 (en) 2022-06-27 2024-01-23 Soochow University Method for detecting surface welding quality of friction stir welding
CN118067624A (zh) * 2024-04-19 2024-05-24 宁德时代新能源科技股份有限公司 电池焊前检测方法、装置和系统
WO2024179284A1 (zh) * 2023-02-27 2024-09-06 无锡先导智能装备股份有限公司 焊接件的质量检测方法及装置

Families Citing this family (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116529590A (zh) * 2021-11-30 2023-08-01 宁德时代新能源科技股份有限公司 机器视觉检测方法、其检测装置及其检测系统
CN114088738B (zh) * 2022-01-20 2022-04-15 深圳市华汉伟业科技有限公司 一种环状焊缝的高精度缺陷检测方法和装置
CN114723758B (zh) * 2022-06-10 2022-11-15 惠州威尔高电子有限公司 一种MiniLED薄板全自动连线的生产质量检测方法
CN115018827B (zh) * 2022-08-03 2022-11-04 山东亿昌装配式建筑科技有限公司 一种建材焊缝质量自动检测方法
CN115345878B (zh) * 2022-10-18 2023-01-31 广州市易鸿智能装备有限公司 一种高精度的锂电池镍片与巴片间距的检测方法及装置
CN115471504B (zh) * 2022-11-14 2023-02-10 深圳市富安娜家居用品股份有限公司 一种基于纺织物的线头自动识别方法
CN115601369B (zh) * 2022-12-16 2023-03-03 国网山东省电力公司东营供电公司 一种输变电工程用变电设备支架质量评估方法
CN115810133B (zh) * 2023-02-09 2023-05-23 中建科技集团有限公司 基于图像处理和点云处理的焊接控制方法及相关设备
CN116258713B (zh) * 2023-05-11 2023-07-21 青岛穗禾信达金属制品有限公司 一种金属柜焊接加工检测方法
CN116542977B (zh) * 2023-07-06 2024-02-06 宁德时代新能源科技股份有限公司 图像处理方法、装置、设备、存储介质和程序产品
CN116593479B (zh) * 2023-07-19 2024-02-06 北京阿丘机器人科技有限公司 电池盖板外观质量检测方法、装置、设备及存储介质
CN116673572B (zh) * 2023-07-31 2023-09-26 天津悦华阀门科技有限公司 一种基于人工智能的机械焊接数据管理分析系统
CN117274262B (zh) * 2023-11-22 2024-03-26 东莞市天逸电子有限公司 一种音响喇叭线路板导线焊接方法
CN118469676B (zh) * 2024-07-11 2024-10-18 上海大华电子秤厂 一种基于智能条码秤的智慧城市大数据管理平台
CN118501161B (zh) * 2024-07-18 2024-10-29 深圳市欣茂鑫实业有限公司 一种用于铜柱压接的质量检测方法及系统

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101559512A (zh) * 2009-05-21 2009-10-21 山东大学 基于激光测距的平板对接焊缝焊接轨迹检测与控制方法
US20130304399A1 (en) * 2012-05-11 2013-11-14 Kla-Tencor Corporation Systems and methods for wafer surface feature detection, classification and quantification with wafer geometry metrology tools
CN104959719A (zh) * 2015-07-15 2015-10-07 重庆大学 一种熔化焊焊缝中孔洞缺陷的快速无损检测方法
CN105665970A (zh) * 2016-03-01 2016-06-15 中国科学院自动化研究所 用于焊接机器人的路径点自动生成系统和方法
CN106770394A (zh) * 2017-02-16 2017-05-31 温州大学 金属焊缝内部缺陷的三维形貌及应力特征的无损检测方法
CN108776964A (zh) * 2018-06-04 2018-11-09 武汉理工大学 一种基于Adaboost及Haar特征的船舶焊缝缺陷图像检测系统及方法
CN109283182A (zh) * 2018-08-03 2019-01-29 江苏理工学院 一种电池焊点缺陷的检测方法、装置及系统
CN109406173A (zh) * 2018-12-30 2019-03-01 杭州翰融智能科技有限公司 一种轮毂检测报警方法及轮毂压合检测设备
CN109752392A (zh) * 2018-12-24 2019-05-14 苏州江奥光电科技有限公司 一种pcb板缺陷类型检测系统和方法
CN110047604A (zh) * 2019-04-17 2019-07-23 岭东核电有限公司 核电站控制棒驱动机构更换方法
US10565911B2 (en) * 2017-01-12 2020-02-18 Boe Technology Group Co., Ltd. Device and method for detection of display panel
CN210334929U (zh) * 2019-06-28 2020-04-17 广东利元亨智能装备股份有限公司 一种用于电池模组焊接的定位设备

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170182586A1 (en) * 2015-12-29 2017-06-29 G.E. Schmidt, Inc. Weld monitoring systems and methods
CN107764205B (zh) * 2017-11-06 2020-05-12 长安大学 基于线结构光扫描高频电阻焊焊缝形貌三维检测装置及检测方法
CN110530877B (zh) * 2019-09-16 2023-09-19 西安中科光电精密工程有限公司 一种焊接外形质量检测机器人及其检测方法
CN110524581B (zh) * 2019-09-16 2023-06-02 西安中科光电精密工程有限公司 一种柔性焊接机器人系统及其焊接方法
CN111462110B (zh) * 2020-04-20 2021-04-13 广东利元亨智能装备股份有限公司 焊缝质量检测方法、装置、系统及电子设备

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101559512A (zh) * 2009-05-21 2009-10-21 山东大学 基于激光测距的平板对接焊缝焊接轨迹检测与控制方法
US20130304399A1 (en) * 2012-05-11 2013-11-14 Kla-Tencor Corporation Systems and methods for wafer surface feature detection, classification and quantification with wafer geometry metrology tools
CN104959719A (zh) * 2015-07-15 2015-10-07 重庆大学 一种熔化焊焊缝中孔洞缺陷的快速无损检测方法
CN105665970A (zh) * 2016-03-01 2016-06-15 中国科学院自动化研究所 用于焊接机器人的路径点自动生成系统和方法
US10565911B2 (en) * 2017-01-12 2020-02-18 Boe Technology Group Co., Ltd. Device and method for detection of display panel
CN106770394A (zh) * 2017-02-16 2017-05-31 温州大学 金属焊缝内部缺陷的三维形貌及应力特征的无损检测方法
CN108776964A (zh) * 2018-06-04 2018-11-09 武汉理工大学 一种基于Adaboost及Haar特征的船舶焊缝缺陷图像检测系统及方法
CN109283182A (zh) * 2018-08-03 2019-01-29 江苏理工学院 一种电池焊点缺陷的检测方法、装置及系统
CN109752392A (zh) * 2018-12-24 2019-05-14 苏州江奥光电科技有限公司 一种pcb板缺陷类型检测系统和方法
CN109406173A (zh) * 2018-12-30 2019-03-01 杭州翰融智能科技有限公司 一种轮毂检测报警方法及轮毂压合检测设备
CN110047604A (zh) * 2019-04-17 2019-07-23 岭东核电有限公司 核电站控制棒驱动机构更换方法
CN210334929U (zh) * 2019-06-28 2020-04-17 广东利元亨智能装备股份有限公司 一种用于电池模组焊接的定位设备

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
MUTHUKUMARAN MALARVEL 等: "Anisotropic diffusion based denoising on X-radiography images to detect weld defects", 《DIGITAL SIGNAL PROCESSING》 *
樊凌: "基于图像处理和机器学习的船舶焊接缺陷识别技术", 《舰船科学技术》 *
王海霞 等: "结构光在集装箱顶角加强板焊缝定位中的应用", 《计算机工程与应用》 *

Cited By (31)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021213223A1 (zh) * 2020-04-20 2021-10-28 广东利元亨智能装备股份有限公司 焊缝质量检测方法、装置、系统及电子设备
CN112067633A (zh) * 2020-09-10 2020-12-11 张晓锋 一种基于机器视觉的钢结构建筑工程质量智能检测系统
CN112067633B (zh) * 2020-09-10 2021-06-18 龙元明筑科技有限责任公司 一种基于机器视觉的钢结构建筑工程质量智能检测系统
CN114193029A (zh) * 2020-09-18 2022-03-18 宝山钢铁股份有限公司 一种基于大数据分析模型的焊机焊缝预评估方法
CN112183555B (zh) * 2020-09-23 2022-12-02 唐山松下产业机器有限公司 焊接质量的检测方法、系统、电子设备和存储介质
CN112183555A (zh) * 2020-09-23 2021-01-05 唐山松下产业机器有限公司 焊接质量的检测方法、系统、电子设备和存储介质
CN112200786A (zh) * 2020-10-15 2021-01-08 福建工程学院 一种极柱焊接环形区域的提取方法
CN112200786B (zh) * 2020-10-15 2023-09-22 福建工程学院 一种极柱焊接环形区域的提取方法
CN112561854B (zh) * 2020-11-11 2023-07-04 深圳大学 一种基于线结构光点云的焊缝检测方法
CN112561854A (zh) * 2020-11-11 2021-03-26 深圳大学 一种基于线结构光点云的焊缝检测方法
CN112692406A (zh) * 2020-12-14 2021-04-23 深圳市瑞凌实业股份有限公司 焊接线能量获取装置和方法
CN112692406B (zh) * 2020-12-14 2022-09-16 深圳市瑞凌实业集团股份有限公司 焊接线能量获取装置和方法
CN113610814A (zh) * 2021-08-10 2021-11-05 广东利元亨智能装备股份有限公司 焊缝质量检测方法、装置、电子设备及存储介质
CN114119470A (zh) * 2021-10-15 2022-03-01 厦门微亚智能科技有限公司 一种基于深度学习的电芯密封钉焊缝外观检测算法及系统
CN114147389A (zh) * 2021-11-05 2022-03-08 江苏三沃电子科技有限公司 一种检测焊接工艺参数的焊接辅助方法和系统
CN114147389B (zh) * 2021-11-05 2024-06-04 江苏三沃电子科技有限公司 一种检测焊接工艺参数的焊接辅助方法和系统
CN114061509A (zh) * 2021-11-16 2022-02-18 珠海格力智能装备有限公司 遥控器检测方法、装置、设备、存储介质及处理器
CN114354618A (zh) * 2021-12-16 2022-04-15 浙江大华技术股份有限公司 一种焊缝检测的方法及装置
CN114740006A (zh) * 2022-03-15 2022-07-12 安徽工程大学 一种基于3d视觉传感的焊件表面缺陷在线检测方法及装置
CN114740006B (zh) * 2022-03-15 2024-09-27 安徽工程大学 一种基于3d视觉传感的焊件表面缺陷在线检测方法及装置
CN114648517A (zh) * 2022-03-30 2022-06-21 上海电气集团股份有限公司 管屏焊缝的检测方法、系统、电子设备及存储介质
WO2024000953A1 (zh) * 2022-06-21 2024-01-04 苏州大学 搅拌摩擦焊表面焊接质量检测方法
US11878364B2 (en) 2022-06-27 2024-01-23 Soochow University Method for detecting surface welding quality of friction stir welding
WO2024179284A1 (zh) * 2023-02-27 2024-09-06 无锡先导智能装备股份有限公司 焊接件的质量检测方法及装置
CN116168032A (zh) * 2023-04-25 2023-05-26 浙江工业大学 一种基于点云的端接焊缝缺陷检测方法及系统
CN116823832A (zh) * 2023-08-29 2023-09-29 武汉精一微仪器有限公司 一种基于三维点云的锡膏缺陷检测方法
CN116823832B (zh) * 2023-08-29 2023-12-12 武汉精一微仪器有限公司 一种基于三维点云的锡膏缺陷检测方法
CN117420152A (zh) * 2023-12-19 2024-01-19 聚时科技(深圳)有限公司 视觉检测方法、装置、计算机设备及计算机可读存储介质
CN117420152B (zh) * 2023-12-19 2024-03-19 聚时科技(深圳)有限公司 视觉检测方法、装置、计算机设备及计算机可读存储介质
CN118067624A (zh) * 2024-04-19 2024-05-24 宁德时代新能源科技股份有限公司 电池焊前检测方法、装置和系统
CN118067624B (zh) * 2024-04-19 2024-08-23 宁德时代新能源科技股份有限公司 电池焊前检测方法、装置和系统

Also Published As

Publication number Publication date
DE112021000013T5 (de) 2021-12-30
WO2021213223A1 (zh) 2021-10-28
US20230139733A1 (en) 2023-05-04
CN111462110B (zh) 2021-04-13

Similar Documents

Publication Publication Date Title
CN111462110B (zh) 焊缝质量检测方法、装置、系统及电子设备
WO2021169335A1 (zh) 一种锂电池极耳激光焊点视觉在线检测方法
CN109001224B (zh) 焊缝的检测方法及检测装置
CN112419297B (zh) 一种螺栓松动检测方法、装置、设备及存储介质
JP5273196B2 (ja) 画像処理装置
CN113610814B (zh) 焊缝质量检测方法、装置、电子设备及存储介质
CN112529858A (zh) 一种基于机器视觉的焊缝图像处理方法
CN109492688B (zh) 焊缝跟踪方法、装置及计算机可读存储介质
CN113340909B (zh) 一种基于机器视觉的胶线缺陷检测方法
CN114088738B (zh) 一种环状焊缝的高精度缺陷检测方法和装置
CN111390439B (zh) 一种焊缝检测方法、装置、焊接机器人及储存介质
CN113723494B (zh) 一种不确定干扰源下激光视觉条纹分类及焊缝特征提取方法
CN116839473A (zh) 焊缝定位及尺寸计算方法、装置、存储介质及电子设备
CN114757878A (zh) 焊接示教方法、装置、终端设备及计算机可读存储介质
CN114581368A (zh) 一种基于双目视觉的棒材焊牌方法及装置
CN117058411B (zh) 电池棱边外形瑕疵识别方法、装置、介质和设备
CN114049338A (zh) 一种焊点宽度检测方法
Wang et al. A novel approach for robotic welding trajectory recognition based on pseudo-binocular stereo vision
Zhao et al. A real-time seam tracking system based on extraction and restoration model in robotic GMAW
JP4788475B2 (ja) 画像処理装置および画像処理方法
Naji et al. Square groove detection based on Förstner with Canny edge operator using laser vision sensor
CN116678891A (zh) 一种适用于密封钉焊接处的检测方法、装置、系统及平台
CN111861997A (zh) 一种花纹板材圆孔尺寸检测方法、系统及装置
CN115055806B (zh) 基于视觉跟踪的焊接轨迹跟踪方法及装置
CN108262583B (zh) 焊缝的类型判断和定位方法及系统

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