CN112025090A - 一种激光深熔焊缺陷的在线检测方法及检测装置 - Google Patents
一种激光深熔焊缺陷的在线检测方法及检测装置 Download PDFInfo
- Publication number
- CN112025090A CN112025090A CN202010710470.2A CN202010710470A CN112025090A CN 112025090 A CN112025090 A CN 112025090A CN 202010710470 A CN202010710470 A CN 202010710470A CN 112025090 A CN112025090 A CN 112025090A
- Authority
- CN
- China
- Prior art keywords
- welding
- laser
- defects
- image
- hole
- 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
Images
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
- B23K26/00—Working by laser beam, e.g. welding, cutting or boring
- B23K26/20—Bonding
- B23K26/21—Bonding by welding
-
- 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
- B23K26/00—Working by laser beam, e.g. welding, cutting or boring
- B23K26/02—Positioning or observing the workpiece, e.g. with respect to the point of impact; Aligning, aiming or focusing the laser beam
- B23K26/06—Shaping the laser beam, e.g. by masks or multi-focusing
- B23K26/064—Shaping the laser beam, e.g. by masks or multi-focusing by means of optical elements, e.g. lenses, mirrors or prisms
-
- 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
- B23K26/00—Working by laser beam, e.g. welding, cutting or boring
- B23K26/14—Working by laser beam, e.g. welding, cutting or boring using a fluid stream, e.g. a jet of gas, in conjunction with the laser beam; Nozzles therefor
-
- 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
- B23K26/00—Working by laser beam, e.g. welding, cutting or boring
- B23K26/70—Auxiliary operations or equipment
- B23K26/702—Auxiliary equipment
Abstract
本发明涉及一种激光深熔焊缺陷的在线检测方法。在焊接的过程中,通过成像系统对焊接时形成的熔池中小孔及穿透孔形状轮廓图像进行实时的提取与存储,并基于预先训练好的小孔及穿透孔图像轮廓特征与熔焊缺陷之间的关系模型,实现对光纤激光焊接质量的在线检测。小孔及穿透孔图像轮廓特征与焊接质量之间的关系模型的建立是基于检测大量的样本数据,并利用隐马尔科夫过程对小孔其穿透孔的特征数据进行训练所建立的。本发明还涉及应用于上述在线检测方法的检测装置。本发明实现了对光纤激光焊接过程中的在线缺陷检测与质量分析,方便在焊接过程中就发现可能影响焊接质量的各类缺陷,减少了后期人工检测或X光检测的时间和成本。
Description
技术领域
本发明涉及激光深熔焊缺陷检测技术领域,特别是涉及一种激光深熔焊缺陷的在线检测方法及检测装置。
背景技术
激光作为高速深熔焊最理想的热源之一,在工业加工和现代智能制造中发展迅速。激光焊接是激光材料加工技术应用的重要方面之一,与电弧焊接相比,激光焊接的优点是激光束经过透镜聚焦后可以得到一个小点,从而准确定位焊接位置。作为高效精密的焊接方法,在精密工件的焊接工艺中得到了广泛的应用。此外,它还具有深度和宽度大,能量密度高,焊接异质材料和易于控制的等优点。然而,由于各种工艺参数的交叉作用,激光焊接的过程中不可避免会出现缺陷,特别是未焊透和焊穿。一般认为,小孔行为和不稳定是由金属在锁孔周围的非正常动态流动引起的,是导致焊接质量缺陷的原因之一。因此,通过机器视觉和图像处理技术对焊接的过程进行监控,在焊接过程中提取出对焊接质量进行诊断的重要信息,也是自动焊接控制领域的研究热点。现有技术所采用的普遍方法是,通过提取的小孔来计算出小孔的总面积或近似直径作为评价标准以判别焊接缺陷。这种方法没有考虑小孔轮廓结构的复杂性,准确性和鲁棒性难以满足实际检测的要求。
发明内容
本发明所要解决的技术问题在于提供一种激光深熔焊缺陷的在线检测方法,实现在焊接过程中发现各类焊接缺陷的要求。
为了解决上述问题,本发明采用的技术方案如下:
一种激光深熔焊缺陷的在线检测方法,包括以下步骤:
S1、在焊接过程中,通过成像系统对焊接时形成的熔池小孔及穿透孔形状轮廓图像进行实时的提取与存储;
S2、通过采集不同种类焊接缺陷产生时的焊接图像,提取其轮廓特征形成不同的数据集,计算边界轮廓的曲率描述子作为焊接质量的特征,在采集足够多的焊接缺陷数据之后,通过数据集训练得到所需要的过程参数,建立轮廓特征与焊接质量缺陷之间的关系模型;
S3、基于步骤S2建立的关系模型判断焊接的质量,发现潜在的缺陷,实现对光纤激光焊接质量在线检测。
进一步,在上述方案的步骤S1中,熔池小孔及穿透孔形状轮廓图像的提取包括以下步骤:
S11、开始并对设备初始化;
S12、通过成像系统采集焊接图像;
S13、对采集的图像进行预处理;
S14、通过灰度投影将焊接熔池图像分割为背景区域、小孔区域和待处理区域;
S15、对待处理区域采用泊松消光法分离小孔和穿透孔的轮廓边界;
S16、对目标图像进行二值化;
S17、提取小孔和穿透孔轮廓。
进一步,步骤S12通过成像系统采集焊接图像的过程包括;首先,以穿透孔的最左端点作为起点,以顺时针方向依次提取点,随后熔池小孔以相同的方式提取,形成点列表;
步骤S13对采集的图像进行预处理的过程包括使用高斯滤波器对坐标进行滤波,以减少异常毛刺。
进一步,在步骤S2中,利用隐马尔科夫过程对熔池小孔及穿透孔的特征数据进行训练建立关系模型,训练过程中包括小孔和穿透孔在判别焊接缺陷时所占的比重。
本发明还提供了一种用于激光深熔焊缺陷的在线检测方法的检测装置,包括机械臂、激光焊接头、聚焦镜或扩束镜、第一激光器、第二激光器、图像采集系统、电脑、传动装置、焊接母材、气体喷嘴、气瓶和控制器;
所述激光焊接头安装在机械臂上,所述聚焦镜或扩束镜安装在激光焊接头上用于控制激光光斑的大小,所述第一激光器通过光纤与激光焊接头连接;
所述图像采集系统包括高速摄像机、安装在高速摄像机镜头上的光衰减片、滤光片和保护镜,所述焊接母材由传动装置夹持并控制;
所述第二激光器、高速摄像机及气体喷嘴均位于焊接母材附近;
所述机械臂、激光焊接头与控制器连接,第一激光器和高速摄像机、所述控制器与电脑连接。
进一步,所述激光焊接头上固设相机支架安装座,所述相机支架安装座的一端固接有倒置的L形弯臂,所述L形弯臂的水平部与相机支架安装座连接,所述高速摄像机安装在L形弯臂竖直部的下端。
进一步,为了获取清晰的熔池小孔及穿透孔图像,减小小孔上方的焊接光致等离子体/金属蒸气的干扰,且因拍摄相机的感光芯片在该波段更为敏感,所述第二激光器为中心波长为808nm的半导体激光源。
进一步,所述第一激光器为1064nm连续波光纤激光器。
与现有技术相比,本发明的有益效果在于:
1、本发明采集得到的焊接图像利用灰度投影分布和泊松消光法,可以快速、准确地分离出小孔和穿透孔的形状;通过曲率描述子提取的小孔轮廓特征可以同时表征熔池中小孔和穿透孔轮廓的几何特征和几何长度,提高焊接缺陷预测的准确性;提出的基于轮廓曲率的隐马尔可夫模型可以同时根据所提取的小孔和穿透孔特征来预测焊接质量和焊接缺陷类型,提高焊接缺陷预测的准确性。
2、本发明的检测方法和装置实现了对光纤激光焊接过程中的在线缺陷检测与质量分析,可应用于深熔焊情况下的非接触式机器视觉焊接质量的在线检测,方便在焊接过程中就发现可能影响焊接质量的各类缺陷,包括气孔,融穿,未焊透等等,减少了后期人工检测或X光检测的时间和成本。同时,该测试方法能够了解熔池小孔及穿透孔与焊接缺陷之间的匹配关系,有助于解释缺陷发生时进出小孔的异常金属流动和小孔的行为及小孔的不稳定性。
3、在本发明的检测装置中,将激光焊接头和高速摄像机均安装在相机调整支架上,实现了图像采集与焊接的同步进行。
综上,本发明相比现有的技术方案,可以提高缺陷检测的准确性和鲁棒性,具有重要意义。
附图说明
图1为本发明所涉及的采集图像中,熔池A、熔池小孔B及穿透孔C的位置示意图。
图2为本发明所涉及的检测装置的示意图。
图3为本发明所涉及焊接过程中,对熔池小孔及穿透孔形状轮廓图像的提取流程图。
图4a是从用于训练模型的数据集中选取的一个示例。
图4b是从测试数据集中选取的一个示例。
图4c为运用模型进行焊接缺陷诊断的示意图。
图5为相机调整支架的结构示意图。
图6为所述图像采集系统的分解示意图。
具体实施方式
以下结合附图和具体实施例对本发明做进一步的详细说明。根据下面的说明,本发明的目的、技术方案和优点将更加清楚。需要说明的是,所描述的实施例是本发明的优选实施例,而不是全部的实施例。
一种激光深熔焊缺陷的在线检测方法,包括以下步骤:
S1、在焊接过程中,通过成像系统对焊接时形成的如图1所示的熔池小孔B及穿透孔C形状轮廓图像进行实时的提取与存储;
S2、通过采集不同种类焊接缺陷产生时的焊接图像,提取其轮廓特征形成不同的数据集,计算边界轮廓的曲率描述子作为焊接质量的特征,在采集足够多的焊接缺陷数据之后,通过数据集训练得到所需要的过程参数,建立轮廓特征与焊接质量缺陷之间的关系模型;
S3、基于步骤S2建立的关系模型判断焊接的质量,发现潜在的缺陷,实现对光纤激光焊接质量在线检测。
在上述技术方案的步骤S1中,熔池小孔及穿透孔形状轮廓图像的提取包括以下步骤:
S11、开始并对设备初始化;
S12、通过成像系统采集焊接图像;
S13、对采集的图像进行预处理;
S14、通过灰度投影将焊接熔池图像分割为背景区域、小孔区域和待处理区域;
S15、对待处理区域采用泊松消光法分离小孔和穿透孔的轮廓边界;
S16、对目标图像进行二值化;
S17、提取小孔和穿透孔轮廓。
在得到小孔和穿透孔的轮廓坐标之后,进行训练和诊断。通过采集不同种类焊接缺陷产生时的焊接图像,提取其轮廓特征形成不同的数据集,计算边界轮廓的曲率描述子作为焊接质量的特征。在采集足够多的焊接缺陷数据之后,通过数据集训练得到所需要的过程参数,建立模型。随后的焊接过程中就可以通过此模型判断焊接的质量,发现潜在的缺陷。
首先,以穿透孔的最左端点作为起点,以顺时针方向依次提取点,随后小孔以相同的方式提取,形成点列表。然后使用高斯滤波器对坐标进行滤波,以减少异常毛刺。通过表中相邻点之间的关系,可以计算出曲率描述子。通过取三个在点列表上相邻的坐标点Xi-1、Xi和Xi+1,定义在Xi处的曲率描述子为:
计算曲率序列后,可以对稠密序列进行采样,降低模型的复杂度。采样可采用空间等距采样或局部极值密度法。通过试验,这些采样方法保留了小孔和穿透孔高曲率部分的特征信息,只要选择合适的参数,对分类结果影响不大。
所述轮廓特征与焊接质量缺陷之间关系的模型是利用隐马尔科夫过程对小孔其穿透孔的特征数据进行训练所建立的,其中包含以下定义:
隐藏状态集合S={S1,S2,…,SN},N表示状态数量。
1)状态转换概率矩阵A={aij},表示了状态Si转换到状态Sj的概率。
2)观测序列集合O=O1O2…OT,T表示观测序号。观测序列通过采样提取自取率序列或直接由曲率序列生成。
4)初始状态概率分布π={πi},πi是模型λ在系统状态Si下的概率,πi=P[q1=Si],1≤i≤N
为了表达简便和模型的唯一性,三元组λ=(A,B,π)被用作表示隐马尔科夫模型。
为了将模型应用于实际监控,在特定的操作过程中直接使用了一些标准算法。借助于前向变量,计算观察序列O=O1O2…OT的出现概率。利用动态规划算法的理论来处理当P(O,Q|λ)最大值时状态序列Q=q1q2…qT。但是,在焊接过程中形成的锁孔和穿透孔的形状特性对不同的缺陷具有不同的权重。并且,小孔和穿透孔中轮廓特征的某些部分在缺陷分类和质量评价中比其他部分更重要。一般来说,在稳定的焊接过程中,穿透孔的形状不会发生明显变化,而小孔可能会出现正常的波动。因此,两者对形状变化的容忍度也不尽相同。为了解决该模型中的问题,本发明采用的解决方案是将所需的全局参数嵌入到隐马尔科夫模型中。通过采用具有最小误差分类的加权似然算法完成嵌入,实现了所需变量的嵌入。权重参数可使用广义概率下降(GPD)理论进行迭代。对于观测序列O=O1O2…OT和状态序列Q=q1q2…qT,O的概率可以用隐马尔科夫模型的三元组λ=(A,B,π)来建模:
对于每个观测值分别进行加权,将最大似然标准表示为一个正向变量,然后对方程两边进行对数运算得到最大似然推论:
下一步是将Ot的权重比wj引入到公式中。wj表示Cj类的权函数,提供了对该分类的额外识别。新的判别函数定义为:
由上面的函数,可以推导出在缺陷特征分类中每个状态的权值都需要计算。考虑到每个状态序列的权值估计,对于任何使用权值估计的理论来说,计算量都过于庞大,需要不切实际的迭代和时间来完成。在这里,本发明引入窗口函数来分割全穿透孔和钥匙孔的轮廓。假设t=1到t1在矢量序列中属于穿透孔,而t1到T属于小孔,新的判别函数可表示为:
其中系数hi,j表示高度,μi,j调节位置,si,j表示jth类的窗口ith的扩展长度。采用广义概率下降法(GPD)对三个参数进行迭代,使分类误差达到最小。
图4a是从用于训练模型的数据集中选取的一个例子,空心圆点为状态数量;图4b是从测试数据集中选取的一个例子,空心圆点是通过匹配训练数据集得到的结果;如图4a和图4b所示,从4a和图4b的起始点开始于全穿透孔的最左端,以顺时针方向依次增长,随后小孔以相同的方式进行。图4c为与测试样本的匹配结果。从图中可以看出,在相似度较低的情况下,两者之间会发生局部形状变化。
结合图2所示,一种激光深熔焊缺陷的检测装置,应用于上述在线检测方法,包括机械臂1、激光焊接头2、聚焦镜或扩束镜3、光纤4、第一激光器5、第二激光器6、图像采集系统、电脑10、传动装置11、焊接母材12、气体喷嘴13、气瓶14和控制器15。
所述激光焊接头2安装在机械臂1上,所述聚焦镜或扩束镜3安装在激光焊接头2上用于控制激光光斑的大小,所述第一激光器5通过光纤4与激光焊接头2连接。参考图6所示,所述图像采集系统包括高速摄像机7、安装在高速摄像机镜头上的光衰减片7a、滤光片8和保护镜9。所述焊接母材12由传动装置11夹持并控制;所述第二激光器6为图像采集提供照明,气体喷嘴13和气瓶14负责为焊接过程提供保护气,所述第二激光器6、高速摄像机7及气体喷嘴13均位于焊接母材12附近;所述机械臂1、第一激光器5和控制器15连接,高速摄像机7,所述控制器15与电脑10连接。
为了获取清晰的熔池小孔及穿透孔图像,减小小孔上方的焊接光致等离子体/金属蒸气的干扰,且因拍摄相机的感光芯片在该波段更为敏感,所述第二激光器6为中心波长为808nm的半导体激光源。
结合图5所示,为了实现图像采集与焊接的同步进行,所述激光焊接头2安装在机械臂1上,所述激光焊接头2上固设相机支架安装座16a,所述相机支架安装座16a的一端固接有倒置的L形弯臂16b,所述L形弯臂16a的水平部与相机支架安装座16a连接,所述高速摄像机7安装在L形弯臂16b的竖直部的下端。
参考图6所示,所述图像采集系统包括高速摄像机7、安装在高速摄像机镜头上的光衰减片7a、滤光片8和保护镜9。其中,光衰减片为全波段衰减,用来降低进入相机感光元器件的等离子体的整体光强,保护感光元器件不受过大光强伤害。滤光片依据辅助光源选择;本装置采用808nm的半导体激光源提供照明,为了能够滤去等离子体/金属蒸气强光辐射干扰,半波宽选择要小,峰值透过率要高,截至范围广,截至深度要大。滤光片选用中心波长为808nm窄带滤光片。保护镜9用来保护内层光学镜片,防止其受到飞溅的伤害。
本发明在实施过程中可以采用下列器材:
(1)台式主机一台:Dell/戴尔D24M,Intel平台,Windows 10,大机箱,芯片组:Z370,独立显卡,集成声卡,1000Mbps以太网卡。CPU速度:4.7GHz,第九代智能英特尔酷睿i7处理器,八核,二级缓存:12MB,显示芯片:GTX1070显存容量:独立8GB。内存:容量16GB,速度:DDR4;插槽数量4个,最大支持容量32GB。硬盘:容量1TB,类型SATA串行,转速7200转/分钟。图像采集卡:CoaXPress AS-FBD-4XCXP6-2PE8;带宽:25Gbps。
(2)1064nm连续波光纤激光器1台:IPG YLS-6000K 1064nm。
(3)激光焊接头头1个:IPG P30-010595 FLW D50。
(4)保护气体:氩气
(5)CoaXPress CP70-12-M-167黑白CCD高速相机1个,分辨率:1280x960,快门速度:50μs,帧速率:4000fps,接口:FD/FL。808nm滤光片1片,镜头保护片1片。
(6)808nm辅助照明光源1台,功率:10W。
(7)大型机械臂及控制平台1套。
(8)焊接母材夹持及传动装置1套。
(9)聚焦镜若干、扩束镜若干、气体喷嘴一个及固定装置等若干。
本发明的测试装置应用于激光深熔焊缺陷的在线检测时,调整机械臂1来定位焊接的位置。首先通过高速摄像机7、带高速采集卡的电脑10采集到足够多的焊接图像,包括缺陷形成时的图像。然后通过焊接图像的灰度投影特征对图像进行有效的分割,泊松消光法分离小孔和穿透孔的轮廓边界。通过采集不同种类焊接缺陷产生时的焊接图像,提取其轮廓特征形成不同的数据集,计算边界轮廓的曲率描述子作为焊接质量的特征。在采集足够多的焊接缺陷数据之后,通过数据集训练得到所需要的过程参数,建立模型。随后的焊接过程中就可以通过此模型判断焊接的质量,发现潜在的缺陷。
以上所述,仅是本发明优选实施例的描述说明,并非对本发明保护范围的限定,显然,任何熟悉本领域的技术人员基于上述实施例,可轻易想到替换或变化以获得其他实施例,这些均应涵盖在本发明的保护范围之内。
Claims (8)
1.一种激光深熔焊缺陷的在线检测方法,其特征在于,包括以下步骤:
S1、在焊接过程中,通过成像系统对焊接时形成的熔池小孔及穿透孔形状轮廓图像进行实时的提取与存储;
S2、通过采集不同种类焊接缺陷产生时的焊接图像,提取其轮廓特征形成不同的数据集,计算边界轮廓的曲率描述子作为焊接质量的特征,在采集足够多的焊接缺陷数据之后,通过数据集训练得到所需要的过程参数,建立轮廓特征与焊接质量缺陷之间的关系模型;
S3、基于步骤S2建立的关系模型判断焊接的质量,发现潜在的缺陷,实现对光纤激光焊接质量在线检测。
2.根据权利要求1所述的激光深熔焊缺陷的在线检测方法,其特征在于,
在步骤S1中,熔池小孔及穿透孔形状轮廓图像的提取包括以下步骤:
S11、开始并对设备初始化;
S12、通过成像系统采集焊接图像;
S13、对采集的图像进行预处理;
S14、通过灰度投影将焊接熔池图像分割为背景区域、小孔区域和待处理区域;
S15、对待处理区域采用泊松消光法分离小孔和穿透孔的轮廓边界;
S16、对目标图像进行二值化;
S17、提取小孔和穿透孔轮廓。
3.根据权利要求2所述的激光深熔焊缺陷的在线检测方法,其特征在于:
步骤S12通过成像系统采集焊接图像的过程包括;
首先,以穿透孔的最左端点作为起点,以顺时针方向依次提取点,随后熔池小孔以相同的方式提取,形成点列表;
步骤S13对采集的图像进行预处理的过程包括使用高斯滤波器对坐标进行滤波,以减少异常毛刺。
4.根据权利要求1所述的激光深熔焊缺陷的在线检测方法,其特征在于:
在步骤S2中,利用隐马尔科夫过程对熔池小孔及穿透孔的特征数据进行训练建立关系模型,训练过程中包括小孔和穿透孔在判别焊接缺陷时所占的比重。
5.一种激光深熔焊缺陷的检测装置,应用于如权1至权4任一权利要求所述的在线检测方法,其特征在于:
包括机械臂、激光焊接头、聚焦镜或扩束镜、第一激光器、第二激光器、图像采集系统、电脑、传动装置、焊接母材、气体喷嘴、气瓶和控制器;
所述激光焊接头安装在机械臂上,所述聚焦镜或扩束镜安装在激光焊接头上用于控制激光光斑的大小,所述第一激光器通过光纤与激光焊接头连接;
所述图像采集系统包括高速摄像机、安装在高速摄像机镜头上的光衰减片、滤光片和保护镜,所述焊接母材由传动装置夹持并控制;
所述第二激光器、高速摄像机及气体喷嘴均位于焊接母材附近;
所述机械臂、第一激光器和高速摄像机均与控制器连接,所述控制器与电脑连接。
6.根据权利要求5所述的激光深熔焊缺陷的在线检测装置,其特征在于:
所述激光焊接头上固设相机支架安装座,所述相机支架安装座的一端固接有倒置的L形弯臂,所述L形弯臂的水平部与相机支架安装座连接,所述高速摄像机安装在L形弯臂竖直部的下端。
7.根据权利要求5所述的激光深熔焊缺陷的在线检测装置,其特征在于:
所述第二激光器为中心波长为808nm的半导体激光源。
8.根据权利要求5所述的激光深熔焊缺陷的在线检测装置,其特征在于:
所述第一激光器为1064nm连续波光纤激光器。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010710470.2A CN112025090A (zh) | 2020-07-22 | 2020-07-22 | 一种激光深熔焊缺陷的在线检测方法及检测装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010710470.2A CN112025090A (zh) | 2020-07-22 | 2020-07-22 | 一种激光深熔焊缺陷的在线检测方法及检测装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112025090A true CN112025090A (zh) | 2020-12-04 |
Family
ID=73581988
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010710470.2A Pending CN112025090A (zh) | 2020-07-22 | 2020-07-22 | 一种激光深熔焊缺陷的在线检测方法及检测装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112025090A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112894126A (zh) * | 2021-02-26 | 2021-06-04 | 广州德擎光学科技有限公司 | 激光加工过程检测参数调整方法和系统 |
CN113210852A (zh) * | 2021-04-19 | 2021-08-06 | 北京工业大学 | 一种基于小孔口直径畸变率原位测量的激光焊接过程监测方法 |
CN113674206A (zh) * | 2021-07-21 | 2021-11-19 | 华南理工大学 | 一种适用于深熔k-tig焊熔池和锁孔入口特征参数的提取方法 |
CN114713948A (zh) * | 2021-01-04 | 2022-07-08 | 株式会社东芝 | 处理装置、焊接系统、处理方法及存储介质 |
-
2020
- 2020-07-22 CN CN202010710470.2A patent/CN112025090A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114713948A (zh) * | 2021-01-04 | 2022-07-08 | 株式会社东芝 | 处理装置、焊接系统、处理方法及存储介质 |
CN112894126A (zh) * | 2021-02-26 | 2021-06-04 | 广州德擎光学科技有限公司 | 激光加工过程检测参数调整方法和系统 |
CN113210852A (zh) * | 2021-04-19 | 2021-08-06 | 北京工业大学 | 一种基于小孔口直径畸变率原位测量的激光焊接过程监测方法 |
CN113674206A (zh) * | 2021-07-21 | 2021-11-19 | 华南理工大学 | 一种适用于深熔k-tig焊熔池和锁孔入口特征参数的提取方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112025090A (zh) | 一种激光深熔焊缺陷的在线检测方法及检测装置 | |
CN105894499B (zh) | 一种基于双目视觉的空间物体三维信息快速检测方法 | |
CN104143185B (zh) | 一种污点区域检测方法 | |
JP4756660B2 (ja) | 画像処理装置および画像処理方法 | |
CN109308705B (zh) | 一种焊接熔池图像轮廓实时提取方法 | |
CN109085178B (zh) | 一种用于增材制造的缺陷指纹精确在线监测和反馈方法 | |
CN108381034A (zh) | 一种激光自动聚焦清障系统及控制方法 | |
CN109086675A (zh) | 一种基于光场成像技术的人脸识别及攻击检测方法及其装置 | |
CN111161446A (zh) | 一种巡检机器人的图像采集方法 | |
CN110458828B (zh) | 一种基于多模态融合网络的激光焊接缺陷识别方法及装置 | |
CN112326685B (zh) | 一种光学元件激光诱导损伤在线检测装置和检测方法 | |
CN113369697B (zh) | 激光抛光在线检测系统及方法 | |
JP6922166B2 (ja) | 円筒内面観察装置、円筒内面観察方法、円筒内面検査装置及び円筒内面検査方法 | |
CN113134683A (zh) | 基于机器学习的激光标刻方法及装置 | |
CN105741244A (zh) | 一种室内巡检机器人弱光下去除阴影和光晕的方法 | |
CN111127384A (zh) | 基于偏振成像的强反射工件视觉测量方法 | |
WO2017101292A1 (zh) | 自动对焦的方法、装置和系统 | |
CN114881867A (zh) | 一种基于深度学习的图像去噪方法 | |
CN113935971A (zh) | 一种复合材料表面缺陷的检测方法及装置 | |
JP4771797B2 (ja) | 距離計測装置及び距離計測方法 | |
CN111203655B (zh) | 一种激光焊接过程三维空间飞溅识别装置 | |
Tang et al. | A new method to assess fiber laser welding quality of stainless steel 304 based on machine vision and hidden Markov models | |
CN117011356A (zh) | 一种扫描激光加工过程熔池表面形貌的精确重建方法及其应用 | |
CN114932292B (zh) | 一种窄间隙被动视觉焊缝跟踪方法及系统 | |
CN116452976A (zh) | 一种煤矿井下安全检测方法 |
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 | ||
CB02 | Change of applicant information |
Address after: 200233 No. 770, Xuhui District, Shanghai, Yishan Road Applicant after: Shanghai Laser Technology Research Institute Co.,Ltd. Address before: 200233 No. 770, Xuhui District, Shanghai, Yishan Road Applicant before: Shanghai Institute of Laser Technology |
|
CB02 | Change of applicant information |