CN112025099A - 一种智能化激光去毛刺系统及激光去毛刺方法 - Google Patents

Abstract

本发明公开了一种智能化激光去毛刺系统及激光去毛刺方法，属于激光加工技术领域，其利用激光加工部件、工件夹持部件、图像采集部件、视觉识别模块、上位机软件模块等部件的组合设置，可以完成对工件加工区域图像的采集、对图像信息中异常区域的提取、异常区域中毛刺类异常的特征判定、毛刺位置记录及反馈等过程，配合激光加工部件的对应控制，从而实现工件上毛刺的快速识别和准确去除。本发明中的智能化激光去毛刺系统及激光去毛刺方法，其系统结构简单，操作步骤简便，能实现工件上毛刺的快速、准确去除，提升工件去毛刺的效率和准确性，降低工件去毛刺的成本，具有较好的应用前景和推广价值。

Description

一种智能化激光去毛刺系统及激光去毛刺方法

技术领域

本发明属于激光加工技术领域，具体涉及一种智能化激光去毛刺系统及激光去毛刺方法。

背景技术

毛刺是金属加工过程中在工件表面过渡处出现的各种尖角、毛边等不规则的金属部分。毛刺的存在不但影响零件的加工进度，而且影响整机的可靠性，进而会引起产品的故障。因此，去毛刺已成为零件加工过程中的关键工序。

现有的去毛刺技术中，一般包括化学清洗、机械打磨、干冰清洗、超声波清洗等。其中，化学清洗和机械打磨的方式会对工件造成损伤，且清洗精度往往不可控，导致清洗的质量较差；而干冰清洗的方式往往清洗效果不均匀且清洗精度不可控；超声波清洗的方式不可指定范围进行清洗，存在一定的使用局限性。相比之下，激光去毛刺的方式因其具有精准可控、精度高、非接触、绿色环保等优点，已经得到了越来越多的应用，利用激光去毛刺的工况也越来越多。

不过，由于毛刺的位置会与工件理论边缘尺寸有所差异，使得现有的激光去毛刺方式存在破坏工件使用部分的风险。而且，由于毛刺是断续分布在工件上，且毛刺的形状各样，使得现有的激光去毛刺加工方法对毛刺的识别正确率低，识别时间长，严重影响激光去毛刺的效率。虽然现有技术中可以需要根据不同的毛刺，人工设计图像特征去提升毛刺识别的准确性，但这种方式无法及时响应加工现场多变的真实情况，很难实现自动化和智能化，一定程度上增加了去毛刺加工的成本，存在一定的使用局限性。

发明内容

针对现有技术的以上缺陷或改进需求中的一种或者多种，本发明提供了一种智能化激光去毛刺系统及激光去毛刺方法，能有效实现工件上待去除毛刺相关特征信息的自动、准确识别，实现工件加工区域处毛刺的智能化清除，提升工件去毛刺的效率和准确性。

为实现上述目的，本发明的一个方面，提供一种智能化激光去毛刺系统，其包括：

工件夹持部件，用于对待去除毛刺的工件进行装夹固定；

激光加工部件，其设置在所述工件夹持部件一侧，用于产生激光并去除所述工件上的毛刺；

图像采集部件，其设置在所述工件夹持部件一侧，用于对工件的加工区域进行图像采集；

视觉识别模块，其与所述图像采集部件对应设置，用于接收所述图像采集部件采集的图像，并从所述图像中提取异常区域，以及判定异常区域中的毛刺特征信息；

上位机软件模块，其可与所述激光加工部件、所述图像采集部件、所述视觉识别模块分别通讯，用于接收所述毛刺特征信息，规划所述激光加工部件的运行轨迹与工艺参数，以及控制所述激光加工部件对毛刺异常区域进行去毛刺作业。

作为本发明的进一步改进，还包括前序加工控制模块；

所述前序加工控制模块可与所述上位机软件模块和所述工件的加工部件分别进行通讯，用于接收工件前序加工的工艺参数并控制所述加工部件对工件进行加工。

本发明的另一个方面，提供一种智能化激光去毛刺方法，其包括如下步骤：

(1)标定工件与激光加工部件的相对位置；

(2)采集所述工件加工部位的图像，并对采集的图像进行图像识别，提取图像中的异常区域；

(3)对图像中的异常区域进行毛刺类异常判定；

(4)根据判定为毛刺类异常的毛刺特征信息以及其所在的区域位置对应调整所述激光加工部件的工艺控制参数，继而控制所述激光加工部件对所述工件进行去毛刺处理。

作为本发明的进一步改进，在步骤(4)之后还包括步骤：

(5)对所述工件的去毛刺效果进行评估，并通过评估结果来判断所述激光加工部件是否需要继续工作；若不需要，则工件的激光去毛刺作业结束；若需要，则重复进行步骤(2)～(4)。

作为本发明的进一步改进，若步骤(5)中包括至少两次的去毛刺效果评估过程，则还包括激光去毛刺的强化学习过程，该过程如下：

在步骤(5)中，若评估结果判断所述激光加工部件需要继续工作，则此时所述激光加工部件的工艺控制参数在上一次加工时的工艺控制参数基础上进行迭代优化；

当所述激光加工部件经过多次去毛刺处理后，工件上的去毛刺效果刚好符合预定要求，此时，所述激光加工部件停止作业，并将此次该激光加工部件的工艺控制参数作为所述激光加工部件对后续工件进行去毛刺作业时的初始工艺控制参数。

作为本发明的进一步改进，还包括对前序加工过程中工艺参数的优化过程，该优化过程如下：

将步骤(3)中得到的毛刺类异常的特征信息与该工件前序加工时的工艺控制参数进行关联分析，并根据关联分析后的结果调整所述工件前序加工时的工艺控制参数。

作为本发明的进一步改进，步骤(1)中对位置的标定过程包括如下步骤：

S101：设置图像采集部件，并以其所在位置为原点建立空间坐标系，再通过测量其与所述激光加工部件的位置关系，明确激光加工部件在空间坐标系中的坐标值；

S102：在空间坐标系中测量工件与所述图像采集部件之间的位置关系，确定所述工件在空间坐标系中的坐标值；

S103：利用步骤S101和步骤S102中得到的两个坐标值，确定所述工件与所述激光加工部件之间的相对坐标值，完成所述激光加工部件与所述工件相对位置的标定。

作为本发明的进一步改进，步骤(2)中异常区域的提取过程包括如下步骤：

S201：对所述图像进行切块处理；

S202：对工件加工部位的异常区域进行图像分割，得到对应的异常区域图块；

S203：将各异常区域图块对应拼合，得到整张图像上的异常区域图。

作为本发明的进一步改进，步骤(3)中对异常区域中毛刺类异常的判定过程包括如下步骤：

S301：扫描整张图像，直到找到前景像素，按顺序赋予该像素标签并将与点邻接的所有前景像素压入栈中；

S302：顶出栈顶像素，赋予相同的标签并将与所述栈顶像素邻接的前景像素压入栈中；

S303：重复步骤S302，直到清空栈；

S304：回到步骤S301，直到扫描结束；

S305：统计各连通域的长度和宽度等几何特征；

S306：判定是否为毛刺类异常，并记下对应毛刺类异常区域的位置信息。

作为本发明的进一步改进，步骤(4)中对工件上毛刺进行切除加工的过程包括如下步骤：

S401：设置上位机软件模块，将工件上毛刺区域的位置信息发送到所述上位机软件模块上；

S402：由上位机软件模块规划激光去除轨迹、工艺参数，将信息反馈给激光加工部件的控制系统；

S403：由所述控制系统控制激光加工部件的激光去除轨迹、工艺参数；

S404：控制激光加工部件对工件上待切除毛刺部位进行切除作业。

上述改进技术特征只要彼此之间未构成冲突就可以相互组合。

总体而言，通过本发明所构思的以上技术方案与现有技术相比，具有以下有益效果：

(1)本发明的智能化激光去毛刺系统，其结构简单，设置简便，利用激光加工部件、工件夹持部件、图像采集部件、视觉识别模块、上位机软件模块等部件的组合设置，能有效实现工件装夹固定、位置标定、加工部位异常区域提取、毛刺类异常判定等过程，再利用上位机软件模块对激光加工部件的对应控制，从而可以实现工件上毛刺的智能化去除，提升了工件去毛刺的准确性和效率，降低了工件去毛刺处理的作业成本；

(2)本发明的智能化激光去毛刺方法，其利用智能化激光去毛刺系统来实现，步骤简单，操作简便，通过对工件加工区域图像的对应采集、对图像信息中异常区域的提取、异常区域中毛刺类异常的特征判定与位置记录等过程，配合激光加工部件的对应控制，可以实现工件上毛刺的快速识别和准确去除，提升去毛刺作业的效率和准确性，降低工件去毛刺作业的成本；

(3)本发明的智能化激光去毛刺方法，其通过所述视觉识别模块进行工件的去毛刺效果评估与反馈过程，实现了去毛刺效果的实时在线评估，相较于传统的人工视觉识别方式而言，有效提升了效果评估的效率和准确性，并为激光去毛刺强化学习过程的设置提供了可能；

(4)本发明的智能化激光去毛刺方法，其通过设置激光去毛刺的强化学习过程，使得激光加工部件的加工控制参数可以在工件的多次循环去毛刺过程中实现迭代优化处理，直至激光加工部件的加工控制参数可以控制其进行工件上各部位毛刺的“完全”处理；由于批量化生产的工件存在毛刺类异常的趋同性，使得各工件在实际去除毛刺时的过程存在一定程度的相似性；如此，通过对若干个工件的去毛刺过程进行强化学习，可以得到激光加工部件的经过强化学习后的加工控制参数，该加工控制参数便能作为后续工件的激光处理轨迹规划策略及工艺参数，而无需再进行循环多次的清除和清除效果判定过程，从而进一步提升了工件的去毛刺作业效率，尤其是提升了对批量生产工件的连续、批量化去毛刺作业效率，降低了工件的制备成本；

(5)本发明的智能化激光去毛刺方法，其通过设置对工件前序加工过程工艺参数的优化过程，利用图像识别出的毛刺特性与前序加工过程中的工艺参数进行关联分析，明确前序加工过程中工艺参数的不合理处，并对其进行相应的优化，使得后续加工的工件可以从源头减少毛刺的产生，间接提升了毛刺的去除效率，进一步降低了工件的加工成本和后续处理成本，具有较好的应用前景和推广价值。

附图说明

图1是本发明实施例中智能化激光去毛刺系统的整体结构示意图；

图2是本发明实施例中智能化激光去毛刺方法的流程示意图；

图3是本发明实施例中智能化激光去毛刺系统毛刺优化智能管控系统架构图；

在所有附图中，同样的附图标记表示相同的技术特征，具体为：1.激光加工部件，2.工件夹持部件，3.图像采集部件，4.工件传送部件，5.视觉识别模块，6.上位机软件模块，7.前序加工控制模块。

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白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。

在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”、“顺时针”、“逆时针”、“轴向”、“径向”、“周向”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。

在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是通讯连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系，除非另有明确的限定。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。

在本发明中，除非另有明确的规定和限定，第一特征在第二特征“上”或“下”可以是第一和第二特征直接接触，或第一和第二特征通过中间媒介间接接触。而且，第一特征在第二特征“之上”、“上方”和“上面”可是第一特征在第二特征正上方或斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第一特征在第二特征正下方或斜下方，或仅仅表示第一特征水平高度小于第二特征。

实施例：

请参阅图2，本发明优选实施例中的智能化激光去毛刺系统包括激光加工部件1、工件夹持部件2、图像采集部件3、工件传送部件4、视觉识别模块5、上位机软件模块6和前序加工控制模块7。

其中，激光加工部件1对应夹持后的零部件/工件设置，用于工件上对应位置毛刺的去除；工件夹持部件2设置在激光加工部件1的一侧，优选实施例中为激光加工部件1的底部，用于对应装夹待处理的工件，保证工件之于激光加工部件1的相对位置。同时，优选实施例中的图像采集部件3中包括测量相机、镜头、光源等，可用于工件加工部位图像的采集以及激光加工部件1与装夹后工件相对位置的测量，判断待加工位置在空间中的相对位置。其次，视觉识别模块5对应图像采集部件3设置，两者之间以通讯连接，由图像采集部件3采集到的图像信息可以发送到视觉识别模块5处，并由其完成异常区域的提取以及毛刺类异常的判定。此外，工件传送部件4用于实现待加工工件的传送，确保工件可以在完成加工后准确到达对应的去毛刺加工位置。

进一步地，前序加工控制模块7主要用于控制加工部件对工件进行加工，而毛刺便是加工过程中额外产生的产物。实际上，针对加工部件设置的工艺控制参数不同，会使得加工部件在加工工件时产生的毛刺情况不同。因此，通过分析工件上的毛刺特征，将其与前序加工过程中的工艺参数进行关联分析，可以得到毛刺产生情况与前序加工工艺参数之间的关系，进而通过优化前序加工过程中的工艺参数，可以减少甚至避免毛刺的产生。

此外，上位机软件模块6分别与图像采集部件2、视觉识别模块5、激光加工部件1、前序加工控制模块7进行通讯，主要用于控制图像采集部件2采集工件加工区域的图像信息并将其发送到视觉识别模块5，接收来自视觉识别模块5判定的毛刺特征信息并针对该判定的毛刺特征信息生成对应的加工指令发送到激光加工部件1处，控制激光加工部件1完成对应的加工过程，以及在经过多次上述过程后完成激光去毛刺控制参数的强化学习过程，利用上述强化学习过程得到针对单一工件去毛刺加工的最优激光去除轨迹、工艺参数，并以此(无需再多次循环调节)完成同一批次其他工件的加工。

同时，上位机软件模块6还承担着将视觉识别模块5识别的毛刺特征信息与前序加工控制模块7中的加工工艺参数进行关联分析的作用，并在分析后确定前序加工控制模块7中加工工艺参数的优化方案。此后，通过将优化后加工工艺参数与通过该加工工艺参数控制下加工部件所加工工件上的毛刺图像信息进行对比分析，便能判断优选调节过程是否正确，如此，经过多次对应调整后，可以将工件加工过程中所产生的毛刺尽可能减少。

进一步地，利用上述智能化激光去毛刺系统进行工件的激光去毛刺作业，其步骤优选包括：

S10、将待去毛刺的工件准确装夹在工件夹持部件2上，待工件完成装夹后，利用图像采集部件3标定其与激光加工部件1的相对位置关系。

具体而言，上述标定过程可以细分为如下步骤：

S101：以图像采集部件3的相机所在位置为原点建立空间坐标系，再通过测量相机与激光加工部件1(具体可为其激光器)的位置关系，明确激光器相对于相机的坐标值；

S102：对应相机设置标定板，利用标定板确定相机与其拍摄图像位置之间的位置关系，即确定相机与装夹后工件的相对位置，得到工件各加工部位在空间坐标系中的坐标值；

S103：利用上述步骤中得到的坐标值，确定图像(待加工工件)与激光器的相对坐标值，进而完成激光加工部件1与待加工工件相对位置的标定。

S20、利用图像采集部件3的相机对工件上的待去除毛刺区域进行图像采集，并将采集的图像信息发送到视觉识别模块5处，由视觉识别模块5从采集到的图像中提取出异常区域。此处的“异常区域”指的便是需要进行去除毛刺作业的目标区域。

在进行上述图像采集与识别工序时，可以优选包括如下步骤：

S201：利用相机对工件的加工部位进行拍照成像；

S202：将得到的图像信息输入到相应地图像处理系统中，优选实施例中为视觉识别模块5；

S203：对输入的图像进行切块处理；

在优选实施例中，进一步优选将整张图像切割为16块319.5×239.5的图像块；

S204：对工件加工部位的异常区域进行图像分割，得到对应的异常区域图块；

具体而言，在步骤S203的优选方案中，得到了16块图像块，将上述16块图像依次输入U-net神经网络中，得到16块异常区域图块；

S205：将各异常区域图块对应拼合，得到整张图像上的异常区域图。

S30、针对提取出的异常区域进行工件上毛刺类异常的判定；具体地判定过程优选如下：

S301：扫描整张图像，直到找到前景像素，按顺序赋予该像素标签并将与点邻接的所有前景像素压入栈中；

S302：顶出栈顶像素，赋予相同的标签并将与该栈顶像素邻接的前景像素压入栈中；

S303：重复步骤S302，直到清空栈；

S304：回到步骤S301，直到扫描结束；

S305：统计各连通域的长度和宽度等几何特征；

S306：判定是否为毛刺类异常，并记下对应毛刺类异常区域的位置信息。

S40、控制激光加工部件1中的激光器对毛刺进行切除加工；其加工过程具体包括如下步骤：

S401：将工件上毛刺区域的位置信息发送到所述上位机软件模块6上；

S402：由上位机软件模块6规划激光去除轨迹、工艺参数，将信息反馈给激光加工部件1的控制系统；

S403：由控制系统控制激光加工部件1的激光去除轨迹、工艺参数；

S404：控制激光加工部件1对工件上待切除毛刺部位进行切除作业。

S50、对工件去毛刺效果进行视觉评估及反馈；具体的处理过程包括如下步骤：

S501：对工件加工部位进行相机拍照成像；

S502：对所拍摄的图像信息进行异常区域提取；

S503：对异常区域中的工件图像进行毛刺类异常判定；

S504：将判定后的结果反馈给上位机软件模块6；

若结果表明成像区域的毛刺去除完毕，则该图像区域的去毛刺作业停止；若结果表明成像区域还存在毛刺没有去除，则需要通过上位机软件模块6对激光加工部件1的加工参数和路径轨迹进行对应设置，再控制激光器对毛刺进行清除；

S505：循环步骤S501～S504，直至图像区域的毛刺去除完毕。

通过上述步骤S10～S50，可以实现工件对应加工部位处的毛刺清除。不过，实际设置时，还设置有激光去毛刺的强化学习过程以及对工件前序加工过程工艺参数的优化过程，如图1、3中所示。

具体而言，激光去毛刺的强化学习过程S60指的是通过对工件加工区域的多次去毛刺处理，利用激光加工部件1激光去除轨迹、工艺参数的不断迭代优化，实现针对单一工件“完全”去毛刺处理时的激光去除轨迹、工艺参数的确定。需要说明的是，此处的“完全”去毛刺处理指的是工件的毛刺去除作业达到预定要求。实际操作时，其优选包括如下步骤：

S601：上位机软件模块6第n次(n为大于1的整数)收到工件上仍残留毛刺区域的位置信息；

S602：上位机软件模块6对第n次补充加工时的激光去除轨迹、工艺参数进行优化，将信息反馈给激光器的控制系统；

S603：控制系统控制激光器的激光去除轨迹、工艺参数；

S604：激光器对工件上残留毛刺部位进行第n+1次切除；

S605：当视觉识别工件上毛刺去除符合要求后，S50终止循环；

S606：激光器控制系统保留第n+1次去除时的激光去除轨迹及工艺参数，并以此作为激光器对后续工件去毛刺处理的控制依据。

通过上述强化学习过程，不仅可以实现对单一工件的准确去毛刺作业，更能实现对批量生产的工件的连续、批量化去除毛刺。在进行批量工件的去毛刺处理时，仅需对第一个工件或者前几个工件的去毛刺处理过程进行强化学习过程，便能得到所谓的“工件第n+1次去除毛刺时的激光轨迹规划策略及工艺参数”，以此作为后续工件的激光处理轨迹规划策略及工艺参数，从而在保证去毛刺处理准确性的前提下，大幅提升后续工件的去毛刺处理效率，缩短批量化去毛刺作业的周期，降低作业成本。

相应地，优选实施例中对工件前序加工过程工艺参数的优化过程S70主要用于针对工件加工过程进行改进，从源头上改善工件上产生毛刺的问题，减少工件上需去除的毛刺数量，间接缩短去毛刺处理的时间。

实际操作时，上述过程优选包括如下步骤：

S701：输入工件毛刺类别数据与该工件加工时的工艺参数；此处的工件毛刺类别数据可以直接通过步骤S30中得到；

S702：对数据进行结构化处理；

S703：使用深度学习算法识别数据间的关联关系；

S704：根据关联关系，提出工件前序加工工艺参数的优化方案；

S705：将工艺参数的优化方案传送至前序加工控制模块7，并以此作为后续工件的加工依据。

通过上述对工件前序加工过程工艺参数的优化过程，可以实现对工件前序加工过程中毛刺产生情况的控制，提升毛刺去除过程的效率，降低工件去毛刺处理的成本。

本发明中的智能化激光去毛刺系统及激光去毛刺方法，其系统简单，方法简便，能有效实现单一工件的准确去毛刺处理和批量工件的连续处理，提升工件去毛刺处理的效率和准确性，降低工件的加工、处理成本，具有较好的应用前景和推广价值。

本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种智能化激光去毛刺系统，其特征在于，包括：

工件夹持部件，用于对待去除毛刺的工件进行装夹固定；

激光加工部件，其设置在所述工件夹持部件一侧，用于产生激光并去除所述工件上的毛刺；

图像采集部件，其设置在所述工件夹持部件一侧，用于对工件的加工区域进行图像采集；

视觉识别模块，其与所述图像采集部件对应设置，用于接收所述图像采集部件采集的图像，并从所述图像中提取异常区域，以及判定所述异常区域中的毛刺特征信息；

上位机软件模块，其可与所述激光加工部件、所述图像采集部件、所述视觉识别模块分别通讯，用于接收所述毛刺特征信息，规划所述激光加工部件的运行轨迹与工艺参数，以及控制所述激光加工部件对毛刺异常区域进行去毛刺作业。

2.根据权利要求1所述的智能化激光去毛刺系统，其中，

还包括前序加工控制模块；

所述前序加工控制模块可与所述上位机软件模块和所述工件的加工部件分别进行通讯，用于接收工件前序加工的工艺参数并控制所述加工部件对工件进行加工。

3.一种智能化激光去毛刺方法，其特征在于，包括如下步骤：

(1)标定工件与激光加工部件的相对位置；

(2)采集所述工件加工部位的图像，并对采集的图像进行图像识别，提取图像中的异常区域；

(3)对图像中的异常区域进行毛刺类异常判定；

(4)根据判定为毛刺类异常的毛刺特征信息以及其所在的区域位置对应调整所述激光加工部件的工艺控制参数，继而控制所述激光加工部件对所述工件进行去毛刺处理。

4.根据权利要求3中所述的智能化激光去毛刺方法，其中，在步骤(4)之后还包括步骤：

(5)对所述工件的去毛刺效果进行评估，并通过评估结果来判断所述激光加工部件是否需要继续工作；若不需要，则工件的激光去毛刺作业结束；若需要，则重复进行步骤(2)～(4)。

5.根据权利要求4所述的智能化激光去毛刺方法，其中，若步骤(5)中包括至少两次的去毛刺效果评估过程，则还包括激光去毛刺的强化学习过程，该过程如下：

在步骤(5)中，若评估结果判断所述激光加工部件需要继续工作，则此时所述激光加工部件的工艺控制参数在上一次加工时的工艺控制参数基础上进行迭代优化；

当所述激光加工部件经过多次去毛刺处理后，工件上的去毛刺效果刚好符合预定要求，此时，所述激光加工部件停止作业，并将此次该激光加工部件的工艺控制参数作为所述激光加工部件对后续工件进行去毛刺作业时的初始工艺控制参数。

6.根据权利要求3～5中任一项所述的智能化激光去毛刺方法，其中，还包括对前序加工过程中工艺参数的优化过程，该优化过程如下：

将步骤(3)中得到的毛刺类异常的特征信息与该工件前序加工时的工艺控制参数进行关联分析，并根据关联分析后的结果调整所述工件前序加工时的工艺控制参数。

7.根据权利要求3所述的智能化激光去毛刺方法，其中，步骤(1)中对位置的标定过程包括如下步骤：

S101：设置图像采集部件，并以其所在位置为原点建立空间坐标系，再通过测量其与所述激光加工部件的位置关系，明确激光加工部件在空间坐标系中的坐标值；

S102：在空间坐标系中测量工件与所述图像采集部件之间的位置关系，确定所述工件在空间坐标系中的坐标值；

S103：利用步骤S101和步骤S102中得到的两个坐标值，确定所述工件与所述激光加工部件之间的相对坐标值，完成所述激光加工部件与所述工件相对位置的标定。

8.根据权利要求3所述的智能化激光去毛刺方法，其中，步骤(2)中异常区域的提取过程包括如下步骤：

S201：对所述图像进行切块处理；

S202：对工件加工部位的异常区域进行图像分割，得到对应的异常区域图块；

S203：将各异常区域图块对应拼合，得到整张图像上的异常区域图。

9.根据权利要求3所述的智能化激光去毛刺方法，其中，步骤(3)中对异常区域中毛刺类异常的判定过程包括如下步骤：

S301：扫描整张图像，直到找到前景像素，按顺序赋予该像素标签并将与点邻接的所有前景像素压入栈中；

S302：顶出栈顶像素，赋予相同的标签并将与所述栈顶像素邻接的前景像素压入栈中；

S303：重复步骤S302，直到清空栈；

S304：回到步骤S301，直到扫描结束；

S305：统计各连通域的长度和宽度等几何特征；

S306：判定是否为毛刺类异常，并记下对应毛刺类异常区域的位置信息。

10.根据权利要求3所述的智能化激光去毛刺方法，其中，步骤(4)中对毛刺进行切除加工的过程包括如下步骤：

S401：设置上位机软件模块，将工件上毛刺区域的位置信息发送到所述上位机软件模块上；

S402：由上位机软件模块规划激光去除轨迹、工艺参数，将信息反馈给激光加工部件的控制系统；

S403：由所述控制系统控制激光加工部件的激光去除轨迹、工艺参数；

S404：控制激光加工部件对工件上待切除毛刺部位进行切除作业。

Images