CN113770585B - 一种水下焊接质量的控制方法及装置 - Google Patents
一种水下焊接质量的控制方法及装置 Download PDFInfo
- Publication number
- CN113770585B CN113770585B CN202111330941.8A CN202111330941A CN113770585B CN 113770585 B CN113770585 B CN 113770585B CN 202111330941 A CN202111330941 A CN 202111330941A CN 113770585 B CN113770585 B CN 113770585B
- Authority
- CN
- China
- Prior art keywords
- welding
- underwater target
- pool
- underwater
- welding pool
- 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.)
- Active
Links
- 238000003466 welding Methods 0.000 title claims abstract description 564
- 238000000034 method Methods 0.000 title claims abstract description 60
- 230000004927 fusion Effects 0.000 claims abstract description 66
- 238000003062 neural network model Methods 0.000 claims abstract description 28
- 230000035515 penetration Effects 0.000 claims description 47
- 238000011156 evaluation Methods 0.000 claims description 40
- 239000011159 matrix material Substances 0.000 claims description 26
- 238000012549 training Methods 0.000 claims description 24
- 238000012545 processing Methods 0.000 claims description 19
- 238000010998 test method Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 10
- 238000005728 strengthening Methods 0.000 claims description 10
- 230000006870 function Effects 0.000 claims description 8
- 230000009467 reduction Effects 0.000 claims description 8
- 238000003860 storage Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 7
- 230000005484 gravity Effects 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 238000003908 quality control method Methods 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 4
- 230000007246 mechanism Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000002787 reinforcement Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010891 electric arc Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000007274 generation of a signal involved in cell-cell signaling Effects 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000002844 melting Methods 0.000 description 1
- 230000008018 melting Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 238000007789 sealing Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- B23K31/00—Processes relevant to this subclass, specially adapted for particular articles or purposes, but not covered by only one of the preceding main groups
- B23K31/12—Processes relevant to this subclass, specially adapted for particular articles or purposes, but not covered by only one of the preceding main groups relating to investigating the properties, e.g. the weldability, of materials
- B23K31/125—Weld quality monitoring
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Physics & Mathematics (AREA)
- Optics & Photonics (AREA)
- Quality & Reliability (AREA)
- Laser Beam Processing (AREA)
Abstract
本发明提供一种水下焊接质量的控制方法及装置，确定激光条纹中点的三维坐标；根据三维坐标得到水下目标焊接熔池的三维点云信息；提取三维点云信息中水下目标焊接熔池的正面几何特征参数；将水下目标焊接熔池的正面几何特征参数和水下目标焊接熔池的焊接参数输入预设的神经网络模型，得到水下目标焊接熔池的背面熔宽和熔透深度，将水下目标焊接熔池的正面几何特征参数、水下目标焊接熔池的背面熔宽和熔透深度输入智能体，得到水下目标焊接熔池的焊接参数的调整量，根据水下目标焊接熔池的焊接参数的调整量，对水下目标焊接熔池的焊接参数进行调整。该方法实现在水下焊接环境中对焊接质量的控制。
Description
技术领域
本发明涉及焊接技术领域，尤其涉及一种水下焊接质量的控制方法及装置。
背景技术
焊接作为一项重要的制造工艺，在工业生产中有着广泛的应用，尤其是在汽车业、造船业、建筑业和航空航天业。近些年来，大量的焊接机器人代替人工完成自动焊接生产。机器人焊接过程中焊接质量控制是获得高质量焊缝成型的前提条件，是机器人智能化焊接的一项关键技术。
机器人焊接质量控制主要是基于视觉传感实时获取焊接区域特征信息，并利用控制方法完成焊接参数的调整。现有焊接质量控制的研究主要是针对陆上焊接，由于水下环境会对视觉传感系统产生严重的影响，水下焊接系统作为一个非线性、时变、强耦合的系统，焊接工艺与焊缝成形之间关系尤为复杂，现有技术无法实现对水下焊接的焊接质量控制。
发明内容
本发明提供一种水下焊接质量控制方法及装置，用以解决现有技术中无法实现对水下焊接的焊接质量控制缺陷，可以保证在水下环境中对焊接质量进行控制。
第一方面，本发明提供了一种水下焊接质量的控制方法，包括：通过激光器向水下目标焊接熔池发射激光条纹，并通过摄像机采集所述水下目标焊接熔池的图像；提取所述图像中激光条纹的中心线，并根据所述激光条纹的中心线、所述摄像机的参数矩阵和所述激光器的参数矩阵，确定所述激光条纹中点的三维坐标；根据所述三维坐标得到所述水下目标焊接熔池的三维点云信息；提取所述三维点云信息中所述水下目标焊接熔池的正面几何特征参数；其中，所述水下目标焊接熔池的正面几何特征参数包括所述水下目标焊接熔池的最大宽度、最大长度、最大高度和最大凸度；将所述水下目标焊接熔池的正面几何特征参数和所述水下目标焊接熔池的焊接参数输入预设的神经网络模型，得到所述水下目标焊接熔池的背面熔宽和熔透深度，所述焊接参数包括焊接电流、焊接电压和焊接速度；所述预设的神经网络模型是根据正交试验方法选择的训练样本训练得到的；将所述水下目标焊接熔池的正面几何特征参数、所述水下目标焊接熔池的背面熔宽和熔透深度输入智能体，得到所述水下目标焊接熔池的焊接参数的调整量，根据所述水下目标焊接熔池的焊接参数的调整量，对所述水下目标焊接熔池的焊接参数进行调整。
根据本发明提供的水下焊接质量的控制方法，所述将所述水下目标焊接熔池的正面几何特征参数、所述水下目标焊接熔池的背面熔宽和熔透深度输入智能体，得到所述水下目标焊接熔池的焊接参数的调整量，包括：根据所述水下目标焊接熔池的正面几何特征参数对所述水下目标焊接熔池的正面焊接质量进行评价，得到所述水下目标焊接熔池的正面焊接质量的评价结果；根据所述水下目标焊接熔池的背面熔宽和熔透深度对所述水下目标焊接熔池的背面焊接质量进行评价，得到所述水下目标焊接熔池的背面焊接质量的评价结果；将所述水下目标焊接熔池的正面几何特征参数、所述水下目标焊接熔池的正面焊接质量的评价结果、所述水下目标焊接熔池的背面熔宽和熔透深度和所述水下目标焊接熔池的背面焊接质量的评价结果输入所述智能体，得到所述水下目标焊接熔池的焊接参数的调整量。
根据本发明提供的水下焊接质量的控制方法，所述将所述水下目标焊接熔池的正面几何特征参数、所述水下目标焊接熔池的正面焊接质量的评价结果、所述水下目标焊接熔池的背面熔宽和熔透深度和所述水下目标焊接熔池的背面焊接质量的评价结果输入智能体，得到所述水下目标焊接熔池的焊接参数的调整量，包括：根据所述水下目标焊接熔池的正面焊接质量的评价结果和所述水下目标焊接熔池的背面焊接质量的评价结果，得到所述水下目标焊接熔池的焊接质量变化量的强化信号；将所述强化信号、所述水下目标焊接熔池的正面几何特征参数、所述水下目标焊接熔池的背面熔宽和熔透深度输入所述智能体，得到所述水下目标焊接熔池的焊接参数的调整量。
根据本发明提供的水下焊接质量的控制方法，所述根据所述水下目标焊接熔池的正面几何特征参数对所述水下目标焊接熔池的正面焊接质量进行评价所述水下目标焊接熔池的正面焊接质量的评价结果，包括：基于三角隶属度函数对所述水下目标焊接熔池的正面几何特征参数进行模糊化处理，得到模糊化的正面几何特征参数；将所述模糊化的正面几何特征参数输入预设的焊接专家系统，得到模糊化的焊缝成形质量；所述预设的焊接专家系统是基于焊接专家经验和焊接领域公开知识建立的模糊推理规则，用于描述焊接熔池的正面几何特征参数与焊缝成型质量之间的关系；基于重心解模糊方法对所述模糊化的焊缝成形质量进行解模糊化，得到所述水下目标焊接熔池的焊缝成形质量；根据所述水下目标焊接熔池的焊缝成形质量对所述水下目标焊接熔池的正面焊接质量进行评价，得到所述水下目标焊接熔池的正面焊接质量的评价结果。
根据本发明提供的水下焊接质量的控制方法，所述将所述模糊化的正面几何特征参数输入预设的焊接专家系统，得到模糊化的焊缝成形质量，包括：将所述模糊化的正面几何特征参数输入所述预设的焊接专家系统；所述预设的焊接专家系统利用Mamdani 的Max-Min方法进行推理计算，得到所述模糊化的焊缝成形质量。
根据本发明提供的水下焊接质量的控制方法，所述提取所述图像信息中激光条纹中心线，包括：对所述图像进行降噪处理和增强处理；提取降噪处理和增强处理后的图像中激光条纹中心线。
第二方面，本发明还提供了一种水下焊接质量的控制装置，包括：图像采集模块，用于通过激光器向水下目标焊接熔池发射激光条纹，并通过摄像机采集所述水下目标焊接熔池的图像；坐标确定模块，用于提取所述图像中激光条纹的中心线，并根据所述激光条纹的中心线、所述摄像机的参数矩阵和所述激光器的参数矩阵，确定所述激光条纹中点的三维坐标；点云获取模块，用于根据所述三维坐标得到所述水下目标焊接熔池的三维点云信息；特征提取模块，用于提取所述三维点云信息中所述水下目标焊接熔池的正面几何特征参数；其中，所述水下目标焊接熔池的正面几何特征参数包括所述水下目标焊接熔池的最大宽度、最大长度、最大高度和最大凸度；获取模块，用于将水下目标焊接熔池的正面几何特征参数和所述水下目标焊接熔池的焊接参数输入预设的神经网络模型，得到所述水下目标焊接熔池的背面熔宽和熔透深度，所述焊接参数包括焊接电流、焊接电压和焊接速度；所述预设的神经网络模型是根据正交试验方法选择的训练样本训练得到的；调整模块，用于将所述水下目标焊接熔池的正面几何特征参数、所述水下目标焊接熔池的背面熔宽和熔透深度输入智能体，得到所述水下目标焊接熔池的焊接参数的调整量，根据所述水下目标焊接熔池的焊接参数的调整量，对所述水下目标焊接熔池的焊接参数进行调整。
第三方面，本发明还提供了一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序时实现如第一方面所述的水下焊接质量的控制方法的步骤。
第四方面，本发明还提供了一种非暂态计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面所述的水下焊接质量的控制方法的步骤。
第五方面，本发明还提供了一种计算机程序产品，其上存储有可执行指令，该指令被处理器执行时使处理器实现如第一方面所述的水下焊接质量的控制方法的步骤。
本发明提供一种水下焊接质量的控制方法及装置，通过激光器向水下目标焊接熔池发射激光条纹，并通过摄像机采集水下目标焊接熔池的图像；提取图像中激光条纹的中心线，并根据激光条纹的中心线、摄像机的参数矩阵和激光器的参数矩阵，确定激光条纹中点的三维坐标；根据三维坐标得到水下目标焊接熔池的三维点云信息；提取三维点云信息中水下目标焊接熔池的正面几何特征参数；其中，水下目标焊接熔池的正面几何特征参数包括水下目标焊接熔池的最大宽度、最大长度、最大高度和最大凸度；将水下目标焊接熔池的正面几何特征参数和水下目标焊接熔池的焊接参数输入预设的神经网络模型，得到水下目标焊接熔池的背面熔宽和熔透深度，焊接参数包括焊接电流、焊接电压和焊接速度；预设的神经网络模型是根据正交试验方法选择的训练样本训练得到的；将水下目标焊接熔池的正面几何特征参数、水下目标焊接熔池的背面熔宽和熔透深度输入智能体，得到水下目标焊接熔池的焊接参数的调整量，根据水下目标焊接熔池的焊接参数的调整量，对水下目标焊接熔池的焊接参数进行调整。根据水下目标焊接熔池的正面几何特征参数可以获取水下目标焊接熔池的背面熔宽和熔透深度，根据获取的正面几何特征参数、背面熔宽和熔透深度可以对焊接参数机进行调整，实现在水下焊接环境中对焊接质量的控制。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，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的附图。
图1为本发明提供的一种水下焊接质量的控制方法实施例的流程示意图；
图2是本发明提供的水下结构光视觉系统的示意图；
图3是是本发明提供的获取水下目标焊接熔池的正面几何特征参数方法实施例的流程示意图；
图4是本发明提供的预设的神经网络模型的示意图；
图5是本发明提供的预设专家库组成及工作原理示意图；
图6是本发明提供的焊接参数调整的示意图；
图7是本发明提供的一种水下焊接质量的控制装置实施例的结构组成示意图；
图8 是本发明提供的一种电子设备的实体结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，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作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
图1为本发明提供的一种水下焊接质量的控制方法实施例的流程示意图。如图1所示，该水下焊接质量的控制方法包括以下步骤：
S101，通过激光器向水下目标焊接熔池发射激光条纹，并通过摄像机采集水下目标焊接熔池的图像。
在步骤S101中，激光器是多线条纹激光器，激光器和摄像机均是水下结构光视觉系统的一部分，水下结构光视觉系统如图2所示，包括激光器、激光支架、防水航插、工业相机也就是摄像机，相机支架和滤光片，激光器和摄像机具备密封防水功能。激光器向水下目标焊接熔池发射激光后，摄像机采集被激光照射的水下目标焊接熔池的图像。
由于熔池处于电弧周围，采集图像会带来较大的干扰，为了降低焊接强噪声对图像采集的影响，在摄像机前方添加窄带滤光片，窄带滤光片的中心波长应为焊接电弧光谱强度较弱的波长，激光器的波长与窄带滤光片的中心波长一致；为了减少电弧噪声对采集图像的干扰，选择合适的图像采集时刻，在焊接电流处于基值时采集图像。
S102，提取图像中激光条纹的中心线，并根据激光条纹的中心线、摄像机的参数矩阵和激光器的参数矩阵，确定激光条纹中点的三维坐标。
在步骤S102中，可以利用灰度重心法、最大最小梯度法或者高斯拟合高斯拟合等方法对激光条纹中心线进行提取。本发明实施例对条纹中心线的提取方法不作限定。摄像机的参数矩阵和激光器的参数矩阵是根据标定得到的。根据提取的条纹中心线、像机参数矩阵和激光器参数矩阵可以将激光条纹中点的像素坐标转化为该点在世界坐标系下的三维坐标。
S103，根据三维坐标得到水下目标焊接熔池的三维点云信息。
在步骤S103中，点云，也称三维点云，是指在逆向工程中通过测量仪器得到的产品外观表面的点数据集合，可以根据水下目标焊接熔池对应点的三维坐标，得到水下目标焊接熔池的三维点云。
S104，提取三维点云信息中水下目标焊接熔池的正面几何特征参数；其中，水下目标焊接熔池的正面几何特征参数包括水下目标焊接熔池的最大宽度、最大长度、最大高度和最大凸度。
在步骤S104中，可以设计点云处理算法对水下目标焊接熔池三维点云信息进行特征提取，得到水下目标焊接熔池的正面几何特征参数。获取水下目标焊接熔池的正面几何特征参数的步骤如图3所示，可以包括：对水下目标焊接熔池的图像进行滤波处理和图像增强处理，提取激光条纹，利用结构光视觉系统标点可以得到水下目标焊接熔池的三维点云，根据三维点云计算水下目标焊接熔池的正面几何特征参数。
S105，将水下目标焊接熔池的正面几何特征参数和水下目标焊接熔池的焊接参数输入预设的神经网络模型，得到水下目标焊接熔池的背面熔宽和熔透深度，焊接参数包括焊接电流、焊接电压和焊接速度；预设的神经网络模型是根据正交试验方法选择的训练样本训练得到的。
在步骤S105，预设的神经网络模型可以建立水下焊接熔池正面几何参数和水下焊接熔池背面熔宽、熔透性之间的关系。预设的神经网络模型如图4所示，包括输入层、隐含层和输出层。将参数输入至输入层，经过隐含层的处理，输出层输出结果。可以根据水下目标焊接熔池的背面熔宽和熔透深度评价焊缝背面的焊接质量。
在利用预设的神经网络模型得到水下目标焊接熔池的背面熔宽和熔透深度之前，还包括对该神经网络模型进行训练。其中，可以利用正交试验方法来选择网络的训练样本，保证针对每一个输入分量选取最少的样本，同时这些样本所包含的信息又是最丰富的，使最终训练好的网络对每一个输入分量具有相同的预测能力。
S106，将水下目标焊接熔池的正面几何特征参数、水下目标焊接熔池的背面熔宽和熔透深度输入智能体，得到水下目标焊接熔池的焊接参数的调整量，根据水下目标焊接熔池的焊接参数的调整量，对水下目标焊接熔池的焊接参数进行调整。
在步骤S106中，智能体是驻留于环境中的实体，它可以解释从环境中获得的反映环境中所发生事件的数据，并执行对环境产生影响的行动。智能体可以被看作是一种在环境中“生存”的实体，它既可以是硬件（如机器人），也可以是软件。在本发明实施例中，智能体可以是Agent。利用OpenAI Gym、MuJoCo等建立仿真环境， Agent接收水下目标焊接熔池的正面几何特征参数、水下目标焊接熔池的背面熔宽和熔透深度作为输入，根据内部的推理机制，输出相应的焊接参数调整量，根据输出的焊接参数调整量对水下目标焊接熔池的焊接参数进行调整。
本发明实施例提供的水下焊接质量的控制方法，通过激光器向水下目标焊接熔池发射激光条纹，并通过摄像机采集水下目标焊接熔池的图像；提取图像中激光条纹的中心线，并根据激光条纹的中心线、摄像机的参数矩阵和激光器的参数矩阵，确定激光条纹中点的三维坐标；根据三维坐标得到水下目标焊接熔池的三维点云信息；提取三维点云信息中水下目标焊接熔池的正面几何特征参数；其中，水下目标焊接熔池的正面几何特征参数包括水下目标焊接熔池的最大宽度、最大长度、最大高度和最大凸度；将水下目标焊接熔池的正面几何特征参数和水下目标焊接熔池的焊接参数输入预设的神经网络模型，得到水下目标焊接熔池的背面熔宽和熔透深度，焊接参数包括焊接电流、焊接电压和焊接速度；预设的神经网络模型是根据正交试验方法选择的训练样本训练得到的；将水下目标焊接熔池的正面几何特征参数、水下目标焊接熔池的背面熔宽和熔透深度输入智能体，得到水下目标焊接熔池的焊接参数的调整量，根据水下目标焊接熔池的焊接参数的调整量，对水下目标焊接熔池的焊接参数进行调整。根据水下目标焊接熔池的正面几何特征参数可以获取水下目标焊接熔池的背面熔宽和熔透深度，根据获取的正面几何特征参数、背面熔宽和熔透深度可以对焊接参数机进行调整，实现在水下焊接环境中对焊接质量的控制。
在一些可选的实施例中，将水下目标焊接熔池的正面几何特征参数、水下目标焊接熔池的背面熔宽和熔透深度输入智能体，得到水下目标焊接熔池的焊接参数的调整量，可以包括：根据水下目标焊接熔池的正面几何特征参数对水下目标焊接熔池的正面焊接质量进行评价，得到水下目标焊接熔池的正面焊接质量的评价结果；根据水下目标焊接熔池的背面熔宽和熔透深度对水下目标焊接熔池的背面焊接质量进行评价，得到水下目标焊接熔池的背面焊接质量的评价结果；将水下目标焊接熔池的正面几何特征参数、水下目标焊接熔池的正面焊接质量的评价结果、水下目标焊接熔池的背面熔宽和熔透深度和水下目标焊接熔池的背面焊接质量的评价结果输入智能体，得到水下目标焊接熔池的焊接参数的调整量。
根据水下目标焊接熔池的正面几何特征参数对水下目标焊接熔池的正面焊接质量进行评价，得到水下目标焊接熔池的正面焊接质量的评价结果可以包括：基于三角隶属度函数对水下目标焊接熔池的正面几何特征参数进行模糊化处理，得到模糊化的正面几何特征参数；将模糊化的正面几何特征参数输入预设的焊接专家系统，得到模糊化的焊缝成形质量；预设的焊接专家系统是基于焊接专家经验和焊接领域公开知识建立的模糊推理规则，用于描述焊接熔池的正面几何特征参数与焊缝成型质量之间的关系；基于重心解模糊方法对模糊化的焊缝成形质量进行解模糊化，得到水下目标焊接熔池的焊缝成形质量；根据水下目标焊接熔池的焊缝成形质量对水下目标焊接熔池的正面焊接质量进行评价，得到水下目标焊接熔池的正面焊接质量的评价结果。
预设的焊接专家系统如图5所示，包括规则库、推理机、匹配模式机制和知识统计更新。事实数据输入至规则库和推理机，作为建立规则和推理机制的基础；根据焊接专家经验调整推理机和模式匹配机制；根据焊接领域公开知识调整模式匹配机以及对知识进行统计更新。
基于重心解模糊方法对模糊化的焊缝成形质量进行解模糊化，得到水下目标焊接熔池的焊缝成形质量可以包括: 若得到的糊化的焊缝成形质量为一个，那么对模糊化的焊缝成形质量进行解模糊化，得到水下目标焊接熔池的焊缝成形质量；若得到的模糊化的焊缝成形质量为至少两个，对糊化的焊缝成形质量进行加权计算，得到加权计算的模糊化的焊缝成形质量，对加权计算的模糊化的焊缝成形质量进行解模糊化，得到水下目标焊接熔池的焊缝成形质量。
在一些可选的实施例中，将水下目标焊接熔池的正面几何特征参数、水下目标焊接熔池的正面焊接质量的评价结果、水下目标焊接熔池的背面熔宽和熔透深度和水下目标焊接熔池的背面焊接质量的评价结果输入智能体，得到水下目标焊接熔池的焊接参数的调整量，可以包括：根据水下目标焊接熔池的正面焊接质量的评价结果和水下目标焊接熔池的背面焊接质量的评价结果，得到水下目标焊接熔池的焊接质量变化量的强化信号；将强化信号、水下目标焊接熔池的正面几何特征参数、水下目标焊接熔池的背面熔宽和熔透深度输入智能体，得到水下目标焊接熔池的焊接参数的调整量。
其中，强化信号反映了焊接质量变化情况， Agent根据强化信号和环境当前的状态选择下一个回报概率最大动作完成焊接参数调整。其中，基于Actor-Critic 强化学习的水下焊接质量控制算法如表1所示：
表1 水下焊接质量控制算法表
如图6所示，Actor-Critic 强化学习模型包括Actor和Critic两部分，Actor 根据当前的水下焊接熔池参数生成最优的焊接参数调整量，Critic 用于评估当前焊接质量并根据TD误差来学习值函数，在实际的系统中，无法采用查找表的方式存储连续空间下的状态和动作值函数，采用 RBF 神经网络对值函数进行近似。
在一些可选的实施例中，将模糊化的正面几何特征参数输入预设的焊接专家系统，得到模糊化的焊缝成形质量，可以包括：将模糊化的正面几何特征参数输入预设的焊接专家系统；预设的焊接专家系统利用Mamdani 的 Max-Min方法进行推理计算，得到模糊化的焊缝成形质量。
在一些可选的实施例中，提取图像信息中激光条纹中心线，可以包括：对图像进行降噪处理和增强处理；对降噪处理和增强处理后的图像，提取图像信息中激光条纹中心线。
由于弧光干扰具有瞬时性，采用相邻两幅图像取小的操作，可以有效去除大的弧光干扰；其中，弧光一种持续的耀眼亮光，在电路断开时形成。即电弧发出的光，光度很强。进一步设计自适应中值滤波算法，在去除图像噪声的同时，可以保证图像边缘不被模糊化。
除此之外，还可以利用基于颜色恒常理论的方法（Retinex）、基于按通道优先方法（DCP）或者基于深度神经网络等方法对水下目标焊接熔池的图像进行增强处理。
图7是本发明提供的一种水下焊接质量的控制装置实施例的结构组成示意图。如图7所示，该水下焊接质量的控制装置，包括：
图像采集模块701，用于通过激光器向水下目标焊接熔池发射激光条纹，并通过摄像机采集水下目标焊接熔池的图像；
坐标确定模块702，用于提取图像中激光条纹的中心线，并根据激光条纹的中心线、摄像机的参数矩阵和激光器的参数矩阵，确定激光条纹中点的三维坐标；
点云获取模块703，用于根据所述三维坐标得到所述水下目标焊接熔池的三维点云信息；
特征提取模块704，用于提取三维点云信息中水下目标焊接熔池的正面几何特征参数；其中，水下目标焊接熔池的正面几何特征参数包括水下目标焊接熔池的最大宽度、最大长度、最大高度和最大凸度；
获取模块705，用于将水下目标焊接熔池的正面几何特征参数和水下目标焊接熔池的焊接参数输入预设的神经网络模型，得到水下目标焊接熔池的背面熔宽和熔透深度，焊接参数包括焊接电流、焊接电压和焊接速度；预设的神经网络模型是根据正交试验方法选择的训练样本训练得到的；
调整模块706，用于将水下目标焊接熔池的正面几何特征参数、水下目标焊接熔池的背面熔宽和熔透深度输入智能体，得到水下目标焊接熔池的焊接参数的调整量，根据水下目标焊接熔池的焊接参数的调整量，对水下目标焊接熔池的焊接参数进行调整。
可选地，调整模块706，包括：
正面评价单元，用于根据水下目标焊接熔池的正面几何特征参数对水下目标焊接熔池的正面焊接质量进行评价，得到水下目标焊接熔池的正面焊接质量的评价结果；
背面评价单元，用于根据水下目标焊接熔池的背面熔宽和熔透深度对水下目标焊接熔池的背面焊接质量进行评价，得到水下目标焊接熔池的背面焊接质量的评价结果；
调整单元，用于将水下目标焊接熔池的正面几何特征参数、水下目标焊接熔池的正面焊接质量的评价结果、水下目标焊接熔池的背面熔宽和熔透深度和水下目标焊接熔池的背面焊接质量的评价结果输入智能体，得到水下目标焊接熔池的焊接参数的调整量。
可选地，调整单元，包括：
信号生成子单元，用于根据水下目标焊接熔池的正面焊接质量的评价结果和水下目标焊接熔池的背面焊接质量的评价结果，得到水下目标焊接熔池的焊接质量变化量的强化信号；
调整子单元，用于将强化信号、水下目标焊接熔池的正面几何特征参数、水下目标焊接熔池的背面熔宽和熔透深度输入智能体，得到水下目标焊接熔池的焊接参数的调整量。
可选地，正面评价单元，包括：
模糊化子单元，用于基于三角隶属度函数对水下目标焊接熔池的正面几何特征参数进行模糊化处理，得到模糊化的正面几何特征参数；
生成子单元，用于将模糊化的正面几何特征参数输入预设的焊接专家系统，得到模糊化的焊缝成形质量；预设的焊接专家系统是基于焊接专家经验和焊接领域公开知识建立的模糊推理规则，用于描述焊接熔池的正面几何特征参数与焊缝成型质量之间的关系；
解模糊化子单元，用于基于重心解模糊方法对模糊化的焊缝成形质量进行解模糊化，得到水下目标焊接熔池的焊缝成形质量。
评价子单元，用于根据水下目标焊接熔池的焊缝成形质量对水下目标焊接熔池的正面焊接质量进行评价，得到水下目标焊接熔池的正面焊接质量的评价结果。
可选地，生成子单元，包括：
输入子单元，用于将模糊化的正面几何特征参数输入预设的焊接专家系统；
计算子单元，用于预设的焊接专家系统利用Mamdani 的 Max-Min方法进行推理计算，得到模糊化的焊缝成形质量。
可选地，坐标确定模块702，包括：
处理单元，用于对图像进行降噪处理和增强处理；
提取单元，用于提取降噪处理和增强处理后的图像中激光条纹中心线。
图8是本发明提供的一种电子设备的实体结构示意图，如图8所示，该电子设备可以包括：处理器(processor)801、通信接口(Communications Interface)802、存储器(memory)803和通信总线804，其中，处理器801，通信接口802，存储器803通过通信总线804完成相互间的通信。处理器801可以调用存储器803中的逻辑指令，以执行水下焊接质量的控制方法，该方法包括：
激光器向水下目标焊接熔池发射激光条纹，并通过摄像机采集水下目标焊接熔池的图像；提取图像中激光条纹的中心线，并根据激光条纹的中心线、摄像机的参数矩阵和激光器的参数矩阵，确定激光条纹中点的三维坐标；根据三维坐标得到水下目标焊接熔池的三维点云信息；提取三维点云信息中水下目标焊接熔池的正面几何特征参数；其中，水下目标焊接熔池的正面几何特征参数包括水下目标焊接熔池的最大宽度、最大长度、最大高度和最大凸度；将水下目标焊接熔池的正面几何特征参数和水下目标焊接熔池的焊接参数输入预设的神经网络模型，得到水下目标焊接熔池的背面熔宽和熔透深度，焊接参数包括焊接电流、焊接电压和焊接速度；预设的神经网络模型是根据正交试验方法选择的训练样本训练得到的；将水下目标焊接熔池的正面几何特征参数、水下目标焊接熔池的背面熔宽和熔透深度输入智能体，得到水下目标焊接熔池的焊接参数的调整量，根据水下目标焊接熔池的焊接参数的调整量，对水下目标焊接熔池的焊接参数进行调整。
此外，上述的存储器803中的逻辑指令可以通过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）执行本发明各个实施例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、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面，本发明还提供一种计算机程序产品，计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，计算机程序包括程序指令，当程序指令被计算机执行时，计算机能够执行上述各方法所提供的水下焊接质量的控制方法，该方法包括：
激光器向水下目标焊接熔池发射激光条纹，并通过摄像机采集水下目标焊接熔池的图像；提取图像中激光条纹的中心线，并根据激光条纹的中心线、摄像机的参数矩阵和激光器的参数矩阵，确定激光条纹中点的三维坐标；根据三维坐标得到水下目标焊接熔池的三维点云信息；提取三维点云信息中水下目标焊接熔池的正面几何特征参数；其中，水下目标焊接熔池的正面几何特征参数包括水下目标焊接熔池的最大宽度、最大长度、最大高度和最大凸度；将水下目标焊接熔池的正面几何特征参数和水下目标焊接熔池的焊接参数输入预设的神经网络模型，得到水下目标焊接熔池的背面熔宽和熔透深度，焊接参数包括焊接电流、焊接电压和焊接速度；预设的神经网络模型是根据正交试验方法选择的训练样本训练得到的；将水下目标焊接熔池的正面几何特征参数、水下目标焊接熔池的背面熔宽和熔透深度输入智能体，得到水下目标焊接熔池的焊接参数的调整量，根据水下目标焊接熔池的焊接参数的调整量，对水下目标焊接熔池的焊接参数进行调整。
又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各方法所提供的水下焊接质量的控制方法，该方法包括：
激光器向水下目标焊接熔池发射激光条纹，并通过摄像机采集水下目标焊接熔池的图像；提取图像中激光条纹的中心线，并根据激光条纹的中心线、摄像机的参数矩阵和激光器的参数矩阵，确定激光条纹中点的三维坐标；根据三维坐标得到水下目标焊接熔池的三维点云信息；提取三维点云信息中水下目标焊接熔池的正面几何特征参数；其中，水下目标焊接熔池的正面几何特征参数包括水下目标焊接熔池的最大宽度、最大长度、最大高度和最大凸度；将水下目标焊接熔池的正面几何特征参数和水下目标焊接熔池的焊接参数输入预设的神经网络模型，得到水下目标焊接熔池的背面熔宽和熔透深度，焊接参数包括焊接电流、焊接电压和焊接速度；预设的神经网络模型是根据正交试验方法选择的训练样本训练得到的；将水下目标焊接熔池的正面几何特征参数、水下目标焊接熔池的背面熔宽和熔透深度输入智能体，得到水下目标焊接熔池的焊接参数的调整量，根据水下目标焊接熔池的焊接参数的调整量，对水下目标焊接熔池的焊接参数进行调整。
以上所描述的装置实施例仅仅是示意性的，其中作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，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）执行各个实施例或者实施例的某些部分的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (9)
1.一种水下焊接质量的控制方法，其特征在于，包括：
通过激光器向水下目标焊接熔池发射激光条纹，并通过摄像机采集所述水下目标焊接熔池的图像；
提取所述图像中激光条纹的中心线，并根据所述激光条纹的中心线、所述摄像机的参数矩阵和所述激光器的参数矩阵，确定所述激光条纹中点的三维坐标；
根据所述三维坐标得到所述水下目标焊接熔池的三维点云信息；
提取所述三维点云信息中所述水下目标焊接熔池的正面几何特征参数；其中，所述水下目标焊接熔池的正面几何特征参数包括所述水下目标焊接熔池的最大宽度、最大长度、最大高度和最大凸度；
将所述水下目标焊接熔池的正面几何特征参数和所述水下目标焊接熔池的焊接参数输入预设的神经网络模型，得到所述水下目标焊接熔池的背面熔宽和熔透深度，所述焊接参数包括焊接电流、焊接电压和焊接速度；所述预设的神经网络模型是根据正交试验方法选择的训练样本训练得到的；
将所述水下目标焊接熔池的正面几何特征参数、所述水下目标焊接熔池的背面熔宽和熔透深度输入智能体，得到所述水下目标焊接熔池的焊接参数的调整量，根据所述水下目标焊接熔池的焊接参数的调整量，对所述水下目标焊接熔池的焊接参数进行调整。
2.根据权利要求1所述的水下焊接质量的控制方法，其特征在于，所述将所述水下目标焊接熔池的正面几何特征参数、所述水下目标焊接熔池的背面熔宽和熔透深度输入智能体，得到所述水下目标焊接熔池的焊接参数的调整量，包括：
根据所述水下目标焊接熔池的正面几何特征参数对所述水下目标焊接熔池的正面焊接质量进行评价，得到所述水下目标焊接熔池的正面焊接质量的评价结果；
根据所述水下目标焊接熔池的背面熔宽和熔透深度对所述水下目标焊接熔池的背面焊接质量进行评价，得到所述水下目标焊接熔池的背面焊接质量的评价结果；
将所述水下目标焊接熔池的正面几何特征参数、所述水下目标焊接熔池的正面焊接质量的评价结果、所述水下目标焊接熔池的背面熔宽和熔透深度和所述水下目标焊接熔池的背面焊接质量的评价结果输入所述智能体，得到所述水下目标焊接熔池的焊接参数的调整量。
3.根据权利要求2所述的水下焊接质量的控制方法，其特征在于，所述将所述水下目标焊接熔池的正面几何特征参数、所述水下目标焊接熔池的正面焊接质量的评价结果、所述水下目标焊接熔池的背面熔宽和熔透深度和所述水下目标焊接熔池的背面焊接质量的评价结果输入智能体，得到所述水下目标焊接熔池的焊接参数的调整量，包括：
根据所述水下目标焊接熔池的正面焊接质量的评价结果和所述水下目标焊接熔池的背面焊接质量的评价结果，得到所述水下目标焊接熔池的焊接质量变化量的强化信号；
将所述强化信号、所述水下目标焊接熔池的正面几何特征参数、所述水下目标焊接熔池的背面熔宽和熔透深度输入所述智能体，得到所述水下目标焊接熔池的焊接参数的调整量。
4.根据权利要求1至3任一项所述的水下焊接质量的控制方法，其特征在于，所述根据所述水下目标焊接熔池的正面几何特征参数对所述水下目标焊接熔池的正面焊接质量进行评价所述水下目标焊接熔池的正面焊接质量的评价结果，包括：
基于三角隶属度函数对所述水下目标焊接熔池的正面几何特征参数进行模糊化处理，得到模糊化的正面几何特征参数；
将所述模糊化的正面几何特征参数输入预设的焊接专家系统，得到模糊化的焊缝成形质量；所述预设的焊接专家系统是基于焊接专家经验和焊接领域公开知识建立的模糊推理规则，用于描述焊接熔池的正面几何特征参数与焊缝成型质量之间的关系；
基于重心解模糊方法对所述模糊化的焊缝成形质量进行解模糊化，得到所述水下目标焊接熔池的焊缝成形质量；
根据所述水下目标焊接熔池的焊缝成形质量对所述水下目标焊接熔池的正面焊接质量进行评价，得到所述水下目标焊接熔池的正面焊接质量的评价结果。
5.根据权利要求4所述的水下焊接质量的控制方法，其特征在于，所述将所述模糊化的正面几何特征参数输入预设的焊接专家系统，得到模糊化的焊缝成形质量，包括：
将所述模糊化的正面几何特征参数输入所述预设的焊接专家系统；
所述预设的焊接专家系统利用Mamdani 的 Max-Min方法进行推理计算，得到所述模糊化的焊缝成形质量。
6.根据权利要求1所述的水下焊接质量的控制方法，其特征在于，所述提取所述图像中激光条纹中心线，包括：
对所述图像进行降噪处理和增强处理；
提取降噪处理和增强处理后的图像中激光条纹中心线。
7.一种水下焊接质量的控制装置，其特征在于，包括：
图像采集模块，用于通过激光器向水下目标焊接熔池发射激光条纹，并通过摄像机采集所述水下目标焊接熔池的图像；
坐标确定模块，用于提取所述图像中激光条纹的中心线，并根据所述激光条纹的中心线、所述摄像机的参数矩阵和所述激光器的参数矩阵，确定所述激光条纹中点的三维坐标；
点云获取模块，用于根据所述三维坐标得到所述水下目标焊接熔池的三维点云信息；
特征提取模块，用于提取所述三维点云信息中所述水下目标焊接熔池的正面几何特征参数；其中，所述水下目标焊接熔池的正面几何特征参数包括所述水下目标焊接熔池的最大宽度、最大长度、最大高度和最大凸度；
获取模块，用于将水下目标焊接熔池的正面几何特征参数和所述水下目标焊接熔池的焊接参数输入预设的神经网络模型，得到所述水下目标焊接熔池的背面熔宽和熔透深度，所述焊接参数包括焊接电流、焊接电压和焊接速度；所述预设的神经网络模型是根据正交试验方法选择的训练样本训练得到的；
调整模块，用于将所述水下目标焊接熔池的正面几何特征参数、所述水下目标焊接熔池的背面熔宽和熔透深度输入智能体，得到所述水下目标焊接熔池的焊接参数的调整量，根据所述水下目标焊接熔池的焊接参数的调整量，对所述水下目标焊接熔池的焊接参数进行调整。
8.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1~6任一项所述的水下焊接质量的控制方法的步骤。
9.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1~6任一项所述的水下焊接质量的控制方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111330941.8A CN113770585B (zh) | 2021-11-11 | 2021-11-11 | 一种水下焊接质量的控制方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111330941.8A CN113770585B (zh) | 2021-11-11 | 2021-11-11 | 一种水下焊接质量的控制方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113770585A CN113770585A (zh) | 2021-12-10 |
| CN113770585B true CN113770585B (zh) | 2022-04-08 |
Family
ID=78873756
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111330941.8A Active CN113770585B (zh) | 2021-11-11 | 2021-11-11 | 一种水下焊接质量的控制方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113770585B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114799600B (zh) * | 2022-05-13 | 2024-03-15 | 中车工业研究院有限公司 | 熔宽控制方法、设备、系统、介质及产品 |
| CN114871577A (zh) * | 2022-05-13 | 2022-08-09 | 武汉锐科光纤激光技术股份有限公司 | 齿轮刀盘的焊接方法和装置、存储介质及电子装置 |
| CN117259975A (zh) * | 2023-09-27 | 2023-12-22 | 天津大学 | 基于视觉传感的局部干法水下坡口激光填丝焊接装置及方法 |
Family Cites Families (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2003025854A2 (en) * | 2001-09-17 | 2003-03-27 | Bae Systems Information & Electronic Systems Integration Inc. | Co-registered acoustical and optical cameras for underwater imaging |
| CN102455171B (zh) * | 2010-10-27 | 2014-01-15 | 中国科学院沈阳自动化研究所 | 一种激光拼焊焊缝背面几何形貌检测方法 |
| CN104002069B (zh) * | 2014-05-23 | 2016-05-18 | 哈尔滨工业大学（威海） | 水下焊接熔滴过渡实时监测装置及方法 |
| CN105562887A (zh) * | 2014-10-27 | 2016-05-11 | 西安扩力机电科技有限公司 | 一种水下焊接的无线监控方法 |
| CN105160639A (zh) * | 2015-08-04 | 2015-12-16 | 梁彦云 | 一种基于激光图像处理的水下焊接方法 |
| CN105414710B (zh) * | 2015-12-29 | 2017-02-01 | 哈尔滨阿尔特机器人技术有限公司 | 主被动视觉焊接熔池复合传感装置及采用该装置实现的传感方法 |
| CN108393559A (zh) * | 2018-04-18 | 2018-08-14 | 山东省科学院海洋仪器仪表研究所 | 水下湿法焊接质量评估系统及焊接质量检测控制方法 |
| CN112207482A (zh) * | 2020-09-23 | 2021-01-12 | 上海交通大学 | 一种用于焊接质量控制的多元信息监控和控制系统及方法 |
-
2021
- 2021-11-11 CN CN202111330941.8A patent/CN113770585B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN113770585A (zh) | 2021-12-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113770585B (zh) | 一种水下焊接质量的控制方法及装置 | |
| Liu et al. | Underwater image enhancement with a deep residual framework | |
| CN111444811B (zh) | 一种三维点云目标检测的方法 | |
| Verma et al. | High dynamic range optimal fuzzy color image enhancement using artificial ant colony system | |
| Asif et al. | Shape from focus using multilayer feedforward neural networks | |
| CN104598915B (zh) | 一种手势识别方法与装置 | |
| US20180079076A1 (en) | Machine learning device, robot system, and machine learning method for learning operation program of robot | |
| CN108762281A (zh) | 一种基于记忆关联强化学习的嵌入式实时水下机器人智能决策方法 | |
| Zhou et al. | Underwater image enhancement via physical-feedback adversarial transfer learning | |
| CN110728636A (zh) | 一种基于生成式对抗网络的蒙特卡洛渲染图去噪模型、方法及装置 | |
| CN115937394A (zh) | 一种基于神经辐射场的三维图像渲染方法及系统 | |
| CN112906888B (zh) | 一种任务执行方法及装置、电子设备和存储介质 | |
| CN112712472A (zh) | 图像处理方法、装置、电子设备及计算机可读存储介质 | |
| CN110866872B (zh) | 一种路面裂缝图片预处理智能选择方法、装置及电子设备 | |
| CN109063716B (zh) | 一种图像识别方法、装置、设备及计算机可读存储介质 | |
| CN116307743B (zh) | 基于数据处理的押运安全预警方法、系统、设备和介质 | |
| Gonzalez et al. | Edge detection methods based on generalized type-2 fuzzy logic | |
| CN110111426A (zh) | 一种动静分离格局房屋的确定方法和装置 | |
| Estrada et al. | Underwater LiDAR image enhancement using a GAN based machine learning technique | |
| CN117214904A (zh) | 一种基于多传感器数据的鱼类智能识别监测方法和系统 | |
| CN111539250B (zh) | 一种基于神经网络的图像雾浓度估计方法、系统和终端 | |
| CN110570375A (zh) | 一种图像处理方法、装置、电子设置以及存储介质 | |
| CN116664451B (zh) | 基于多图像处理的测量机器人测量优化方法 | |
| CN112200102B (zh) | 一种自适应数据增强的二维人体姿态估计方法和系统 | |
| CN115205181B (zh) | 一种多聚焦图像融合方法、装置、电子设备及存储介质 |
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 |