CN114026596A - 用于评估激光切割边缘的方法、移动终端设备和系统 - Google Patents

用于评估激光切割边缘的方法、移动终端设备和系统 Download PDF

Info

Publication number
CN114026596A
CN114026596A CN202080046561.9A CN202080046561A CN114026596A CN 114026596 A CN114026596 A CN 114026596A CN 202080046561 A CN202080046561 A CN 202080046561A CN 114026596 A CN114026596 A CN 114026596A
Authority
CN
China
Prior art keywords
image data
laser
mobile terminal
cut edge
terminal device
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
Application number
CN202080046561.9A
Other languages
English (en)
Inventor
L·F·塔泽尔
M·基弗
J·奥特纳德
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.)
Trumpf Werkzeugmaschinen SE and Co KG
Original Assignee
Trumpf Werkzeugmaschinen SE and Co KG
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 Trumpf Werkzeugmaschinen SE and Co KG filed Critical Trumpf Werkzeugmaschinen SE and Co KG
Publication of CN114026596A publication Critical patent/CN114026596A/zh
Pending legal-status Critical Current

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
    • 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
    • B23K26/03—Observing, e.g. monitoring, the workpiece
    • B23K26/032—Observing, e.g. monitoring, the workpiece using optical means
    • 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
    • B23K26/142—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 for the removal of by-products
    • 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
    • B23K26/36—Removing material
    • B23K26/38—Removing material by boring or cutting
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • 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
    • B23K2101/00—Articles made by soldering, welding or cutting
    • B23K2101/16—Bands or sheets of indefinite length
    • 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
    • B23K2101/00—Articles made by soldering, welding or cutting
    • B23K2101/18—Sheet panels
    • 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
    • G06T2207/20048—Transform domain processing
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]
    • 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
    • G06T2207/20092—Interactive image processing based on input by user
    • G06T2207/20104—Interactive definition of region of interest [ROI]
    • 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
    • G06T2207/30164—Workpiece; Machine component
    • 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
    • G06T2207/30168—Image quality inspection

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Optics & Photonics (AREA)
  • Theoretical Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • General Physics & Mathematics (AREA)
  • Plasma & Fusion (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Quality & Reliability (AREA)
  • Biomedical Technology (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Laser Beam Processing (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及用于评估工件(12)的激光切割边缘(16)的方法，所述方法具有以下步骤：A)检测所述激光切割边缘(16)及其周围环境的图像数据；B)分割所述图像数据并且辨别所述图像数据的感兴趣的部段，其中，所述感兴趣的部段具有所述激光切割边缘(16)的图像数据；C)针对所述感兴趣的部段执行图像质量识别；D)基于所述图像质量识别生成用于用户的输出。本发明还涉及移动终端设备和系统。

Description

用于评估激光切割边缘的方法、移动终端设备和系统
技术领域
本发明涉及一种用于评估激光切割边缘的方法、一种移动终端设备以及一种用于执行所述方法的步骤的系统。
背景技术
激光切割，也称为激光束切割，指的是借助连续或脉冲激光辐射通过材料烧蚀切断固体。以这种方式，能够切割金属、塑料、玻璃和有机材料。在此，必须相应地匹配激光辐射的参数，例如应用(Applikation)的波长、平均功率、脉冲能量和脉冲持续时间。附加地，通常与激光器同心布置的切割喷嘴提供工艺气体，所述工艺气体保护聚焦光学器件免受蒸汽和飞溅的影响并且进一步将剥蚀的材料从切割缝中排出。尤其在切割金属、尤其是板材时切割边缘可以大相径庭。根据在有效范围内达到的温度和所供应的工艺气体类型，会出现接缝材料的不同聚集态
Figure BDA0003431809750000011
高切割质量的表征特征是在切割边缘上很少形成凹槽以及在切口的底侧上不形成毛刺。通过连续送料和产生的材料熔化，所述材料能够在切割边缘上固化。凝固在此能够波浪状地进行，这能够伴随着切口的表征性的凹槽结构或者说粗糙度。飞边或者毛刺(Bart-oder Gratbildung)的形成通常归因于气体流动的小的驱动力。在切口下边缘上的熔滴能够凝固并且形成或多或少强力附着的飞边/毛刺。影响切割质量的参数除其他外包括：焦点位置、进给速度、激光功率、强度分布或者切割气体压力。切割边缘的评估通常通过工人的观察或者手感或者通过利用昂贵的测量传感器件测量高度轮廓来实现。根据所切割的工件的后续用途，对切割边缘质量提出了非常不同且有时非常高的要求。
在US2006/0049158A1中说明了一种用于控制自动激光进程的方法，其中，利用摄像机拍摄所述进程的结果并且将该结果用于进一步控制所述进程。
发明内容
与此相对，本发明的任务是：进一步改善在评估进程结果(Prozessergebniss)时的质量。
该任务通过根据权利要求1的方法、根据权利要求8的移动终端设备以及根据权利要求15的系统来解决。从属权利要求涉及本发明的有利的扩展方案。
用于评估工件的激光切割边缘的方法具有以下步骤：
A)检测所述激光切割边缘及其周围环境的图像数据；
B)分割所述图像数据并且辨别所述图像数据的感兴趣的部段，其中，所述感兴趣的部段具有所述激光切割边缘的图像数据；
C)针对所述感兴趣的部段执行图像质量识别；
D)基于所述图像质量识别生成用于用户的输出(Ausgabe)。
所述工件优选由固体材料制成，尤其是由高反射材料制成，例如玻璃或者金属，尤其是板材。
在当前方法中，在步骤A)中借助摄像机检测激光切割边缘及其周围环境的图像。检测到的图像作为图像数据以数字化的形式被存储在图像文件中。在此，像素是图像的当单个图像点。可能的是，由摄像机检测到的图像部分包括不涉及激光切割边缘的区域，而是远离激光切割边缘位于工件上或者甚至在工件之外。与直接涉及激光切割边缘的图像部分相比，激光切割边缘的这种所谓的周围环境对于判断图像质量来说相关性较小。
步骤B)中的图像数据的分割(Segmentierung)借助电子图像处理实现，并且导致图像的感兴趣的部段的辨别，其中，图像的感兴趣的部段具有激光切割边缘的图像数据。为了使该方法良好运行，感兴趣的部段应当完全主要地具有激光切割边缘的图像数据并且仅在很小的部分上具有激光切割边缘的周围环境的图像数据。
优选地，在步骤B)中，针对图像数据的每个像素求取：该像素是否是激光切割边缘的一部分或者是激光切割边缘的周围环境的一部分。进一步优选地，作为步骤B)的结果，针对图像数据的每个像素都保存：它是否是激光切割边缘的一部分或者是激光切割边缘的周围环境的一部分。
在本发明的一种实施方式中，借助神经网络来实施步骤B)。神经网络，又称人工神经网络，是一种通常在计算机上运行的算法。它具有输入层和输出层并且可选地具有一个或者多个中间层，并且能够例如借助“深度学习(Deep Learning)”被训练。在输入层中，数据、例如图像数据能够被输送到神经网络。在输出层中，神经网络能够输出针对结果的建议，例如针对分割图像数据的建议。这些建议能够通过神经网络被分别附加地设有以下值：该值输出一概率，所述算法以所述概率将分割评估为成功执行的。然后，用户能够评估输出数据的正确性。用户的这种评估能够使用神经网络，以便改善其一个或者多个算法。为此，在一个或者多个中间层中，输入层的数据能够利用因子或者计算函数与其他数据相关联，并且因而在中间层中生成新的数据。所述其他数据能够是所述中间层或者另一个中间层的或者所述输出层的数据。因子或计算函数的这种匹配能够被称为神经网络的“训练”。通过训练神经网络，该神经网络能够从过去的经验中学习。在神经网络的训练阶段，也能够使用训练数据库的示例图像，在所述示例图像中激光切割边缘被成像在(例如单色的、尤其是绿色的)背景的前面。对于这些示例图像，能够利用图像处理将标签添加到像素中，所述像素说明哪个像素属于激光切割边缘以及哪个像素属于(例如绿色的)背景。这些标签和所属像素的集合被称为所属示例图像的“基准真值(Ground Truth)”。此外，绿色的背景能够由其他背景替换并且因而模拟真实的拍摄场景。由此能够扩大训练数据库。
在本发明的一种实施方式中，为了识别感兴趣的部段使用“空间金字塔池化(Spatial Pyramid Pooling)”算法和“编码-解码算法(Encoder Decoder Algorithmus)”的组合。优选地，这两个算法如此组合，使得多个语义信息被包含在编码器模块中并且在简单且有效的解码器模块中获得详细的对象边界、例如激光切割边缘的边界。编码器模块允许借助“空洞卷积(Atrous Convolution)”算法来提取任意分辨率的特征。合适算法的示例是DeepLabV3+网络，如其例如在Chen，L.C.，Zhu，Y.，Papandreou，G.，Schroff，F.，Adam H.等人的《Encoder-Decoder with Atrous Separable Convo-lution for Semantic ImageSegmentation》；(arXiv：1802.02611v3[cs.CV]；2018年8月22日)中所描述的那样。
在步骤C)中，执行感兴趣的部段的图像质量识别。图像质量识别在此限于感兴趣的部段，因为该感兴趣的部段首先代表激光切割边缘。针对激光切割边缘的周围环境的图像质量识别，即图像的不代表激光切割边缘的区域与激光切割边缘的质量的评估的相关性较小。
步骤C)优选包括图像质量的一个或者多个方面，例如曝光识别和/或清晰度识别。
为了清晰度识别，优选将图像的图像数据变换到频域(Frequenzbereich)。到频域的变换能够例如借助傅立叶变换实现。然后，清晰度识别优选根据频域中的图像数据进行。在本发明的一种实施方式中，为了频域中的清晰度识别使用一种算法，该算法仅利用在感兴趣的部段内的所拍摄的图像数据工作，即不需要具有良好或者令人满意的清晰度的对比图像。合适算法的示例是NR-IQA方法(NR-IQA Methode)，如其例如De,K.,Masilamani,V.的《Image Sharpness Measure for Blurred Images in Frequency Domain》(ProcediaEngineering第64期(2013)，149-158页)中所描述的那样。
所述方法能够使用户能够拍摄激光切割边缘的图像，该图像的质量足以自己求取切割边缘的质量。在步骤D)中，用户在此获得关于摄像机的最佳可能参数的调设的反馈和/或关于例如以下优化的反馈：
-3维清晰度、静止最佳对比度、运动模糊；
-光照强度：避免过度曝光和曝光不足以及使用HDR方法(High Dynamic Range，高动态范围)来扩展最大动态；
-噪声：优化、ISO参数化；
-伽马校正：使参数自动地匹配于环境光(例如日光、霓虹灯等)，以用于逼真的色彩再现；
-光圈：匹配于尽可能高的景深
然后，切割边缘的质量的求取本身能够在所述方法的步骤E)中例如通过观察激光切割边缘的图像和/或机械地通过图像处理实现。
在所述方法的一种实施方式中，在步骤A)之前，借助激光束并且尤其是在使用压缩空气射流的情况下切割所述激光切割边缘。这种激光切割优选借助激光切割机来执行。优选地，激光切割边缘的质量的评估的结果被反馈到激光切割机，并且因而能够响应未来的切割过程。
在所述方法的一种实施方式中，在步骤A)之前，接收与激光切割边缘和/或工件相关的参数。该接收能够例如通过用户的输入来实现。该接收也能够通过接收来自激光切割机或者上级控制器的数据来实现。附加地，例如，由摄像机能够检测工件的标识或者工件的形式，并且，能够给用户显示关于参数的建议。
图像数据的拍摄借助摄像机实现。摄像机是图像拍摄器具，尤其是在可见范围内。摄像机也能够是由多个拍摄设备和一个图像处理部件构成的系统，所述图像处理部件由多个图像生成一个整体图像。优选地，摄像机设置用于，输出数字形式的图像数据。
在实施所述方法时能够使用具有摄像机的移动终端设备，该摄像机设置用于检测激光切割边缘连同周围环境的图像数据。
移动终端设备设置用于，将图像数据传递到计算单元并且从所述计算单元接收图像数据，其中，分割接收到的图像数据并且在所述接收到的图像数据中辨别出感兴趣的部段，其中，所述感兴趣的部段具有激光切割边缘的图像数据；并且其中，所述接收到的图像数据包括针对所述感兴趣的部段的图像质量识别的结果。移动终端设备因而设置用于，接收图像数据，所述图像数据根据所述方法的步骤B)和C)在计算单元中被处理。
在此，计算单元能够例如布置在激光切割机中或则例如布置在上级控制器的上级控制单元中。例如，当移动终端设备构造为网络摄像机(Webcam)时，则可能是这种情况。
在本发明的一种实施方式中，计算单元也能够布置在移动终端设备中，在所述计算单元中实施所述方法的步骤B)和C)。例如，当移动终端设备构造为移动电话或者平板电脑时，则可能是这种情况。
在一种实施方式中，移动终端设备能够具有输出接口，所述输出接口设置用于，生成用于用户的输出，其中，所述输出基于所述图像质量识别的结果。当移动终端设备构造为移动电话时，这种输出接口例如存在于该移动终端设备中。然后，用户能够利用移动电话的摄像机拍摄激光切割边缘的图像并且通过同一移动电话获得关于“图像的质量是否足够并且其仍需改变哪些参数(例如图像部分、照明等)，以便在下次拍摄时获得更好的图像质量”的反馈。
在本发明的一种实施方式中，移动终端设备具有用于接收与激光切割边缘和/或工件相关的参数的至少一个接口。优选地，参数在所述方法的步骤A)之前被接收。该接收能够例如通过输入接口，通过一通过用户的输入来实现。该接收也能够通过例如经由无线通信接口通过接收激光切割机或者上级控制器的数据来实现。
所述方法的步骤能够在系统的元件上运行。在此，所述系统能够包括激光切割机和移动终端设备。在此，激光切割机能够设置用于，借助激光束并且尤其是附加地借助压缩空气射流将激光切割边缘切割成工件。移动终端设备能够如上所述地构造。
所描述的方法、所描述的移动终端设备和所描述的系统都能够通过加工图像数据和有针对性地向用户反馈来实现在重要相关的图像区域中达到尽可能高的图像质量。然后，能达到的尽可能高的图像质量能够是用于评估所拍摄的对象、例如激光切割边缘的质量的另一步骤E)的良好基础。然后，步骤E)的评估能够手动或者自动化地进行。所描述的方法也实现了，例如使用智能手机来拍摄激光切割边缘。所述方法提供了这种优点：即使在智能手机的自动对焦例如无法聚焦到可能仅占图像的小部分的激光切割边缘上，或者即使用户无法完全静止地将智能手机保持在手中，也能够支持用户拍摄激光切割边缘的高质量的图像。通过反馈，用户获得重复进行拍摄的可能性。
在一种实施方式中，本发明作为机器可读的、尤其是非易失性的、尤其是有形的存储介质存在，该存储介质编码有处理器可读的指令，所述指令用于执行用于评估激光切割边缘的方法的步骤。
本发明的另外的优点由说明书和附图得到。根据本发明，前面提到的以及仍将进一步实施的特征同样能够分别单独使用或者多个一起以任意组合的方式使用。所示出的和所描述的实施方式不应理解为穷举，而是具有用于解释本发明的示例性特征。
附图说明
图1示意性地示出方法的流程图；
图2示意性地示出具有移动终端设备(10)和激光切割机(14)的系统；
图3示意性地示出在触敏屏幕(24)上的可能的显示；
图4示例性地示出分割的产物；
图5示出具有激光切割机(14)的系统(100)的实施方式的示意性图示。
图6示出控制系统(600)的一种实施方式的示意性图示。
具体实施方式
图1示意性地示出用于评估工件12(图5)的激光切割边缘16(图5)的方法的流程图，所述方法具有步骤A)、B)、C)和D)。在步骤A)中，借助摄像机18检测激光切割边缘16及其周围环境的图像数据。在步骤B)中，尤其是借助神经网络分割所述图像数据，并且借助所述分割来求取图像数据的感兴趣的部段。对于用于评估激光切割边缘质量的方法而言，激光切割边缘本身是图像的重要的区域。因此，在分割图像数据时，将位于激光切割边缘16上的图像数据的图像点、像素分配给感兴趣的部段。其他图像点、像素被分配给激光切割边缘16的周围环境。然后，在步骤C)中，优选在频域中，针对感兴趣的部段执行图像质量识别、尤其是图像清晰度识别。在步骤D)中，生成用于用户的输出并且优选将所述输出输出在屏幕24(图2)上。在该输出中，用户被告知图像质量识别的结果并且因此能够获得指示“图像的质量是否足以用于在步骤E)中对激光切割边缘16的质量进行可能的后续评估”。如果图像质量不足以用于评估激光切割边缘16的质量，则能够建议用户重复图像的拍摄。并且这持续进行，直至有质量足够的足够多的图像、例如至少一个图像可供使用。
图2示意性地示出具有移动终端设备10和激光切割机14的系统。移动终端设备10具有摄像机18，可选地具有作为输入接口的键盘20、通信接口22(例如用于无线通信的通信接口)以及触敏屏幕24。屏幕24也能够构造为不具有触敏表面的屏幕，即不具有输入功能。移动终端设备构造用于，通过通信接口22与激光切割机14或者其他单元通信。这种通信优选无线地进行，然而也能够设置有线通信。通过通信接口22，移动终端设备能够例如从激光切割机14接收例如与激光切割边缘16并且因而与工件12相关的参数。这些参数包括例如关于工件12的材料的类型的、关于切割方法的类型的和/或关于工件12的厚度的数据。
在本发明的一种实施方式中，移动终端设备10同样能够通过通信接口22将通过摄像机18拍摄的图像数据传递到计算单元并且从该计算单元接收图像数据。接收到的图像数据是经分割的，并且，在所述接收到的图像数据中辨别出感兴趣的部段。所述接收到的图像数据具有针对感兴趣的部段的图像质量识别的结果。计算单元又设置用于，分割图像数据并且辨别图像数据的感兴趣的部段，其中，该感兴趣的部段具有激光切割边缘的图像数据；并且其中，所述计算单元设置用于，针对感兴趣的部段执行图像质量识别。所提到的计算单元能够例如以图5中示出的计算单元122的形式实现。
在本发明的另一种实施方式中，计算单元在移动终端设备10内实现。对于这种实施方式来说，移动终端与计算单元之间的通信在移动终端10内进行。
图3示出示意性的可能的显示，尤其是在触敏屏幕24上、例如在移动电话或者平板电脑上的显示。在图像(显示)26中，示例性地显示在所述方法的步骤A)之前的情况，其中，已经接收到了关于所使用的材料、所使用的材料厚度和所使用的工艺的参数。这例如能够通过通信接口，通过一通过用户的输入或者通过接收来实现。同时，在图像26中能够看出，摄像机已经准备好进行拍摄。
在图像(显示)28中，示例性地显示所述方法的步骤A)的产物，即，显示由摄像机拍摄的图像。在图像(显示)30中，示例性地显示所述方法的步骤B)的产物，即，如此显示分割的结果，使得用户能够辨别，所述方法将激光切割边缘定位在图像的哪个区域中。
在图像(显示)32中，示例性地显示所述方法的步骤C)和D)的产物，即，将图像质量识别的结果输出给用户。在所呈现的示例中，以不同的灰色调、实际上优选以不同的颜色显示：在不同图像区域中的图像清晰度如何，并且该图像清晰度是否足够或者是否推荐拍摄另一张照片。
图4示出分割的产物的示例。图像34.1、34.2和34.3是激光切割边缘的示例性的测试图像。图像36.1、36.2、36.3分别是所分配的基准真值，即“正确的”希望的分割，其中，唯一明确地辨别出切割边缘。图像38.1、38.2、38.3示出第一分割算法的结果，并且，图像40.1、40.2、40.3示出第二分割算法的结果。在图像38.1、38.2、38.3、40.1、40.2、40.3中能够看出，两个算法中每一个都已经辨别出具有激光切割边缘的感兴趣的部段——这能够在相应的图像38.1、38.2、38.3、40.1、40.2、40.3中的较浅着色的区域中看出。
图5示例性地示出用于利用激光切割机14加工工件12的系统100。
通过输入单元116输入至少一个材料参数118、至少一个机器参数120以及优选至少一个希望的切割边缘质量特征，所述材料参数尤其是表征所使用的工件材料和/或其厚度，所述机器参数尤其是表征所使用的激光切割机14。此外，能够通过输入单元116输入至少一个希望的方法参数，尤其是激光功率、焦深、进给速度和/或气流。
系统100能够构造用于，通过测量技术上的检测、尤其是通过重量测量以及与所储存的材料特性数据的比较，自主地确定所使用的材料参数118，并且尤其是通过测量工件12自主地确定工件12的工件尺寸。此外，系统100能够构造用于，自主地确定所使用的激光切割机14。通过这种构造，减少了在由激光切割机14加工工件的准备阶段中的输入开销。
具有方法参数算法124的计算单元122读取所输入的材料参数118和机器参数120，并且尤其是读取希望的切割边缘质量特征和/或希望的方法参数，并且将信息储存在数据库128中的数据集126中。基于所输入的信息，方法参数算法124求取改善的、优选最佳的和/或实现希望的切割边缘质量特征所需的方法参数。
方法参数算法为此具有数据聚集例行程序127(Daten-Aggregations-Routine)。优选地，方法参数算法以数据聚集例行程序127的形式构造。
如此求取出的方法参数通过显示器130被输出和/或被传递到控制器132以控制激光切割机14。在公布改善的、优选最佳的方法参数之后，用户要么能够准许对于应用的方法参数推荐，要么执行方法参数的其他调设，并且开始方法进程。随后，通过激光切割机14并且根据预给定的方法参数来加工工件12。对于通过激光切割机14加工工件12而言起决定性作用的方法参数以及由方法参数算法124建议的方法参数被添加到该工件加工的数据集126中。
为了能够实现将工件12明确地分配给数据集126，能够在所述进程内手动或者自动化地执行工件12的标记，尤其是通过激光刻印、优选QR码的激光刻印，尤其是在激光切割过程期间。这种标记还具有优点：在另一工艺流程中通过简单地扫描工件12自动化地分配工件。如果执行工件12的相应的标记，则相应的信息被添加到该工件加工的数据集126中。
在加工工件12之后，求取已产生的切割边缘质量、尤其是不同的切割边缘质量特征。这能够在使用具有步骤A)、B)、C)和D)的方法的情况下实现。借助步骤D)给用户显示：切割边缘16的光学记录的质量是否足够好，或者是否应重复拍摄过程。代表切割边缘16的质量的图像数据被添加到该工件加工的数据集26中。优选地，在通过激光切割机14加工工件12之后，在方法的步骤E)中执行切割边缘质量特征的客观确定。在此，基于图像数据，自动化地借助图像处理方法在步骤E)中求取切割边缘16的质量。优选地，测量结果被添加到该工件加工的相应的数据集126中。
数据库128构造用于，存储工件加工的所有数据集26。数据库128因而构成用于改变、尤其是改善、优选优化方法参数算法124的基础。
优选地，已经加工过的工件12在其切割边缘质量特征方面被评估并且被用于在加工后续工件12方面的方法改善。
在激光切割时例如通过传感器测量出的瞬时方法参数136同样能够被储存在数据库128中并且能够补充当前工件加工的数据集126。这尤其提供了优点：在激光切割期间确定方法参数中的波动并且在评估切割边缘质量时考虑所述波动。由此能够实现关于切割边缘质量和机器状态的特别高的可预测性。
基于在数据库128中的所存储的数据集126，能够实现方法参数算法124的至少一个、尤其是所有数据聚集例行程序127的改变、尤其是改善、优选优化。在此，系统100的不同的用户的数据集126也能够被一起使用，以便确定至少一个数据聚集例行程序127的输入参数和输出参数之间的改善的、尤其是最佳的关系。
图6示出控制系统600的实施方式的示意性图示，所述控制系统适合于在一个装置中实施用于实施所述方法的一个或者多个方面的指令。所述部件应理解为示例并且不限制用于实现本发明的特定实施方式的硬件、软件、固件、嵌入式逻辑组件或者多个这种部件的组合的使用或者功能性的范围。所呈现的部件中的一些或者全部都能够是控制系统600的一部分。
在这个实施方式中，控制系统600包含至少一个处理器601、例如中央处理器(CPU、DSP)或者可编程逻辑模块(PLD、FPGA)。控制系统600也能够包括工作存储器603和数据存储器器608，二者彼此通信并且通过总线640与其他部件通信。总线640也能够使显示器632、一个或者多个输入设备633、一个或者多个输出设备634、一个或者多个存储设备635以及各种存储介质636彼此连接并且与处理器601的一个或者多个设备、工作存储器603和数据存储器608连接。所有这些元件都能够直接地或者通过一个或者多个接口622、623、624、625、626或者适配器与总线640耦合。
控制系统600能够具有任何合适的物理形式，包括但不限于一个或者多个集成电路(IC)、印刷电路板(PCB)、移动手持设备、手提电脑(Laptop)或者笔记本电脑(Notebook)、分布式计算机系统、计算网格或者服务器。处理器601或者中央处理单元(CPU)可能包含用于本地地临时存储命令、数据或者处理器地址的高速缓冲存储器单元602。处理器601配置用于，支持存储在至少一个存储介质上的指令的实施。
工作存储器603和数据存储器608能够分别构型为机器可读的、尤其是非易失性的、尤其是有形的存储介质。它们能够具有各种部件，包括但不限于：随机存取存储部件(Direktzugriffsspeicherkomponent)、例如RAM604、尤其是静态RAM“SRAM”、动态RAM“DRAM”等，只读部件、例如ROM605，以及它们的任意组合。ROM605也能够用于将数据和指令单向地传达(kommunizieren)到所述一个或者多个处理器601，并且，RAM604也能够用于将数据和指令双向地传达到所述一个或者多个处理器601。
存储器603、608和存储介质能够双向地与所述一个或者多个处理器601连接，选择性地通过存储器控制单元607连接。两个存储器608、603都能够用于，存储运行系统609、程序610、数据611、应用612、应用程序等。通常但不总是，存储器603、608通过比主存储器(例如，存储器603)慢的二级存储介质(例如，硬盘)支持。例如，存储器603、608也能够包括磁的、光学的、晶体管化的、固态存储设备(例如，基于闪存的系统)或者上述元件中的多个任意元件的组合。
总线640使多个子系统连接。总线640能够是多种类型的总线结构中的任意一个，例如存储器总线、存储器控制器、外围总线、本地总线，以及它们在使用多种总线架构的情况下的所有组合。信息和数据也能够通过显示器632来显示。显示器632的示例包括，但不限于：液晶显示器(LCD)、有机液晶显示器(OLED)、阴极射线管(CRT)、等离子显示器以及它们的任意组合。显示器632能够通过总线640与处理器601、存储器603、608、输入器具633和其他部件连接。
总线640能够使具有网络接口620的所有前述的部件与外部网络630连接。该外部网络例如能够是LAN、WLAN等。它能够构造与其他存储介质、服务器、打印机和显示器具的连接。它能够具有到电信设备和互联网的通道。总线640能够使所有前述的部件与图形控制器621和图形界面622连接，所述图形控制器和图形界面能够与至少一个输入设备633连接。
总线640能够使所有前述的部件与输入接口623连接，所述输入接口能够与至少一个输入设备633连接。输入设备能够包括例如电键盘、键盘、鼠标、笔、触摸屏等。
总线640能够使所有前述的部件与输出接口624连接，所述输出接口能够与至少一个输出设备634连接。输出设备634能够具有发光显示器、LED显示器、信息显示器，例如LCD、OLED等，或者能够具有到这种装置的接口。
总线640能够使所有前述的部件与存储器访问接口625连接，所述存储器访问接口能够与至少一个存储设备635连接。总线640能够使所有前述的部件与另一个存储器访问接口626连接，所述另一个存储器访问接口能够与至少一个存储介质636连接。存储设备635或者存储介质636能够是例如固态存储器、磁存储器或者光存储器，尤其是能够具有非易失性存储器。存储介质能够在控制系统的运行中与控制系统分离，而不会丢失数据。存储介质能够是有形的，即以物质形态存在的对象。
总线640能够完全或者部分地通过缆线(Kabel)或者线路(例如LAN、RS232等)实现，或者完全或者部分地通过无线电连接等(例如WLAN、WIFI、蓝牙、NFC等)无缆线地实现。
显示器632、输入设备633、输出设备634，存储设备635和/或存储介质636能够分别布置在控制系统600之外或者集成到其中。它们也能够通过连接到互联网或者网络而与控制系统600连接。
在本发明中描述的控制器能够在这种控制系统600中实现。在本发明中描述的方法步骤能够至少部分地在这种控制系统600上执行。
在本发明中描述的计算单元能够在这种处理器601中实现。
在本发明中描述的输入单元116能够在这种输入设备633中实现。
在本发明中描述的显示器24能够在这种显示器632中实现。

Claims (15)

1.一种用于评估工件(12)的激光切割边缘(16)的方法，所述方法具有以下步骤：
A)检测所述激光切割边缘(16)及其周围环境的图像数据；
B)分割所述图像数据并且辨别所述图像数据的感兴趣的部段，其中，所述感兴趣的部段具有所述激光切割边缘(16)的图像数据；
C)针对所述感兴趣的部段执行图像质量识别；
D)基于所述图像质量识别生成用于用户的输出。
2.根据权利要求1所述的方法，其特征在于，在步骤B)中，针对所述图像数据的每个像素求取并且保存：所述像素是否代表所述激光切割边缘(16)的一部分。
3.根据权利要求1或2所述的方法，其特征在于，借助神经网络来实施步骤B)。
4.根据前述权利要求中任一项所述的方法，其特征在于，所述图像质量识别包括清晰度识别。
5.根据权利要求4所述的方法，其特征在于，所述清晰度识别包括将所述感兴趣的部段的图像数据变换到频域，并且，在所述频域中执行所述清晰度识别。
6.根据前述权利要求中任一项所述的方法，其特征在于，在步骤A)之前，借助激光束并且尤其是附加地借助压缩空气射流来切割所述激光切割边缘(16)。
7.根据前述权利要求中任一项所述的方法，其特征在于，在步骤A)之前，接收与所述激光切割边缘(16)相关的参数。
8.一种移动终端设备(10)，其具有：
·摄像机(18)，所述摄像机设置用于，检测所述激光切割边缘(16)连同周围环境的图像数据；
其中，所述移动终端设备(10)设置用于，
·将所述图像数据传递到计算单元并且从所述计算单元接收图像数据，其中，所接收的图像数据是经分割的，并且在所接收的图像数据中辨别出感兴趣的部段，其中，所述感兴趣的部段具有所述激光切割边缘(16)的图像数据；其中，所接收的图像数据具有针对所述感兴趣的部段的图像质量识别的结果。
9.根据权利要求8所述的移动终端设备，其特征在于输出接口(24)，所述输出接口设置用于，生成用于用户的输出，其中，所述输出基于所述图像质量识别的结果。
10.根据权利要求8或9所述的移动终端设备，其特征在于，所述移动终端设备(10)能够构造为移动电话、平板电脑或者网络摄像机。
11.根据权利要求8至10中任一项所述的移动终端设备，其特征在于，所述计算单元设置用于，分割所述图像数据并且辨别所述图像数据的感兴趣的部段，其中，所述感兴趣的部段具有所述激光切割边缘(16)的图像数据；其中，所述计算单元设置用于，针对所述感兴趣的部段执行图像质量识别。
12.根据权利要求8至11中任一项所述的移动终端设备，其特征在于至少一个接口(20、22、24)，所述至少一个接口用于接收与所述激光切割边缘(16)相关的参数。
13.根据权利要求12所述的移动终端设备，其特征在于，所述至少一个接口构造为用于用户的输入接口(20、22)和/或构造为用于与激光切割机(14)通信的通信接口(24)。
14.根据权利要求8至13中任一项所述的移动终端设备，其特征在于，所述移动终端设备具有所述计算单元。
15.一种系统，其包括：
·激光切割机(14)，所述激光切割机设置用于，借助激光束将激光切割边缘(16)切割成工件(12)；以及
·根据权利要求8至14中任一项的移动终端设备(10)。
CN202080046561.9A 2019-06-24 2020-05-14 用于评估激光切割边缘的方法、移动终端设备和系统 Pending CN114026596A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
DE102019209088.5A DE102019209088A1 (de) 2019-06-24 2019-06-24 Verfahren zum Bewerten einer Laserschnittkante, mobiles Endgerät und System
DE102019209088.5 2019-06-24
PCT/EP2020/063545 WO2020259920A1 (de) 2019-06-24 2020-05-14 Verfahren zum bewerten einer laserschnittkante, mobiles endgerät und system

Publications (1)

Publication Number Publication Date
CN114026596A true CN114026596A (zh) 2022-02-08

Family

ID=70775361

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202080046561.9A Pending CN114026596A (zh) 2019-06-24 2020-05-14 用于评估激光切割边缘的方法、移动终端设备和系统

Country Status (6)

Country Link
US (1) US20220105590A1 (zh)
EP (1) EP3986659A1 (zh)
JP (1) JP7343624B2 (zh)
CN (1) CN114026596A (zh)
DE (1) DE102019209088A1 (zh)
WO (1) WO2020259920A1 (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102020100587A1 (de) * 2020-01-13 2021-07-15 Leica Microsystems Cms Gmbh Verfahren zum Überprüfen eines Dissektiervorgangs in einem Laser-Mikrodissektionssystem und Mittel zu dessen Durchführung
DE102021200598A1 (de) 2021-01-22 2022-07-28 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung eingetragener Verein Verfahren und Vorrichtung zum Erstellen aussagekräftiger Schnittkantenbilder
CN112785632B (zh) * 2021-02-13 2024-05-24 常州市第二人民医院 基于epid的图像引导放疗中dr和drr影像跨模态自动配准方法
DE102021201806A1 (de) 2021-02-25 2022-09-08 Trumpf Laser Gmbh Verfahren und Vorrichtung zum Bestimmen eines optimierten Parametersatzes zum Durchführen einer Messung
EP4119284A1 (de) 2021-07-12 2023-01-18 Bystronic Laser AG Kalibrierung eines qualitätsschätzers für ein laserschneidverfahren
DE102021124153A1 (de) 2021-09-17 2023-03-23 Homag Plattenaufteiltechnik Gmbh Verfahren und Vorrichtung zur Qualitätsprüfung einer Kante eines plattenförmigen Werkstücks

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH11129083A (ja) * 1997-10-30 1999-05-18 Koike Sanso Kogyo Co Ltd 切断装置
US20090290014A1 (en) * 2008-05-23 2009-11-26 Pfu Limited Object management apparatus, mobile terminal, and object management method
CN104781740A (zh) * 2012-07-10 2015-07-15 马丁丁亚胡·蒂亚诺 用于对从每个给定工件、工具和机床计算的加工生产线整体性能进行实时评估和监控的模块化系统
CN105144241A (zh) * 2013-04-10 2015-12-09 皇家飞利浦有限公司 图像质量指数和/或基于其的成像参数推荐
CN204997230U (zh) * 2015-06-24 2016-01-27 苏州汇能激光科技有限公司 一种用于龙门式激光切割机上的跨平台实时监控系统
CN105787930A (zh) * 2016-02-17 2016-07-20 上海文广科技（集团）有限公司 基于锐利度的针对虚化图像的显著性检测方法及系统
CN105809704A (zh) * 2016-03-30 2016-07-27 北京小米移动软件有限公司 识别图像清晰度的方法及装置
CN108628061A (zh) * 2018-05-07 2018-10-09 凌云光技术集团有限责任公司 一种工业相机自适应自动对焦方法及装置
CN108701650A (zh) * 2015-12-30 2018-10-23 鲁道夫科技公司 晶圆切割过程控制
US20190005356A1 (en) * 2017-06-30 2019-01-03 Canon Kabushiki Kaisha Image recognition apparatus, learning apparatus, image recognition method, learning method, and storage medium

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7305114B2 (en) * 2001-12-26 2007-12-04 Cognex Technology And Investment Corporation Human/machine interface for a machine vision sensor and method for installing and operating the same
DE102004039410A1 (de) * 2004-08-13 2006-02-23 Precitec Kg Verfahren und Vorrichtung zur Regelung eines automatischen Bearbeitungsprozesses
CN102497952B (zh) * 2009-07-20 2014-12-24 普雷茨特两合公司 激光处理头以及用于补偿激光处理头的聚焦位置的改变的方法
US11724361B2 (en) * 2017-06-23 2023-08-15 Flow International Corporation Autonomous modification of waterjet cutting systems

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH11129083A (ja) * 1997-10-30 1999-05-18 Koike Sanso Kogyo Co Ltd 切断装置
US20090290014A1 (en) * 2008-05-23 2009-11-26 Pfu Limited Object management apparatus, mobile terminal, and object management method
CN104781740A (zh) * 2012-07-10 2015-07-15 马丁丁亚胡·蒂亚诺 用于对从每个给定工件、工具和机床计算的加工生产线整体性能进行实时评估和监控的模块化系统
CN105144241A (zh) * 2013-04-10 2015-12-09 皇家飞利浦有限公司 图像质量指数和/或基于其的成像参数推荐
CN204997230U (zh) * 2015-06-24 2016-01-27 苏州汇能激光科技有限公司 一种用于龙门式激光切割机上的跨平台实时监控系统
CN108701650A (zh) * 2015-12-30 2018-10-23 鲁道夫科技公司 晶圆切割过程控制
CN105787930A (zh) * 2016-02-17 2016-07-20 上海文广科技（集团）有限公司 基于锐利度的针对虚化图像的显著性检测方法及系统
CN105809704A (zh) * 2016-03-30 2016-07-27 北京小米移动软件有限公司 识别图像清晰度的方法及装置
US20190005356A1 (en) * 2017-06-30 2019-01-03 Canon Kabushiki Kaisha Image recognition apparatus, learning apparatus, image recognition method, learning method, and storage medium
CN108628061A (zh) * 2018-05-07 2018-10-09 凌云光技术集团有限责任公司 一种工业相机自适应自动对焦方法及装置

Also Published As

Publication number Publication date
US20220105590A1 (en) 2022-04-07
WO2020259920A1 (de) 2020-12-30
JP2022538242A (ja) 2022-09-01
DE102019209088A1 (de) 2020-12-24
EP3986659A1 (de) 2022-04-27
JP7343624B2 (ja) 2023-09-12

Similar Documents

Publication Publication Date Title
CN114026596A (zh) 用于评估激光切割边缘的方法、移动终端设备和系统
CN107545592B (zh) 动态摄像机校准
EP1881383A2 (en) Simulation device of robot system
CN109492688B (zh) 焊缝跟踪方法、装置及计算机可读存储介质
CN110722304B (zh) 焊接系统、焊接辅助方法及装置
CN111345029A (zh) 一种目标追踪方法、装置、可移动平台及存储介质
CN111225143B (zh) 图像处理装置及其控制方法以及程序存储介质
CN105164281B (zh) 用于模具切割操作的皮革加工自动化技术
JP7214432B2 (ja) 画像処理方法、画像処理プログラム、記録媒体、画像処理装置、生産システム、物品の製造方法
CN111426693A (zh) 一种质量缺陷检测系统及其检测方法
CN115731208A (zh) 金属复杂面高精度缺陷检测方法、装置、设备及存储介质
KR102366396B1 (ko) Rgb-d 데이터와 딥러닝을 이용한 3d객체영역분할 방법과 그 시스템
CN111103306A (zh) 检测与标记瑕疵的方法
CN104748862A (zh) 分析装置和分析方法
Ali et al. Camera based precision measurement in improving measurement accuracy
WO2019235223A1 (ja) 画像処理装置、画像処理方法及び画像処理プログラム
JP2021026599A (ja) 画像処理システム
CN115601341A (zh) Pcba板缺陷检测方法、系统、设备、介质及产品
CN110335274B (zh) 一种三维模具缺陷检测方法及装置
KR101559941B1 (ko) 인쇄패턴 불량 검사 시스템
CN104751445A (zh) 热像分析配置装置和热像分析配置方法
JP2005148860A (ja) プログラマブルロジックコントローラ及びこれに用いられる画像オートフォーカスモジュール
EP4016442A1 (en) Method for detecting defects in a 3d printer
KR102243505B1 (ko) 강재 정보 처리 장치 및 그 방법
CN116930207B (zh) 展示区与实时区视野同步放大的显示方法

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: German Ditzingen

Applicant after: TRUMPF European AG

Address before: German Ditzingen

Applicant before: TRUMPF WERKZEUGMASCHINEN GmbH & Co.KG

CB02 Change of applicant information