CN114295640A - 一种容器焊缝识别方法及系统 - Google Patents
一种容器焊缝识别方法及系统 Download PDFInfo
- Publication number
- CN114295640A CN114295640A CN202210016247.7A CN202210016247A CN114295640A CN 114295640 A CN114295640 A CN 114295640A CN 202210016247 A CN202210016247 A CN 202210016247A CN 114295640 A CN114295640 A CN 114295640A
- Authority
- CN
- China
- Prior art keywords
- detection
- container
- laser
- information
- weld
- 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
Links
Images
Landscapes
- Laser Beam Processing (AREA)
Abstract
本发明公开了一种容器焊缝识别方法及系统,所述方法包括:通过获得第一容器基本信息,其中包括容器结构信息和焊接工艺信息;获得第一焊缝探测路径和第一激光探测参数;通过第一激光探测参数对第一激光传感器进行参数初始化,基于第一焊缝探测路径向所述第一容器发射第一焊缝探测激光,获得第一探测结果;基于第一历史激光探测数据,获得第一焊缝定位列表;获得第二预设精度;基于第二预设精度对所述第一激光传感器进行参数调整,探测获得第二探测结果;将第二探测结果输入第一焊缝识别模型进行训练,获得第一识别结果。解决了现有技术利用计算机技术对焊缝进行智能识别时,对于结构复杂的焊缝,存在识别精度低、识别效果差的技术问题。
Description
技术领域
本发明涉及计算机应用技术领域,尤其涉及一种容器焊缝识别方法及系统。
背景技术
在工业生产和制造中,常需通过不同的焊缝工艺对容器等工件进行焊接处理,这种通过焊接而非一体化生产得到的产品,不可避免会出现焊缝,为提高产品质量,避免焊缝导致的工程问题,应对生产的各个产品进行焊缝识别和检测。通过利用计算机技术,可以提高焊缝识别的效率,进一步降低企业成本、提高企业的生产效率,然而现有智能焊缝识别,对于较简单的场景,举例如金属板焊缝识别等常规焊缝识别的效果尚可,但是对于复杂场景下的焊缝识别,存在精度低、识别效果差的问题。举例如航空航天、汽车等工业领域使用的激光拼焊。研究基于待检测焊缝实际情况,智能制定针对性的焊缝识别方案,从而提高焊缝识别效率和识别精度,对于焊缝质量的评估等均具有重要的现实意义。
然而,现有技术利用计算机技术对焊缝进行智能识别时,仅能对常规场景中的焊缝进行智能识别,而对于复杂场景下,结构更加复杂的焊缝,存在识别精度低、识别效果差的技术问题。
发明内容
本发明的目的是提供一种容器焊缝识别方法及系统,用以解决现有技术利用计算机技术对焊缝进行智能识别时,仅能对常规场景中的焊缝进行智能识别,而对于复杂场景下,结构更加复杂的焊缝,存在识别精度低、识别效果差的技术问题。
鉴于上述问题,本发明提供了一种容器焊缝识别方法及系统。
第一方面,本发明提供了一种容器焊缝识别方法,所述方法通过一种容器焊缝识别系统实现,其中,所述方法包括:通过获得第一容器基本信息,其中,所述第一容器基本信息包括容器结构信息和焊接工艺信息;根据所述容器结构信息和所述焊接工艺信息,获得第一焊缝探测路径和第一激光探测参数;通过所述第一激光探测参数对第一激光传感器进行参数初始化,基于所述第一焊缝探测路径向所述第一容器发射第一焊缝探测激光,获得第一探测结果,其中,所述第一探测结果具有第一预设精度;通过第一历史激光探测数据对所述第一探测结果进行偏离度分析,获得第一焊缝定位列表;通过所述第一预设精度,获得第二预设精度,其中,所述第二预设精度大于所述第一预设精度;基于所述第二预设精度对所述第一激光传感器进行参数调整,遍历所述第一焊缝定位列表向所述第一容器发射第二焊缝探测激光,获得第二探测结果;将所述第二探测结果输入第一焊缝识别模型进行训练,获得第一识别结果。
另一方面,本发明还提供了一种容器焊缝识别系统,用于执行如第一方面所述的一种容器焊缝识别方法,其中,所述系统包括:第一获得单元:所述第一获得单元用于获得第一容器基本信息,其中,所述第一容器基本信息包括容器结构信息和焊接工艺信息;第二获得单元:所述第二获得单元用于根据所述容器结构信息和所述焊接工艺信息,获得第一焊缝探测路径和第一激光探测参数;第三获得单元:所述第三获得单元用于通过所述第一激光探测参数对第一激光传感器进行参数初始化,基于所述第一焊缝探测路径向所述第一容器发射第一焊缝探测激光,获得第一探测结果,其中,所述第一探测结果具有第一预设精度;第四获得单元:所述第四获得单元用于通过第一历史激光探测数据对所述第一探测结果进行偏离度分析,获得第一焊缝定位列表;第五获得单元:所述第五获得单元用于通过所述第一预设精度,获得第二预设精度,其中,所述第二预设精度大于所述第一预设精度;第六获得单元:所述第六获得单元用于基于所述第二预设精度对所述第一激光传感器进行参数调整,遍历所述第一焊缝定位列表向所述第一容器发射第二焊缝探测激光,获得第二探测结果;第七获得单元:所述第七获得单元用于将所述第二探测结果输入第一焊缝识别模型进行训练,获得第一识别结果。
第三方面,本发明还提供了一种容器焊缝识别系统,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,所述处理器执行所述程序时实现上述第一方面所述方法的步骤。
第四方面,一种电子设备,其中,包括处理器和存储器;
该存储器,用于存储;
该处理器,用于通过调用,执行上述第一方面中任一项所述的方法。
第五方面,一种计算机程序产品,包括计算机程序和/或指令,该计算机程序和/或指令被处理器执行时实现上述第一方面中任一项所述方法的步骤。
本发明中提供的一个或多个技术方案,至少具有如下技术效果或优点:
1.通过基于待检测、识别焊缝容器的基本结构参数和焊接工艺参数等信息,初步确定对应容器中,焊缝的大致位置情况和激光探测时的参数设置;然后按照分析得到的激光探测参数,利用激光传感器按照初步确定的焊缝位置,进行第一次焊缝探测,从而得到第一探测结果;进一步,对比历史激光探测得到的探测结果数据,分析第一探测结果与历史探测结果的偏离程度,从而得到第一焊缝定为列表;再进一步的,提高激光传感器的精度设置,对容器进行第二次焊缝探测,从而得到第二探测结果;最后利用第一焊缝识别模型对激光传感器第二次探测得到的结果进行智能分析,从而得到对应容器的焊缝识别结果。通过基于容器的结构和焊接工艺特征,针对性制定激光传感器的探测参数,提高了容器焊缝的探测效率,实现了个性化程度较高的激光探测,进一步基于第一次探测得到的结果,提高精度进行二次探测,达到了提高容器焊缝探测精度,进而确保有效识别焊缝的技术效果。
2.通过基于第一容器上焊缝路径信息、容器加工时使用材料信息等,综合分析后得到第一激光探测参数,达到了基于容器实际情况参数,个性化制定对应激光探测方案,提高激光探测个性化程度的技术效果。
3.通过将历史激光探测数据作为验证数据进行验证,增强了决策树模型的泛化能力,避免模型过拟合。进一步基于Gradient Boosting思想,多次训练得到多个偏差较大的第一决策树、第二决策树弱模型,最终组合多个弱模型,得到偏差较小的第一焊缝识别模型。达到了提高第一焊缝识别模型识别准确率和有效性的技术效果。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
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,下面描述中的附图仅仅是示例性的,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,还可以根据提供的附图获得其他的附图。
图1为本发明一种容器焊缝识别方法的流程示意图;
图2为本发明一种容器焊缝识别方法中获得第一焊缝探测路径和第一激光探测参数的流程示意图;
图3为本发明一种容器焊缝识别方法中获得第一焊缝定位列表的流程示意图;
图4为本发明一种容器焊缝识别方法中构建所述第一焊缝识别模型的流程示意图;
图5为本发明一种容器焊缝识别系统的结构示意图;
图6为本发明示例性电子设备的结构示意图。
附图标记说明:
第一获得单元11,第二获得单元12,第三获得单元13,第四获得单元14,第五获得单元15,第六获得单元16,第七获得单元17,总线300,接收器301,处理器302,发送器303,存储器304,总线接口305。
具体实施方式
本发明通过提供一种容器焊缝识别方法及系统,解决了现有技术利用计算机技术对焊缝进行智能识别时,仅能对常规场景中的焊缝进行智能识别,而对于复杂场景下,结构更加复杂的焊缝,存在识别精度低、识别效果差的技术问题。通过基于容器的结构和焊接工艺特征,针对性制定激光传感器的探测参数,提高了容器焊缝的探测效率,实现了个性化程度较高的激光探测,进一步基于第一次探测得到的结果,提高精度进行二次探测,达到了提高容器焊缝探测精度,进而确保有效识别焊缝的技术效果。
本发明技术方案中对数据的获取、存储、使用、处理等均符合国家法律法规的相关规定。
下面,将参考附图对本发明中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本发明的一部分实施例,而不是本发明的全部实施例,应理解,本发明不受这里描述的示例实施例的限制。基于本发明的实施例,本领域普通技术人员在没有做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。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部。
本发明提供了一种容器焊缝识别方法,所述方法应用于一种容器焊缝识别系统,其中,所述方法包括:通过获得第一容器基本信息,其中,所述第一容器基本信息包括容器结构信息和焊接工艺信息;根据所述容器结构信息和所述焊接工艺信息,获得第一焊缝探测路径和第一激光探测参数;通过所述第一激光探测参数对第一激光传感器进行参数初始化,基于所述第一焊缝探测路径向所述第一容器发射第一焊缝探测激光,获得第一探测结果,其中,所述第一探测结果具有第一预设精度;通过第一历史激光探测数据对所述第一探测结果进行偏离度分析,获得第一焊缝定位列表;通过所述第一预设精度,获得第二预设精度,其中,所述第二预设精度大于所述第一预设精度;基于所述第二预设精度对所述第一激光传感器进行参数调整,遍历所述第一焊缝定位列表向所述第一容器发射第二焊缝探测激光,获得第二探测结果;将所述第二探测结果输入第一焊缝识别模型进行训练,获得第一识别结果。
在介绍了本发明基本原理后,下面将结合说明书附图来具体介绍本发明的各种非限制性的实施方式。
实施例一
请参阅附图1,本发明提供了一种容器焊缝识别方法,其中,所述方法应用于一种容器焊缝识别系统,所述方法具体包括如下步骤:
步骤S100:获得第一容器基本信息,其中,所述第一容器基本信息包括容器结构信息和焊接工艺信息;
具体而言,所述一种容器焊缝识别方法应用于所述一种容器焊缝识别系统,可以通过基于容器的结构和焊接工艺特征,针对性制定激光传感器的探测参数,从而提高容器焊缝探测精度。所述第一容器是指任一使用所述容器焊缝识别系统进行焊缝智能化识别的容器。所述第一容器的基本信息包括容器的结构参数信息和焊接工艺信息,举例如容器的尺寸、形状以及各部位使用材料的种类特征、厚度特征,特殊的焊接工艺技术等。通过获得第一容器基本信息,达到了清楚、准确、全面地了解待识别焊缝容器实际情况,为后续基于对应容器实际情况针对性制定探测方案提供依据和参考的技术效果。
步骤S200:根据所述容器结构信息和所述焊接工艺信息,获得第一焊缝探测路径和第一激光探测参数;
具体而言,基于所述第一容器的结构大小、形状和具体尺寸数据,结合所述第一容器生产加工过程中进行了焊接处理的部位,综合分析后大致确定需要进行焊缝探测的部位信息,即为所述第一焊缝探测路径,进一步,基于待探测焊缝部位信息,确定激光传感器探测时的参数设置,即为所述第一激光探测参数。通过基于第一容器的基本信息情况,智能化确定激光传感器对其进行焊缝探测时的探测路径和参数设置,达到了为后续激光传感器探测焊缝提供支持的技术效果。
步骤S300:通过所述第一激光探测参数对第一激光传感器进行参数初始化,基于所述第一焊缝探测路径向所述第一容器发射第一焊缝探测激光,获得第一探测结果,其中,所述第一探测结果具有第一预设精度;
具体而言,基于所述容器焊缝识别系统综合分析后确定的所述第一激光探测参数,对第一激光传感器进行初始化参数设置,设置后的第一激光传感器,按所述第一焊缝探测路径,向待检测识别的所述第一容器进行发射,即将所述第一焊缝探测激光发射到所述第一容器进行焊缝的识别和检测,从而得到第一探测结果。其中,所述第一探测结果是基于第一容器实际结构和焊接工艺综合分析后针对性发射探测得到的结果,因此具有一定的探测精度,即所述第一预设精度。通过基于第一容器的实际结构信息和焊接工艺信息,对第一容器进行初步激光探测,得到第一容器焊缝的初步识别和检测结果,达到了提高识别容器焊缝速度的技术效果,同时为后续进一步提高探测精度进行焊缝探测缩小了探测范围。
步骤S400:通过第一历史激光探测数据对所述第一探测结果进行偏离度分析,获得第一焊缝定位列表;
具体而言,基于第一激光传感器历史探测得到的焊缝结果,并将第一激光传感器第一次探测第一容器焊缝后得到的所述第一探测结果与历史探测数据进行对比,通过计算可以得到第一焊缝特征信息和第一探测结果的偏离程度,进一步按照偏离程度由小到大的顺序对历史探测数据进行排序。其中,和历史探测数据偏离程度最小的探测结果,是第一容器对应焊缝的可能性最大,因此,按照排序结果,选择偏离程度最小的结果,进一步对第一容器上的焊缝位置进行定位。通过所述第一焊缝定位列表,达到了为第一激光传感器进一步探测第一容器焊缝位置提供了数据支持,达到了提高探测精度,从而提高探测结果有效性、准确性的技术效果。
步骤S500:通过所述第一预设精度,获得第二预设精度,其中,所述第二预设精度大于所述第一预设精度;
步骤S600:基于所述第二预设精度对所述第一激光传感器进行参数调整,遍历所述第一焊缝定位列表向所述第一容器发射第二焊缝探测激光,获得第二探测结果;
具体而言,基于第一容器结构信息和焊接工艺信息进行焊缝探测,为第一预设精度的初步焊缝探测,在得到第一探测结果之后,所述容器焊缝识别系统进一步结合历史探测数据,计算分析后,将第一激光传感器的探测精度进一步调整,得到第二预设精度,并再次以所述第二预设精度对第一容器进行焊缝探测。也就是说,基于所述第二预设精度,对所述第一激光探测参数进行调整,并以调整后的参数对第一容器进行第二次激光探测。其中,基于与历史探测数据的对比分析情况,得到与历史探测结果偏离度最小的数据为准,发射第二焊缝探测激光后得到第二探测结果。通过对比历史探测数据,进一步提高了激光传感器探测第一容器时的参数精度,达到了提高系统探测精度,确保探测结果准确有效的技术效果。
步骤S700:将所述第二探测结果输入第一焊缝识别模型进行训练,获得第一识别结果。
具体而言,将所述第一激光传感器第二次对第一容器探测后得到的所述第二探测结果作为输入信息,经过第一焊缝识别模型训练学习后,智能化得到第一识别结果。其中,所述第一识别结果即为第一容器上焊缝的探测结果。通过基于容器的结构和焊接工艺特征,针对性制定激光传感器的探测参数,提高了容器焊缝的探测效率,实现了个性化程度较高的激光探测,进一步基于第一次探测得到的结果,提高精度进行二次探测,达到了提高容器焊缝探测精度,进而确保有效识别焊缝的技术效果。
进一步的,如附图2所示,本发明步骤S200还包括:
步骤S210:根据所述容器结构信息进行虚拟建模,生成第一容器虚拟模型;
步骤S220:根据所述焊接工艺信息,获得第一焊接位置信息和第一焊接方向信息;
步骤S230:将所述第一焊接位置信息和所述第一焊接方向信息输入所述第一容器虚拟模型,获得所述第一焊缝探测路径;
步骤S240:根据所述第一焊缝探测路径,生成所述第一激光探测参数。
具体而言,基于所述第一容器的结构参数信息和焊接工艺信息,利用3D max等软件建立第一容器的三维模型,即所述第一容器虚拟模型,从而将所述第一容器的焊缝路径可视化。此外,基于第一容器焊接工艺,可以确定第一容器焊接的具体位置、方向、焊缝尺寸等数据信息,即所述第一焊接位置信息和所述第一焊接方向信息。进一步的,将所述第一焊接位置信息和所述第一焊接方向信息渲染到所述第一容器虚拟模型中,从而实现焊缝情况的可视化,进一步基于可视化信息确定所述第一焊缝探测路径,并生成所述第一激光探测参数。通过将第一容器及其对应焊缝路径进行三维模拟,为系统明确焊缝路径及进行后续激光传感器参数设置提供了参考,实现了可视化焊缝情况的目标。
进一步的,本发明步骤S210还包括:
步骤S211:构建第一网格空间坐标系,对所述容器结构信息进行特征提取,获得第一形状特征;
步骤S212:基于所述第一形状特征对所述第一容器进行区域划分,获得第一区域划分结果,其中,所述第一区域划分结果之间具有相对位置信息;
步骤S213:在所述第一网格空间坐标系中遍历所述第一区域划分结果对所述第一容器进行区域点云位置采集,获得第一点云位置采集结果;
步骤S214:根据所述第一点云位置采集结果,构建所述第一容器虚拟模型。
具体而言,基于所述第一容器,构建第一网格空间坐标系。其中,所述第一网格空间坐标系中包括所述第一容器的结构信息。也就是说,提取所述第一容器结构信息的特征,得到所述第一形状特征,并将所述第一形状特征通过第一网格空间坐标系进行展示。进一步的,基于所述第一形状特征,将所述第一容器进行区域划分,划分后得到所述第一区域划分结果。其中,所述第一区域划分结果中,各区域之间具有相对位置关系。最后,在所述第一网格空间坐标系中,遍历所述第一区域划分结果,即对所述第一容器的各个区域进行对应模拟位置点确定,即获得第一点云位置采集结果,并进一步基于所述第一点云位置采集结果,进行渲染,构建所述第一容器虚拟模型。
通过将第一容器区域划分,进而分别确定第一容器各区域对应位置在模拟时的位置情况,最后基于各个区域的模拟位置,完成第一容器的完整模拟。达到了提高第一容器虚拟模型模拟精度和完整度的技术效果。
进一步的,本发明步骤S240还包括:
步骤S241:根据所述第一焊缝探测路径,生成第一激光移动方向;
步骤S242:根据所述第一容器基本信息,获得第一容器材料信息,其中,所述第一容器材料信息包括第一密度信息和第一厚度信息;
步骤S243:根据所述第一密度信息和所述第一厚度信息,匹配第一激光发射功率和第一激光发射频率;
步骤S244:将所述第一激光移动方向、所述第一激光发射功率和所述第一激光发射频率添加进所述第一激光探测参数。
具体而言,基于所述第一焊缝探测路径,对应生成第一激光传感器探测移动的路径,即所述第一激光移动方向。此外,根据所述第一容器基本信息,确定第一容器材料信息。其中,所述第一容器材料信息包括第一容器使用材料的密度和厚度信息,即所述第一密度信息和第一厚度信息。进一步,根据所述第一密度信息和所述第一厚度信息,匹配第一激光发射功率和第一激光发射频率。最后,将所述第一激光移动方向、所述第一激光发射功率和所述第一激光发射频率依次添加进所述第一激光探测参数。通过基于第一容器上焊缝路径信息、容器加工时使用材料信息等,综合分析后得到第一激光探测参数,达到了基于容器实际情况参数,个性化制定对应激光探测方案,提高激光探测个性化程度的技术效果。
进一步的,如附图3所示,本发明步骤S400还包括:
步骤S410:对所述第一历史激光探测数据进行特征提取,获得第一焊缝特征信息;
步骤S420:对所述第一焊缝特征信息和所述第一探测结果进行偏离度分析,获得第一偏离度集合;
步骤S430:根据第一预设偏离度阈值对所述第一偏离度集合进行筛选,获得第一定位偏离度集合;
步骤S440:根据所述第一定位偏离度集合,生成所述第一焊缝定位列表。
具体而言,基于第一激光传感器历史探测焊缝得到的结果数据,分析提取对应焊缝特征,得到所述第一焊缝特征信息。进而将所述第一激光传感器第一次探测所述第一容器得到的所述第一探测结果和所述第一焊缝特征信息进行对比,计算得到第一探测结果与历史各探测数据之间的偏离程度值。其偏离程度计算方法如下所示:
其中,m为第一探测结果对应的所述第一区域划分结果中的第m区域;Xm为第m区域的第一探测结果和第一焊缝特征信息的偏离度;bn为第一焊缝特征信息中的第n个特征信息;an是和bn相互对应的第一探测结果;wn为第n个特征信息的权重;k为和当前环境下的激光探测噪音影响系数。
通过计算,得到第一容器各区域探测结果和第一焊缝特征信息的偏离度,所有区域偏离度组成所述第一偏离度集合。基于第一预设偏离度阈值,对所述第一偏离度集合进行筛选,得到符合所述第一预设偏离度阈值的所有偏离度值,组成所述第一定位偏离度集合。最后基于所述第一定位偏离度集合,生成所述第一焊缝定位列表。通过获得所述第一焊缝定位列表,为后续遍历并筛选偏离度第一预设偏离度阈值探测结果提供数据基础。通过第一焊缝定位列表,选择偏离程度满足第一预设偏离度阈值的结果,进一步对第一容器上的焊缝位置进行定位,达到了提高探测效率,进而提高探测结果有效性、准确性的技术效果。
进一步的,如附图4所示,本发明步骤S700还包括:
步骤S710:将所述第二探测结果输入样本生成模型,获得第一样本集合;
步骤S720:通过样本筛选模型对所述第一样本集合进行样本筛选,获得第二样本集合;
步骤S730:使用所述第二样本集合构建所述第一焊缝识别模型。
具体而言,由于针对于焊缝识别的历史训练数据较少,因此通过对抗神经网络构建样本生成模型和样本筛选模型,生成可以以假乱真的训练数据,构建第一焊缝识别模型,具体实现方式如下:
将所述第一激光传感器第二次探测第一容器得到的所述第二探测结果输入样本生成模型,从而得到第一容器各区域对应生成的样本,所有样本组成所述第一样本集合。进一步,通过样本筛选模型对所述第一样本集合中的各个样本进行筛选,获得第二样本集合,并基于所述第二样本集合,训练构建所述第一焊缝识别模型。通过基于第二次探测结果得到的样本,训练得到了第一焊缝识别模型,达到了智能化识别容器焊缝的技术效果。
进一步的,本发明步骤S730还包括:
步骤S731:将所述第二样本集合设为训练数据集,将所述第一历史激光探测数据设为验证数据集,构建第一决策树;
步骤S732:将所述第二探测结果输入构建完成的所述第一决策树,获得第一决策树识别结果,其中,所述第一决策树识别结果包括第二焊缝特征信息;
步骤S733:对所述第二焊缝特征信息和所述第一焊缝特征信息进行偏离度分析,获得第一训练偏差;
步骤S734:根据所述第一训练偏差对所述第二样本集合进行处理,获得第三样本集合;
步骤S735:将所述第三样本集合设为训练数据集,将所述第一历史激光探测数据设为验证数据集,构建第二决策树;
步骤S736:将所述第一决策树和所述第二决策树合并,获得所述第一焊缝识别模型。
具体而言,首先通过筛选获得第二样本集合,并将所述第二样本集合设为训练数据集,将所述第一历史激光探测数据设为验证数据集,构建第一决策树。通过基于历史激光探测数据进行验证,增强了模型的泛化能力,避免模型过拟合。进一步的,将所述第二探测结果输入构建完成的所述第一决策树,获得第一决策树识别结果。其中,所述第一决策树识别结果包括第二焊缝特征信息。然后,对所述第二焊缝特征信息和所述第一焊缝特征信息进行偏离度计算和分析,获得第一训练偏差。进一步,基于所述第一训练偏差对所述第二样本集合进行处理,获得第三样本集合。最后将所述第三样本集合设为训练数据集,将所述第一历史激光探测数据设为验证数据集,构建第二决策树。构建一个全连接层,将所述第一决策树和所述第二决策树的输出结果相加,进而得到最终的第一焊缝识别模型,得以输出较准确的焊缝识别结果。
通过使用第二决策树拟合第一决策树产生的偏差,将两个决策树的输出结果相加,即可得到较准确的识别结果,达到了提高第一焊缝识别模型识别准确率和有效性的技术效果。
综上所述,本发明所提供的一种容器焊缝识别方法具有如下技术效果:
1.通过基于待检测、识别焊缝容器的基本结构参数和焊接工艺参数等信息,初步确定对应容器中,焊缝的大致位置情况和激光探测时的参数设置;然后按照分析得到的激光探测参数,利用激光传感器按照初步确定的焊缝位置,进行第一次焊缝探测,从而得到第一探测结果;进一步,对比历史激光探测得到的探测结果数据,分析第一探测结果与历史探测结果的偏离程度,从而得到第一焊缝定为列表;再进一步的,提高激光传感器的精度设置,对容器进行第二次焊缝探测,从而得到第二探测结果;最后利用第一焊缝识别模型对激光传感器第二次探测得到的结果进行智能分析,从而得到对应容器的焊缝识别结果。通过基于容器的结构和焊接工艺特征,针对性制定激光传感器的探测参数,提高了容器焊缝的探测效率,实现了个性化程度较高的激光探测,进一步基于第一次探测得到的结果,提高精度进行二次探测,达到了提高容器焊缝探测精度,进而确保有效识别焊缝的技术效果。
2.通过基于第一容器上焊缝路径信息、容器加工时使用材料信息等,综合分析后得到第一激光探测参数,达到了基于容器实际情况参数,个性化制定对应激光探测方案,提高激光探测个性化程度的技术效果。
实施例二
基于与前述实施例中一种容器焊缝识别方法,同样发明构思,本发明还提供了一种容器焊缝识别系统,请参阅附图5,所述系统包括:
第一获得单元11,所述第一获得单元11用于获得第一容器基本信息,其中,所述第一容器基本信息包括容器结构信息和焊接工艺信息;
第二获得单元12,所述第二获得单元12用于根据所述容器结构信息和所述焊接工艺信息,获得第一焊缝探测路径和第一激光探测参数;
第三获得单元13,所述第三获得单元13用于通过所述第一激光探测参数对第一激光传感器进行参数初始化,基于所述第一焊缝探测路径向所述第一容器发射第一焊缝探测激光,获得第一探测结果,其中,所述第一探测结果具有第一预设精度;
第四获得单元14,所述第四获得单元14用于通过第一历史激光探测数据对所述第一探测结果进行偏离度分析,获得第一焊缝定位列表;
第五获得单元15,所述第五获得单元15用于通过所述第一预设精度,获得第二预设精度,其中,所述第二预设精度大于所述第一预设精度;
第六获得单元16,所述第六获得单元16用于基于所述第二预设精度对所述第一激光传感器进行参数调整,遍历所述第一焊缝定位列表向所述第一容器发射第二焊缝探测激光,获得第二探测结果;
第七获得单元17,所述第七获得单元17用于将所述第二探测结果输入第一焊缝识别模型进行训练,获得第一识别结果。
进一步的,所述系统还包括:
第一生成单元,所述第一生成单元用于根据所述容器结构信息进行虚拟建模,生成第一容器虚拟模型;
第八获得单元,所述第八获得单元用于根据所述焊接工艺信息,获得第一焊接位置信息和第一焊接方向信息;
第九获得单元,所述第九获得单元用于将所述第一焊接位置信息和所述第一焊接方向信息输入所述第一容器虚拟模型,获得所述第一焊缝探测路径;
第二生成单元,所述第二生成单元用于根据所述第一焊缝探测路径,生成所述第一激光探测参数。
进一步的,所述系统还包括:
第一构建单元,所述第一构建单元用于构建第一网格空间坐标系,对所述容器结构信息进行特征提取,获得第一形状特征;
第十获得单元,所述第十获得单元用于基于所述第一形状特征对所述第一容器进行区域划分,获得第一区域划分结果,其中,所述第一区域划分结果之间具有相对位置信息;
第十一获得单元,所述第十一获得单元用于在所述第一网格空间坐标系中遍历所述第一区域划分结果对所述第一容器进行区域点云位置采集,获得第一点云位置采集结果;
第二构建单元,所述第二构建单元用于根据所述第一点云位置采集结果,构建所述第一容器虚拟模型。
进一步的,所述系统还包括:
第三生成单元,所述第三生成单元用于根据所述第一焊缝探测路径,生成第一激光移动方向;
第十二获得单元,所述第十二获得单元用于根据所述第一容器基本信息,获得第一容器材料信息,其中,所述第一容器材料信息包括第一密度信息和第一厚度信息;
第一匹配单元,所述第一匹配单元用于根据所述第一密度信息和所述第一厚度信息,匹配第一激光发射功率和第一激光发射频率;
第一添加单元,所述第一添加单元用于将所述第一激光移动方向、所述第一激光发射功率和所述第一激光发射频率添加进所述第一激光探测参数。
进一步的,所述系统还包括:
第十三获得单元,所述第十三获得单元用于对所述第一历史激光探测数据进行特征提取,获得第一焊缝特征信息;
第十四获得单元,所述第十四获得单元用于对所述第一焊缝特征信息和所述第一探测结果进行偏离度分析,获得第一偏离度集合;
第十五获得单元,所述第十五获得单元用于根据第一预设偏离度阈值对所述第一偏离度集合进行筛选,获得第一定位偏离度集合;
第四生成单元,所述第四生成单元用于根据所述第一定位偏离度集合,生成所述第一焊缝定位列表。
进一步的,所述系统还包括:
第十六获得单元,所述第十六获得单元用于将所述第二探测结果输入样本生成模型,获得第一样本集合;
第十七获得单元,所述第十七获得单元用于通过样本筛选模型对所述第一样本集合进行样本筛选,获得第二样本集合;
第三构建单元,所述第三构建单元用于使用所述第二样本集合构建所述第一焊缝识别模型。
进一步的,所述系统还包括:
第四构建单元,所述第四构建单元用于将所述第二样本集合设为训练数据集,将所述第一历史激光探测数据设为验证数据集,构建第一决策树;
第十八获得单元,所述第十八获得单元用于将所述第二探测结果输入构建完成的所述第一决策树,获得第一决策树识别结果,其中,所述第一决策树识别结果包括第二焊缝特征信息;
第十九获得单元,所述第十九获得单元用于对所述第二焊缝特征信息和所述第一焊缝特征信息进行偏离度分析,获得第一训练偏差;
第二十获得单元,所述第二十获得单元用于根据所述第一训练偏差对所述第二样本集合进行处理,获得第三样本集合;
第五构建单元,所述第五构建单元用于将所述第三样本集合设为训练数据集,将所述第一历史激光探测数据设为验证数据集,构建第二决策树;
第二十一获得单元,所述第二十一获得单元用于将所述第一决策树和所述第二决策树合并,获得所述第一焊缝识别模型。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,前述图1实施例一中的一种容器焊缝识别方法和具体实例同样适用于本实施例的一种容器焊缝识别系统,通过前述对一种容器焊缝识别方法的详细描述,本领域技术人员可以清楚的知道本实施例中一种容器焊缝识别系统,所以为了说明书的简洁,在此不再详述。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
示例性电子设备
下面参考图6来描述本发明的电子设备。
图6图示了根据本发明的电子设备的结构示意图。
基于与前述实施例中一种容器焊缝识别方法的发明构思,本发明还提供一种容器焊缝识别系统,其上存储有计算机程序,该程序被处理器执行时实现前文所述一种容器焊缝识别方法的任一方法的步骤。
其中,在图6中,总线架构(用总线300来代表),总线300可以包括任意数量的互联的总线和桥,总线300将包括由处理器302代表的一个或多个处理器和存储器304代表的存储器的各种电路链接在一起。总线300还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起,这些都是本领域所公知的,因此,本文不再对其进行进一步描述。总线接口305在总线300和接收器301和发送器303之间提供接口。接收器301和发送器303可以是同一个元件,即收发机,提供用于在传输介质上与各种其他装置通信的单元。
处理器302负责管理总线300和通常的处理,而存储器304可以被用于存储处理器302在执行操作时所使用的数据。
本发明提供了一种容器焊缝识别方法,解决了现有技术利用计算机技术对焊缝进行智能识别时,仅能对常规场景中的焊缝进行智能识别,而对于复杂场景下,结构更加复杂的焊缝,存在识别精度低、识别效果差的技术问题。通过基于容器的结构和焊接工艺特征,针对性制定激光传感器的探测参数,提高了容器焊缝的探测效率,实现了个性化程度较高的激光探测,进一步基于第一次探测得到的结果,提高精度进行二次探测,达到了提高容器焊缝探测精度,进而确保有效识别焊缝的技术效果。
本发明还提供一种电子设备,其中,包括处理器和存储器;
该存储器,用于存储;
该处理器,用于通过调用,执行上述实施例一中任一项所述的方法。
本发明还提供一种计算机程序产品,包括计算机程序和/或指令,该计算机程序和/或指令被处理器执行时实现上述实施例一中任一项所述方法的步骤。
本领域内的技术人员应明白,本发明的实施例可提供为方法、装置、或计算机程序产品。因此,本发明可采用完全软件实施例、完全硬件实施例、或结合软件和硬件方面实施例的形式。此外,本发明为可以在一个或多个包含有计算机可用程序代码的计算机可用存储介质上实施的计算机程序产品的形式。而所述的计算机可用存储介质包括但不限于:U盘、移动硬盘、只读存储器(Read-Only Memory,简称ROM)、随机存取存储器(Random AccessMemory,简称RAM)、磁盘存储器、只读光盘(Compact Disc Read-Only Memory,简称CD-ROM)、光学存储器等各种可以存储程序代码的介质。
本发明是参照本发明的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的系统。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令系统的制造品,该指令系统实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种容器焊缝识别方法,其特征在于,所述方法应用于一种容器焊缝识别系统,所述系统和一激光传感器通信连接,包括:
获得第一容器基本信息,其中,所述第一容器基本信息包括容器结构信息和焊接工艺信息;
根据所述容器结构信息和所述焊接工艺信息,获得第一焊缝探测路径和第一激光探测参数;
通过所述第一激光探测参数对第一激光传感器进行参数初始化,基于所述第一焊缝探测路径向所述第一容器发射第一焊缝探测激光,获得第一探测结果,其中,所述第一探测结果具有第一预设精度;
通过第一历史激光探测数据对所述第一探测结果进行偏离度分析,获得第一焊缝定位列表;
通过所述第一预设精度,获得第二预设精度,其中,所述第二预设精度大于所述第一预设精度;
基于所述第二预设精度对所述第一激光传感器进行参数调整,遍历所述第一焊缝定位列表向所述第一容器发射第二焊缝探测激光,获得第二探测结果;
将所述第二探测结果输入第一焊缝识别模型进行训练,获得第一识别结果。
2.如权利要求1所述的方法,其特征在于,所述根据所述容器结构信息和所述焊接工艺信息,获得第一焊缝探测路径和第一激光探测参数,包括:
根据所述容器结构信息进行虚拟建模,生成第一容器虚拟模型;
根据所述焊接工艺信息,获得第一焊接位置信息和第一焊接方向信息;
将所述第一焊接位置信息和所述第一焊接方向信息输入所述第一容器虚拟模型,获得所述第一焊缝探测路径;
根据所述第一焊缝探测路径,生成所述第一激光探测参数。
3.如权利要求2所述的方法,其特征在于,所述根据所述容器结构信息进行虚拟建模,生成第一容器虚拟模型,包括:
构建第一网格空间坐标系,对所述容器结构信息进行特征提取,获得第一形状特征;
基于所述第一形状特征对所述第一容器进行区域划分,获得第一区域划分结果,其中,所述第一区域划分结果之间具有相对位置信息;
在所述第一网格空间坐标系中遍历所述第一区域划分结果对所述第一容器进行区域点云位置采集,获得第一点云位置采集结果;
根据所述第一点云位置采集结果,构建所述第一容器虚拟模型。
4.如权利要求2所述的方法,其特征在于,所述根据所述第一焊缝探测路径,生成所述第一激光探测参数,包括:
根据所述第一焊缝探测路径,生成第一激光移动方向;
根据所述第一容器基本信息,获得第一容器材料信息,其中,所述第一容器材料信息包括第一密度信息和第一厚度信息;
根据所述第一密度信息和所述第一厚度信息,匹配第一激光发射功率和第一激光发射频率;
将所述第一激光移动方向、所述第一激光发射功率和所述第一激光发射频率添加进所述第一激光探测参数。
5.如权利要求1所述的方法,其特征在于,所述通过第一历史激光探测数据对所述第一探测结果进行偏离度分析,获得第一焊缝定位列表,包括:
对所述第一历史激光探测数据进行特征提取,获得第一焊缝特征信息;
对所述第一焊缝特征信息和所述第一探测结果进行偏离度分析,获得第一偏离度集合;
根据第一预设偏离度阈值对所述第一偏离度集合进行筛选,获得第一定位偏离度集合;
根据所述第一定位偏离度集合,生成所述第一焊缝定位列表。
6.如权利要求1所述的方法,其特征在于,所述方法包括:
将所述第二探测结果输入样本生成模型,获得第一样本集合;
通过样本筛选模型对所述第一样本集合进行样本筛选,获得第二样本集合;
使用所述第二样本集合构建所述第一焊缝识别模型。
7.如权利要求6所述的方法,其特征在于,所述使用所述第二样本集合构建所述第一焊缝识别模型,包括:
将所述第二样本集合设为训练数据集,将所述第一历史激光探测数据设为验证数据集,构建第一决策树;
将所述第二探测结果输入构建完成的所述第一决策树,获得第一决策树识别结果,其中,所述第一决策树识别结果包括第二焊缝特征信息;
对所述第二焊缝特征信息和所述第一焊缝特征信息进行偏离度分析,获得第一训练偏差;
根据所述第一训练偏差对所述第二样本集合进行处理,获得第三样本集合;
将所述第三样本集合设为训练数据集,将所述第一历史激光探测数据设为验证数据集,构建第二决策树;
将所述第一决策树和所述第二决策树合并,获得所述第一焊缝识别模型。
8.一种容器焊缝识别系统,其特征在于,所述系统包括:
第一获得单元:所述第一获得单元用于获得第一容器基本信息,其中,所述第一容器基本信息包括容器结构信息和焊接工艺信息;
第二获得单元:所述第二获得单元用于根据所述容器结构信息和所述焊接工艺信息,获得第一焊缝探测路径和第一激光探测参数;
第三获得单元:所述第三获得单元用于通过所述第一激光探测参数对第一激光传感器进行参数初始化,基于所述第一焊缝探测路径向所述第一容器发射第一焊缝探测激光,获得第一探测结果,其中,所述第一探测结果具有第一预设精度;
第四获得单元:所述第四获得单元用于通过第一历史激光探测数据对所述第一探测结果进行偏离度分析,获得第一焊缝定位列表;
第五获得单元:所述第五获得单元用于通过所述第一预设精度,获得第二预设精度,其中,所述第二预设精度大于所述第一预设精度;
第六获得单元:所述第六获得单元用于基于所述第二预设精度对所述第一激光传感器进行参数调整,遍历所述第一焊缝定位列表向所述第一容器发射第二焊缝探测激光,获得第二探测结果;
第七获得单元:所述第七获得单元用于将所述第二探测结果输入第一焊缝识别模型进行训练,获得第一识别结果。
9.一种电子设备,其特征在于,包括处理器和存储器;
所述存储器,用于存储;
所述处理器,用于通过调用,执行权利要求1~7中任一项所述的方法。
10.一种计算机程序产品,包括计算机程序和/或指令,其特征在于,该计算机程序和/或指令被处理器执行时实现权利要求1~7中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210016247.7A CN114295640B (zh) | 2022-01-07 | 2022-01-07 | 一种容器焊缝识别方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210016247.7A CN114295640B (zh) | 2022-01-07 | 2022-01-07 | 一种容器焊缝识别方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114295640A true CN114295640A (zh) | 2022-04-08 |
CN114295640B CN114295640B (zh) | 2022-11-08 |
Family
ID=80975243
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210016247.7A Active CN114295640B (zh) | 2022-01-07 | 2022-01-07 | 一种容器焊缝识别方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114295640B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2002090953A1 (de) * | 2001-05-05 | 2002-11-14 | Huf Tools Gmbh | Verfahren zur kontrolle einer schweissnaht in einem aus schweissfähigem kunststoff bestehenden werkstück und vorrichtung zur durchführung dieses verfahrens |
DE102011078276B3 (de) * | 2011-06-29 | 2012-12-06 | Trumpf Laser- Und Systemtechnik Gmbh | Verfahren zum Erkennen von Fehlern während eines Laser-Bearbeitungsprozesses sowie Laser-Bearbeitungsvorrichtung |
CN108088856A (zh) * | 2017-11-09 | 2018-05-29 | 哈尔滨理工大学 | 一种基于图像识别的焊缝检测装置 |
CN109668908A (zh) * | 2017-10-16 | 2019-04-23 | 南京敏光视觉智能科技有限公司 | 一种基于机器视觉的焊缝自动检测方法 |
WO2020129617A1 (ja) * | 2018-12-19 | 2020-06-25 | パナソニックIpマネジメント株式会社 | 外観検査装置及びそれを用いた溶接箇所の形状不良の有無及び種類の判定精度の向上方法、溶接システム及びそれを用いたワークの溶接方法 |
-
2022
- 2022-01-07 CN CN202210016247.7A patent/CN114295640B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2002090953A1 (de) * | 2001-05-05 | 2002-11-14 | Huf Tools Gmbh | Verfahren zur kontrolle einer schweissnaht in einem aus schweissfähigem kunststoff bestehenden werkstück und vorrichtung zur durchführung dieses verfahrens |
DE102011078276B3 (de) * | 2011-06-29 | 2012-12-06 | Trumpf Laser- Und Systemtechnik Gmbh | Verfahren zum Erkennen von Fehlern während eines Laser-Bearbeitungsprozesses sowie Laser-Bearbeitungsvorrichtung |
CN109668908A (zh) * | 2017-10-16 | 2019-04-23 | 南京敏光视觉智能科技有限公司 | 一种基于机器视觉的焊缝自动检测方法 |
CN108088856A (zh) * | 2017-11-09 | 2018-05-29 | 哈尔滨理工大学 | 一种基于图像识别的焊缝检测装置 |
WO2020129617A1 (ja) * | 2018-12-19 | 2020-06-25 | パナソニックIpマネジメント株式会社 | 外観検査装置及びそれを用いた溶接箇所の形状不良の有無及び種類の判定精度の向上方法、溶接システム及びそれを用いたワークの溶接方法 |
Non-Patent Citations (1)
Title |
---|
李琳等: "基于条纹式激光传感器的焊缝测量系统研究", 《系统仿真学报》 * |
Also Published As
Publication number | Publication date |
---|---|
CN114295640B (zh) | 2022-11-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Meng et al. | Towards a weakly supervised framework for 3D point cloud object detection and annotation | |
Kim et al. | Automated construction progress measurement using a 4D building information model and 3D data | |
US11132473B2 (en) | Manufacturing design modification system | |
CN105069423A (zh) | 一种人体姿态检测方法及装置 | |
CN112446870B (zh) | 管道损伤检测方法、装置、设备及存储介质 | |
Sanders et al. | A robotic welding system using image processing techniques and a CAD model to provide information to a multi‐intelligent decision module | |
CN109492688B (zh) | 焊缝跟踪方法、装置及计算机可读存储介质 | |
Li et al. | Towards intelligent monitoring system in wire arc additive manufacturing: a surface anomaly detector on a small dataset | |
US9886529B2 (en) | Methods and systems for feature recognition | |
CN115049821A (zh) | 一种基于多传感器融合的三维环境目标检测方法 | |
CN111310737A (zh) | 一种车道线检测方法及装置 | |
CN115810133B (zh) | 基于图像处理和点云处理的焊接控制方法及相关设备 | |
CN112561859A (zh) | 基于单目视觉的锚护用钢带钻孔与锚网识别方法及装置 | |
Zhang et al. | Neural network based uncertainty prediction for autonomous vehicle application | |
CN112487861A (zh) | 车道线识别方法、装置、计算设备及计算机存储介质 | |
CN112967388A (zh) | 三维时序图像神经网络模型的训练方法和装置 | |
CN114295640B (zh) | 一种容器焊缝识别方法及系统 | |
US20230237810A1 (en) | Method and system for annotating sensor data | |
CN116823942A (zh) | 三维点云的目标标注方法和点云连续帧中目标跟踪方法 | |
CN115115947A (zh) | 遥感图像检测方法、装置、电子设备以及存储介质 | |
CN114354209A (zh) | 自动驾驶车道线与目标联合模拟方法及系统 | |
Trinks et al. | Image mining for real time quality assurance in rapid prototyping | |
US20200201268A1 (en) | System and method for guiding a sensor around an unknown scene | |
CN112861689A (zh) | 一种基于nas技术的坐标识别模型的搜索方法及装置 | |
CN112686155A (zh) | 图像识别方法、装置、计算机可读存储介质及处理器 |
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 |