CN114619152A - 一种用于铝单板生产制造的智能切割系统 - Google Patents
一种用于铝单板生产制造的智能切割系统 Download PDFInfo
- Publication number
- CN114619152A CN114619152A CN202210183027.3A CN202210183027A CN114619152A CN 114619152 A CN114619152 A CN 114619152A CN 202210183027 A CN202210183027 A CN 202210183027A CN 114619152 A CN114619152 A CN 114619152A
- Authority
- CN
- China
- Prior art keywords
- sharpness
- regularity
- slag adhering
- comprehensive
- obtaining
- 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
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
- B23K26/36—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
- 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
- B23K26/04—Automatically aligning, aiming or focusing the laser beam, e.g. using the back-scattered light
- B23K26/046—Automatically focusing the laser beam
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Optics & Photonics (AREA)
- Data Mining & Analysis (AREA)
- Mechanical Engineering (AREA)
- Plasma & Fusion (AREA)
- Theoretical Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及切割/焊接技术领域,具体涉及一种用于铝单板生产制造的智能切割系统。该系统适用于智能热处理生产线,可以用于自动半自动电弧、等离子弧焊接机等金属切割及焊接设备制造;该系统具体包括以下四个模块,图像采集模块用于获取铝单板切口两侧的侧面图像;数据获取模块用于获取切口每侧沾渣区域对应的形态锐度和规则度;匹配度获取模块用于获取切口两侧沾渣区域之间的匹配度权重;智能调控模块用于获取铝单板切口沾渣区域的综合锐度和综合规则度,结合综合锐度和综合规则度调节激光光束对铝单板切割时的焦点位置;实现了对激光光束切割时的智能切割控制,并解决了对激光光束参数调节效率低的问题,具有实时性和鲁棒性。
Description
技术领域
本发明涉及切割/焊接技术领域,具体涉及一种用于铝单板生产制造的智能切割系统。
背景技术
激光切割是现代工业制造中常用的切割工艺,利用激光切割后的成品相较于普通切割工艺具有更光滑的切口,在很大程度上降低工艺对材料的影响,其成品的各项参数更加准确,是精密仪器制造中必不可少的加工工艺种类,相较于现有工艺其大大减少了加工的时间,不仅降低了加工成本还提高了工件的质量。
在铝单板的生产制造中,激光切割工艺作为主要的生产制造工艺,其在生产制造过程中,由于参数的控制不当也会对实际切割产生影响,较为常见的是由于激光束的焦点位置控制不当造成切口表面沾渣的缺陷,从而导致切割后产品工件的质量不合格。
现有技术大多依赖于生产前由人工进行实验性的调参,但这种方法的调节成本高并且耗费时间较长,也无法实现实时的焦点调节,而满足实时调节的方式大多数是通过识别沾渣的形态进行焦点的调节,现有的该方法在激光束两端的喷嘴未对齐时则无法对焦点位置进行调节,因此调节的效率较低。
发明内容
为了解决上述技术问题,本发明的目的在于提供一种用于铝单板生产制造的智能切割系统,所采用的技术方案具体如下:
图像采集模块,用于获取铝单板切口左侧和切口右侧分别对应的侧面图像,所述侧面图像包括对应切口侧的沾渣区域;根据所述侧面图像获取对应切口侧的所述沾渣区域的形状曲线图;
数据获取模块,用于获取任意所述形状曲线图中所有波峰的特征信息和所有波谷的特征信息,根据所述形状曲线图中所有相邻波谷的特征信息差异得到对应所述沾渣区域的形态锐度;根据所述形态曲线图中所有相邻波峰的特征信息差异和所有相邻波谷的特征信息差异得到规则度;
匹配度获取模块,用于根据任意所述形状曲线图中所有波峰的特征信息和所有波谷的特征信息构建对应沾渣区域的沾渣量序列;获取切口左侧和切口右侧分别对应的所述沾渣量序列之间的相似性,根据所述相似性得到切口左侧和切口右侧分别对应的所述沾渣量序列之间的匹配度权重;
智能调控模块,用于根据所述匹配度权重与所述形态锐度得到综合锐度;根据所述匹配度权重与所述规则度得到综合规则度;以所述综合锐度的值和所述综合规则度的值得到激光光束焦点位置进行调节;当所述综合锐度的值与所述综合规则度的值均在基准范围内时,得到固定激光光束焦点位置。
优选的,所述图像采集模块中根据所述侧面图像获取对应切口侧的所述沾渣区域的形状曲线图的方法,包括:
对任意所述侧面图像进行分割得到仅包括沾渣区域的分割图像;根据所述分割图像中沾渣区域的边缘得到所述沾渣区域的形状曲线图。
优选的,所述数据获取模块中获取任意所述形状曲线图中所有波峰的特征信息和所有波谷的特征信息的方法,包括:
获取任意所述沾渣区域对应的形状曲线图中所有的波峰和所有的波谷为特征点;以所述铝单板下边缘为横轴构建二维坐标系,获取每个所述特征点投影在所述铝单板下边缘的横坐标;
根据所述侧面图像获取每个所述特征点到所述铝单板下边缘的长度为像素距离;所述特征点的所述横坐标与所述像素距离为所述特征信息。
优选的,所述数据获取模块中根据所述形状曲线图中所有相邻波谷的特征信息差异得到对应所述沾渣区域的形态锐度的方法,包括:
获取任意所述形状曲线图中任意相邻波谷对应的像素距离差异,以及所述相邻波谷对应坐标差异;所述像素距离差异与所述坐标差异的比值为所述相邻波谷点之间沾渣区域对应的锐度;根据所有所述相邻波谷对应的锐度得到所述形状曲线图对应沾渣区域的形态锐度。
优选的,所述数据获取模块中根据所述形态曲线图中所有相邻波峰的特征信息差异和所有相邻波谷的特征信息差异得到规则度的方法,包括:
根据所述形态曲线图中所有相邻波峰的坐标差异和所有相邻波谷的坐标差异得到差异方差均值;根据所述形态曲线图中所有相邻波峰的像素距离差异和所有相邻波谷的像素距离差异得到距离方差均值;
所述规则度与所述差异方差均值呈负相关关系,与所述距离方差均值呈负相关关系。
优选的,所述匹配度获取模块中根据任意所述形状曲线图中所有波峰的特征信息和所有波谷的特征信息构建对应沾渣区域的沾渣量序列的方法,包括:
所述沾渣量序列由对应所述形状曲线图中所有波峰的像素距离与所述波谷的像素距离构成。
优选的,所述智能调控模块中根据所述匹配度权重与所述形态锐度得到综合锐度的方法,包括:
以所述铝单板切口的任意一侧为基准侧,获取所述基准侧对应的形态锐度与非基准侧对应的形态锐度,所述匹配度权重与基准侧对应形态锐度、非基准侧对应的形态锐度进行加权求和得到综合锐度。
优选的,所述智能调控模块中根据所述匹配度权重与所述规则度得到综合规则度的方法,包括:
获取所述基准侧对应的规则度与非基准侧对应的规则度,所述匹配度权重与基准侧对应的规则度、非基准侧对应的规则度进行加权求和得到综合规则度。
本发明具有如下有益效果:本发明实施例中具体涉及一种用于铝单板生产制造的智能切割系统。该系统适用于智能热处理生产线,可以用于自动半自动电弧、等离子弧焊接机等金属切割及焊接设备制造。通过对铝单板切口左侧和切口右侧的沾渣区域的综合锐度和综合规则度的计算,判断此时激光光束的焦点位置是否合适,进而通过对激光光束的焦点位置不断调节计算综合锐度和综合规则度,得到对该批次铝单板切割的最佳激光光束的焦点位置。实现了生产前对激光焦点参数的智能控制,提高了生产的效率;并且结合沾渣区域的具体形态对激光焦点位置实时调节,能够避免激光束两端的喷嘴未对齐时产生的干扰,兼具实时性以及鲁棒性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案和优点,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的介绍,显而易见地,下面描述中的附图仅仅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它附图。
图1为本发明一个实施例所提供的一种用于铝单板生产制造的智能切割系统的系统框图;
图2为本发明一个实施例所提供的一种相机位置示意图;
图3为本发明一个实施例所提供的一种沾渣区域形状曲线图;
图4为本发明一个实施例所提供的一种综合规则度-综合锐度的二维坐标示意图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的一种用于铝单板生产制造的智能切割系统,其具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
本申请适用于对铝单板的激光切割工艺中的激光光束焦点位置的确定,为了解决激光束两端的喷嘴未对齐时对焦点位置进行调节时效率降低的问题,本实施例通过图像采集模块、数据获取模块、匹配度获取模块以及智能调控模块实现对激光光束焦点位置的实时调节,有效提高了生产过程中的效率。
下面结合附图具体的说明本发明所提供的一种用于铝单板生产制造的智能切割系统的具体方案。
请参阅图1,其示出了本发明一个实施例提供的一种用于铝单板生产制造的智能切割系统的系统框图,该系统具体包括以下模块:
图像采集模块10,用于获取铝单板切口左侧和切口右侧分别对应的侧面图像,侧面图像包括对应切口侧的沾渣区域;根据侧面图像获取对应切口侧的沾渣区域的形状曲线图。
在铝单板的激光切割工艺中,由于喷嘴的原因可能会使切口两侧产生不同量的沾渣,因此为了更直观的对切口两侧的沾渣进行分析,利用相机采集沾渣对应的图像进行分析。请参阅图2,具体为一种相机位置示意图,其示出相机G、激光光束M、铝单板母材N、切口QK以及沾渣区域Z;因此根据相机采集到切口左侧和切口右侧分别对应的沾渣区域的侧面图像。
需要说明的是,本发明实施例中相机的位置应方便调节以便于后续对激光光束的焦点位置调节后切割铝单板时进行图像采集,且本发明实施例中获取到的侧面图像均为灰度化处理后的图像。
进一步的,对任意侧面图像进行分割得到仅包括沾渣区域的分割图像;根据分割图像中沾渣区域的边缘得到沾渣区域的形状曲线图。
具体的,对获取到的切口每侧沾渣区域的灰度图像进行分割,以铝单板母材的像素点作为背景像素,沾渣区域的像素点为前景像素进行分割;提取出仅包含有沾渣区域的分割图像;具体图像分割技术为常用技术,常用方法有图割技术和语义分割网络等,实施者可根据实际情况自行选择。
由于沾渣区域为不规则的形状,因此可根据分割图像得到沾渣区域的边缘曲线,根据边缘曲线得到该沾渣区域对应的形状曲线图。请参阅图3,具体为一种沾渣区域形状曲线图,其示出沾渣区域的形状曲线Z’和铝单板母材的下边缘N’。基于此能够得到该铝单板切口左侧和切口右侧分别对应的沾渣区域的形状曲线图。
数据获取模块20,用于获取任意形状曲线图中所有波峰的特征信息和所有波谷的特征信息,根据形状曲线图中所有相邻波谷的特征信息差异得到对应沾渣区域的形态锐度;根据形态曲线图中所有相邻波峰的特征信息差异和所有相邻波谷的特征信息差异得到规则度。
由图像采集模块10中的方法能够获取到铝单板切口处左侧和切口右侧沾渣区域分别对应的形状曲线图;获取任意沾渣区域对应的形状曲线图中所有的波峰点和所有的波谷点为特征点;以铝单板下边缘为横轴构建二维坐标系,获取每个特征点投影在铝单板下边缘的横坐标;根据侧面图像获取每个特征点到铝单板下边缘的长度为像素距离;特征点的横坐标与像素距离为特征信息。
具体的,以切口处左侧沾渣区域的形状曲线图为例,获取该形状曲线图中所有的波峰和波谷为特征点;以该铝单板下边缘表面为横轴建立二维坐标系,获取切口左侧沾渣区域对应的形状曲线图中的波峰和波谷在该铝单板下边缘表面实际投影位置,即该形状曲线图中每个特征点的横坐标。
进一步的,本发明实施例中根据每个像素点到对应铝单板下边缘表面的长度信息作为该像素点的像素距离,因此能够得到该形状曲线图中所有特征点对应的像素距离。每个特征点对应的横坐标和像素距离即为该特征点的特征信息。
获取任意形状曲线图中任意相邻波谷对应的像素距离差异,以及相邻波谷对应坐标差异;像素距离差异与坐标差异的比值为相邻波谷点之间沾渣区域对应的锐度;根据所有相邻波谷对应的锐度得到形状曲线图对应沾渣区域的形态锐度。
具体的,计算该任意形状曲线图中所有相邻波谷之间的位置的差异,即相邻波谷对应横坐标的坐标差异;进而根据每个波谷对应的像素距离获取相邻波谷之间的像素距离差异,因此相邻波谷之间对应沾渣区域的锐度为:
其中,μ′表示该相邻波谷之间对应沾渣区域的锐度;Δh表示该相邻波谷之间的像素距离差异;Δx表示该相邻波谷对应横坐标的坐标差异。
基于上述获取相邻波谷对应像素点之间沾渣区域的锐度相同的方法,获取左侧沾渣区域对应形状曲线图中所有相邻波谷之间沾渣区域的锐度,计算所有相邻波谷之间的锐度均值,计算锐度均值的方法为常用数学方法,不再赘述。对获取到的锐度均值进行归一化,从而得到切口左侧沾渣区域的形态锐度,本发明实施例中归一化方法为:
进一步的,对切口两侧沾渣区域的规则程度进行分析,根据形态曲线图中所有相邻波峰的坐标差异和所有相邻波谷的坐标差异得到差异方差均值;根据形态曲线图中所有相邻波峰的像素距离差异和所有相邻波谷的像素距离差异得到距离方差均值;规则度与差异方差均值呈负相关关系,与距离方差均值呈负相关关系。
具体的,仍然以切口左侧的沾渣区域为例;通过切口左侧沾渣区域对应的形状曲线图获取其中所有相邻波峰之间的坐标差异以及所有相邻波谷之间的坐标差异,进而分别计算所有相邻波峰之间坐标差异的差异方差,以及所有相邻波谷之间坐标差异的差异方差;由所有相邻波峰之间的差异方差和所有相邻波谷之间的差异方差得到该沾渣区域的差异方差均值。
相应的,通过切口左侧沾渣区域对应的形状曲线图获取其中所有相邻波峰之间的像素距离差异以及所有相邻波谷之间的像素距离差异,进而分别计算所有相邻波峰对应像素点之间像素距离差异的距离方差,以及所有相邻波谷之间像素距离差异的距离方差;由所有相邻波峰之间的距离方差和所有相邻波谷之间的距离方差得到该沾渣区域的距离方差均值。
分别对获取到的差异方差均值和距离方差均值进行归一化,本发明实施例中对差异方差均值进行归一化的具体方法为:
同样的,本发明实施例中对距离方差均值进行归一化的具体方法为:
进一步的,由归一化后的差异方差均值和距离方差均值对该沾渣区域的规则度进行计算,具体计算方法为:
基于上述获取切口左侧沾渣区域的规则度相同的方法,获取该切口右侧沾渣区域对应的规则度,将左侧沾渣区域的规则度和右侧沾渣区域的规则度分别标记为:γL、γR。
匹配度获取模块30,用于根据任意形状曲线图中所有波峰的特征信息和所有波谷的特征信息构建对应沾渣区域的沾渣量序列;获取切口左侧和切口右侧分别对应的沾渣量序列之间的相似性,根据相似性得到切口左侧和切口右侧分别对应的沾渣量序列之间的匹配度权重。
具体的,由数据获取模块20中获取到铝单板切口左侧和切口右侧分别对应的沾渣区域的形状曲线图,并得到每个形状曲线图中所有特征点的特征信息,以每个形状曲线图中所有特征点的特征信息中的像素距离构建沾渣量序列,即沾渣量序列由对应形状曲线图中所有波峰的像素距离与波谷的像素距离构成;则切口左侧沾渣区域和切口右侧沾渣区域分别对应的沾渣量序列为:
L(k)=hL(1),hL(2),hL(3),...,hL(KL)
R(k)=hR(1),hR(2),hR(3),...,hR(KR)
其中,L(k)表示切口左侧沾渣区域的形状曲线图对应的沾渣量序列;hL(1)表示切口左侧沾渣区域的形状曲线图中第一个特征点的像素距离;hL(2)表示切口左侧沾渣区域的形状曲线图中第二个特征点的像素距离;R(k)表示切口右侧沾渣区域的形状曲线图对应的沾渣量序列;hR(1)表示切口右侧沾渣区域的形状曲线图中第一个特征点的像素距离;hR(2)表示切口右侧沾渣区域的形状曲线图中第二个特征点的像素距离。
为了便于后续的分析计算,基于左侧沾渣量序列中的最大元素对该序列中的元素进行归一化为:
其中,hL′(i)表示归一化后的左侧沾渣量序列中第i个元素值,即归一化后的左侧沾渣量序列中的第i个特征点的像素距离;hL(i)表示左侧沾渣量序列中第i个元素值,即左侧沾渣量序列中的第i个特征点的像素距离;max{L(k)}表示左侧沾渣量序列中元素最大值。
相应的,基于右侧沾渣量序列中的最大元素对其进行归一化为:
其中,hR′(j)表示归一化后的右侧沾渣量序列中第j个元素值,即归一化后的右侧沾渣量序列中的第j个特征点的像素距离;hR(j)表示右侧沾渣量序列中第j个元素值,即右侧沾渣量序列中的第j个特征点的像素距离;max{R(k)}表示右侧沾渣量序列中元素最大值。
以此类推,对铝单板切口左侧沾渣量序列内的元素和右侧沾渣量序列内的元素分别进行归一化,计算归一化后的左侧沾渣量序列和右侧沾渣量序列之间的相似性;本发明实施例中采用DTW匹配算法得到序列之间的距离用于表征相似性,具体的:
其中,d(hL′(i),hR′(j))表示归一化后的左侧沾渣量序列中第i个元素值与归一化后的右侧沾渣量序列中第j个元素值之间的相似性;x(hL′(i))表示归一化后的左侧沾渣量序列中第i个元素值对应的横坐标;x(hR′(j))表示表示归一化后的右侧沾渣量序列中第j个元素值对应的横坐标;hL′(i)表示归一化后的左侧沾渣量序列中第i个元素值;hR′(j)表示归一化后的右侧沾渣量序列中第j个元素值;D表示整体检测区域的长度,即相机视野范围拍摄到的侧面图像的长度。
以此类推,获取该切口对应的归一化后左侧沾渣量序列所有元素和右侧沾渣量序列所有元素之间的相似性,从而得到归一化后左侧沾渣量序列与右侧沾渣量序列之间的相似性,进一步基于相似性的取值范围进行归一化,得到归一化后的相似性值为左侧沾渣量序列与右侧沾渣量序列之间的匹配度权重。
智能调控模块40,用于根据匹配度权重与形态锐度得到综合锐度;根据匹配度权重与规则度得到综合规则度;以综合锐度的值和综合规则度的值得到激光光束焦点位置进行调节;当综合锐度的值与综合规则度的值均在基准范围内时,得到固定激光光束焦点位置。
具体的,由匹配度获取模块30中得到该铝单板切口左侧沾渣量序列与右侧沾渣量序列之间的匹配度权重;基于数据获取模块20中得到的左侧沾渣区域的形态锐度和规则度、右侧沾渣区域的形态锐度和规则度以及匹配度权重进行综合评价;以铝单板切口的任意一侧为基准侧,获取基准侧对应的形态锐度与非基准侧对应的形态锐度,匹配度权重与基准侧对应形态锐度、非基准侧对应的形态锐度进行加权求和得到综合锐度。获取基准侧对应的规则度与非基准侧对应的规则度,匹配度权重与基准侧对应的规则度、非基准侧对应的规则度进行加权求和得到综合规则度。
获取综合锐度和综合规则度的具体方法为:
首先,分别获取该铝单板切口左侧和右侧沾渣区域的像素点数量,本发明实施例中选取像素点数量少的一侧为基准侧,作为一个优选示例,假设切口左侧的沾渣区域为基准侧,则将基准侧的沾渣区域的形态锐度和规则度分为标记为γ(θ)。
其次,结合获取到的匹配度权重得到该铝单板切口处沾渣区域的综合锐度为:
其中,表示该铝单板切口处沾渣区域的综合锐度;表示匹配度权重;max表示最大值函数;表示基准侧的形态锐度,即铝单板切口左侧沾渣区域的形态锐度;表示非基准侧的形态锐度,即铝单板切口右侧沾渣区域的形态锐度;min表示最小值函数。
相应的,该铝单板切口处沾渣区域的综合规则度为:
其中,γ总表示该铝单板切口出沾渣区域的综合规则度;表示匹配度权重;max表示最大值函数;γ(θ)表示基准侧的规则度,即铝单板切口左侧沾渣区域的规则度;γ表示非基准侧的规则度,即铝单板切口右侧沾渣区域的规则度;min表示最小值函数。
需要说明的是,此时获取到的铝单板切口处沾渣区域的综合锐度和综合规则度均为归一化的结果。
进一步的,当综合锐度和综合规则度均较小时,表明此时用于切割铝单板的激光光束的焦点过低;当综合锐度和综合规则度均较大时,表明此时用于切割铝单板的激光光束的焦点过高。请参阅图4,具体为一种综合规则度-综合锐度的二维坐标示意图,其示出一种以综合规则度为横轴,综合锐度为纵轴构建的坐标系以及分界线F,以综合规则度和综合锐度构建的坐标点在分界线F右上端区域时,此时用于切割铝单板的激光光束的焦点过高;以综合规则度和综合锐度构建的坐标点在分界线F左下端区域时,此时用于切割铝单板的激光光束的焦点过低。
理想状态的激光焦点位置所切割出的铝单板切口处的沾渣区域应该综合锐度小且综合规则度高。因此在确定激光光束焦点的调节方向之后,对焦点的位置高低进行调节;当此时切口处沾渣区域的综合锐度和综合规则度在焦点高区域时,则调低激光光束的焦点位置对铝单板进行切割,对切口处的沾渣区域再次进行判断,若调节后的焦点位置仍处于焦点高区域时,实施者可适当加大焦点位置调节步长,以此类推,将激光光束切割铝单板后切口处沾渣区域的综合锐度和综合规则度在靠近理想坐标点(1,0)周围预设范围内,即停止对激光光束焦点位置的调节。以此时的焦点位置作为同批次铝单板切割时的激光光束最佳焦点位置。
作为优选,本发明实施例中将预设范围设置为:坐标点(0.9,0.1)、坐标点(0.9,0)、坐标点(1,0.1)与坐标点(1,0)构成的正方形范围,即获取到的综合锐度和综合规则度构成的坐标点处于预设范围内时,停止对激光光束焦点位置的调节。
综上所述,本发明实施例中包括图像采集模块、数据获取模块、匹配度获取模块以及智能调控模块;通过图像采集模块获取激光光束切割口铝单板切口两侧对应的侧面图像,从而根据侧面图像得到切口两侧沾渣区域的形状曲线图;根据数据获取模块提取出形状曲线图中所有的波峰点和波谷点作为特征点,并获取每个特征点在铝单板下表面的投影位置得到每个特征点的横坐标,根据每个特征点到铝单板下表面的长度得到每个特征点对应的像素距离;由每个特征点的横坐标和像素距离作为该特征点的特征信息。进一步根据切口每侧对应形状曲线图中特征点之间特征信息的差异得到该侧沾渣区域的形态锐度和规则度。然后通过匹配度获取模块构建每个形状曲线图对应的沾渣区域的沾渣量序列,计算切口左侧和切口右侧对应沾渣量序列之间的相似度,从而得到匹配度权重;最后根据智能调控模块得到综合锐度和综合规则度,从而根据综合锐度和综合规则度的值对激光光束的焦点位置进行调节,从而得到最佳的激光焦点位置。相交于现有的调节方法,实现了生产前激光焦点参数的智能控制,提高了生产效率;并且在生产过程中实现了参数的实时调节,克服了喷嘴未对齐激光焦点位置实时调节过程造成的干扰,具备实时性以及鲁棒性。
需要说明的是:上述本发明实施例先后顺序仅仅为了描述,不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。
以上所述仅为本发明的较佳实施例,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、改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种用于铝单板生产制造的智能切割系统,其特征在于,该系统包括以下模块:
图像采集模块,用于获取铝单板切口左侧和切口右侧分别对应的侧面图像,所述侧面图像包括对应切口侧的沾渣区域;根据所述侧面图像获取对应切口侧的所述沾渣区域的形状曲线图;
数据获取模块,用于获取任意所述形状曲线图中所有波峰的特征信息和所有波谷的特征信息,根据所述形状曲线图中所有相邻波谷的特征信息差异得到对应所述沾渣区域的形态锐度;根据所述形态曲线图中所有相邻波峰的特征信息差异和所有相邻波谷的特征信息差异得到规则度;
匹配度获取模块,用于根据任意所述形状曲线图中所有波峰的特征信息和所有波谷的特征信息构建对应沾渣区域的沾渣量序列;获取切口左侧和切口右侧分别对应的所述沾渣量序列之间的相似性,根据所述相似性得到切口左侧和切口右侧分别对应的所述沾渣量序列之间的匹配度权重;
智能调控模块,用于根据所述匹配度权重与所述形态锐度得到综合锐度;根据所述匹配度权重与所述规则度得到综合规则度;以所述综合锐度的值和所述综合规则度的值得到激光光束焦点位置进行调节;当所述综合锐度的值与所述综合规则度的值均在基准范围内时,得到固定激光光束焦点位置。
2.根据权利要求1所述的一种用于铝单板生产制造的智能切割系统,其特征在于,所述图像采集模块中根据所述侧面图像获取对应切口侧的所述沾渣区域的形状曲线图的方法,包括:
对任意所述侧面图像进行分割得到仅包括沾渣区域的分割图像;根据所述分割图像中沾渣区域的边缘得到所述沾渣区域的形状曲线图。
3.根据权利要求1所述的一种用于铝单板生产制造的智能切割系统,其特征在于,所述数据获取模块中获取任意所述形状曲线图中所有波峰的特征信息和所有波谷的特征信息的方法,包括:
获取任意所述沾渣区域对应的形状曲线图中所有的波峰和所有的波谷为特征点;以所述铝单板下边缘为横轴构建二维坐标系,获取每个所述特征点投影在所述铝单板下边缘的横坐标;
根据所述侧面图像获取每个所述特征点到所述铝单板下边缘的长度为像素距离;所述特征点的所述横坐标与所述像素距离为所述特征信息。
4.根据权利要求3所述的一种用于铝单板生产制造的智能切割系统,其特征在于,所述数据获取模块中根据所述形状曲线图中所有相邻波谷的特征信息差异得到对应所述沾渣区域的形态锐度的方法,包括:
获取任意所述形状曲线图中任意相邻波谷对应的像素距离差异,以及所述相邻波谷对应坐标差异;所述像素距离差异与所述坐标差异的比值为所述相邻波谷点之间沾渣区域对应的锐度;根据所有所述相邻波谷对应的锐度得到所述形状曲线图对应沾渣区域的形态锐度。
5.根据权利要求3所述的一种用于铝单板生产制造的智能切割系统,其特征在于,所述数据获取模块中根据所述形态曲线图中所有相邻波峰的特征信息差异和所有相邻波谷的特征信息差异得到规则度的方法,包括:
根据所述形态曲线图中所有相邻波峰的坐标差异和所有相邻波谷的坐标差异得到差异方差均值;根据所述形态曲线图中所有相邻波峰的像素距离差异和所有相邻波谷的像素距离差异得到距离方差均值;
所述规则度与所述差异方差均值呈负相关关系,与所述距离方差均值呈负相关关系。
6.根据权利要求3所述的一种用于铝单板生产制造的智能切割系统,其特征在于,所述匹配度获取模块中根据任意所述形状曲线图中所有波峰的特征信息和所有波谷的特征信息构建对应沾渣区域的沾渣量序列的方法,包括:
所述沾渣量序列由对应所述形状曲线图中所有波峰的像素距离与所述波谷的像素距离构成。
7.根据权利要求1所述的一种用于铝单板生产制造的智能切割系统,其特征在于,所述智能调控模块中根据所述匹配度权重与所述形态锐度得到综合锐度的方法,包括:
以所述铝单板切口的任意一侧为基准侧,获取所述基准侧对应的形态锐度与非基准侧对应的形态锐度,所述匹配度权重与基准侧对应形态锐度、非基准侧对应的形态锐度进行加权求和得到综合锐度。
8.根据权利要求7所述的一种用于铝单板生产制造的智能切割系统,其特征在于,所述智能调控模块中根据所述匹配度权重与所述规则度得到综合规则度的方法,包括:
获取所述基准侧对应的规则度与非基准侧对应的规则度,所述匹配度权重与基准侧对应的规则度、非基准侧对应的规则度进行加权求和得到综合规则度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210183027.3A CN114619152B (zh) | 2022-02-27 | 2022-02-27 | 一种用于铝单板生产制造的智能切割系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210183027.3A CN114619152B (zh) | 2022-02-27 | 2022-02-27 | 一种用于铝单板生产制造的智能切割系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114619152A true CN114619152A (zh) | 2022-06-14 |
CN114619152B CN114619152B (zh) | 2022-11-29 |
Family
ID=81899515
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210183027.3A Active CN114619152B (zh) | 2022-02-27 | 2022-02-27 | 一种用于铝单板生产制造的智能切割系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114619152B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS6363591A (ja) * | 1986-09-02 | 1988-03-19 | Mitsubishi Electric Corp | レ−ザ裁断装置 |
US20170372464A1 (en) * | 2016-06-28 | 2017-12-28 | Ngr Inc. | Pattern inspection method and pattern inspection apparatus |
CN110153567A (zh) * | 2019-04-04 | 2019-08-23 | 江苏大学 | 一种基于图像识别的激光切割系统 |
CN112828466A (zh) * | 2021-03-01 | 2021-05-25 | 上海柏楚数控科技有限公司 | 用于监控和调整激光加工的控制方法、控制器、系统 |
CN112991338A (zh) * | 2021-04-27 | 2021-06-18 | 湖南大捷智能装备有限公司 | 一种用于激光切割零件的缺陷检测方法、装置 |
CN113305849A (zh) * | 2021-06-13 | 2021-08-27 | 芜湖行健智能机器人有限公司 | 一种基于复合视觉的平板坡口智能切割系统及方法 |
-
2022
- 2022-02-27 CN CN202210183027.3A patent/CN114619152B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS6363591A (ja) * | 1986-09-02 | 1988-03-19 | Mitsubishi Electric Corp | レ−ザ裁断装置 |
US20170372464A1 (en) * | 2016-06-28 | 2017-12-28 | Ngr Inc. | Pattern inspection method and pattern inspection apparatus |
CN110153567A (zh) * | 2019-04-04 | 2019-08-23 | 江苏大学 | 一种基于图像识别的激光切割系统 |
CN112828466A (zh) * | 2021-03-01 | 2021-05-25 | 上海柏楚数控科技有限公司 | 用于监控和调整激光加工的控制方法、控制器、系统 |
CN112991338A (zh) * | 2021-04-27 | 2021-06-18 | 湖南大捷智能装备有限公司 | 一种用于激光切割零件的缺陷检测方法、装置 |
CN113305849A (zh) * | 2021-06-13 | 2021-08-27 | 芜湖行健智能机器人有限公司 | 一种基于复合视觉的平板坡口智能切割系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114619152B (zh) | 2022-11-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114821114B (zh) | 一种基于视觉系统的坡口切割机器人图像处理方法 | |
CN115511889A (zh) | 一种太阳能电池板支架表面焊接缺陷检测方法 | |
CN111127402A (zh) | 一种机器人焊接质量的视觉检测方法 | |
CN115330767B (zh) | 一种腐蚀箔生产异常识别方法 | |
CN115131359B (zh) | 一种金属加工件表面麻点缺陷检测方法 | |
Zhang et al. | Narrow-seam identification and deviation detection in keyhole deep-penetration TIG welding | |
CN111401449A (zh) | 一种基于机器视觉的图像匹配方法 | |
CN115229355B (zh) | 高精密冲压锻件用激光焊接方法 | |
CN116563280B (zh) | 一种基于数据分析的复合铜散热底板加工检测方法及系统 | |
CN115330757B (zh) | 一种电路板焊点缺陷检测方法及系统 | |
CN114862802A (zh) | 基于图像处理的钢结构的切割控制方法 | |
CN111402239A (zh) | 基于形态特征滤波的激光焊缝跟踪图像处理方法及系统 | |
CN114619152B (zh) | 一种用于铝单板生产制造的智能切割系统 | |
CN115578390B (zh) | 一种用于除氧器的焊接控制方法 | |
CN116228798B (zh) | 基于机器视觉的铁塔智能切割检测方法 | |
CN113102297B (zh) | 一种并联机器人快速分拣瑕疵工件的方法 | |
CN110310239A (zh) | 一种基于特性值拟合消除光照影响的图像处理方法 | |
CN115326837A (zh) | 一种基于机器视觉的不锈钢焊点表面质量检测方法及系统 | |
CN115255565A (zh) | 全局模式识别的窄间隙焊接坡口边缘视觉传感检测方法及应用 | |
CN114417906A (zh) | 微观图像标识的识别方法、装置、设备及存储介质 | |
CN114862786A (zh) | 基于Retinex图像增强和Ostu阈值分割的隔离带检测方法及系统 | |
CN108335296B (zh) | 一种极板识别装置及方法 | |
CN115194290B (zh) | 一种数控火焰切割机参数控制方法 | |
CN116934788B (zh) | 用于金属板材刨槽与激光切割的夹钳协同调控方法 | |
CN114851569B (zh) | 离子交换膜焊接成型的智能控制方法及系统 |
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 |