CN114706358A - 一种直缝焊管的焊接工艺信息处理方法及系统 - Google Patents
一种直缝焊管的焊接工艺信息处理方法及系统 Download PDFInfo
- Publication number
- CN114706358A CN114706358A CN202210619823.7A CN202210619823A CN114706358A CN 114706358 A CN114706358 A CN 114706358A CN 202210619823 A CN202210619823 A CN 202210619823A CN 114706358 A CN114706358 A CN 114706358A
- Authority
- CN
- China
- Prior art keywords
- information
- process parameter
- image set
- image
- welded pipe
- 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
- 238000000034 method Methods 0.000 title claims abstract description 271
- 230000008569 process Effects 0.000 title claims abstract description 170
- 238000003466 welding Methods 0.000 title claims abstract description 90
- 238000012545 processing Methods 0.000 title claims abstract description 81
- 238000012795 verification Methods 0.000 claims abstract description 41
- 238000007621 cluster analysis Methods 0.000 claims abstract description 37
- 238000004458 analytical method Methods 0.000 claims abstract description 12
- 238000004519 manufacturing process Methods 0.000 claims description 55
- 238000005516 engineering process Methods 0.000 claims description 21
- 238000000605 extraction Methods 0.000 claims description 19
- 238000012876 topography Methods 0.000 claims description 18
- 238000012360 testing method Methods 0.000 claims description 15
- 230000002159 abnormal effect Effects 0.000 claims description 14
- 230000007547 defect Effects 0.000 claims description 14
- 238000007689 inspection Methods 0.000 claims description 14
- 238000003066 decision tree Methods 0.000 claims description 9
- 238000009826 distribution Methods 0.000 claims description 9
- 238000001914 filtration Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 8
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 238000007781 pre-processing Methods 0.000 claims description 7
- 238000004891 communication Methods 0.000 claims description 6
- 238000009659 non-destructive testing Methods 0.000 claims description 6
- 230000010365 information processing Effects 0.000 claims description 5
- 238000003754 machining Methods 0.000 claims description 4
- 238000005457 optimization Methods 0.000 claims description 4
- 238000013507 mapping Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 13
- 230000003044 adaptive effect Effects 0.000 abstract description 4
- 238000003860 storage Methods 0.000 description 16
- 230000008439 repair process Effects 0.000 description 7
- 238000010191 image analysis Methods 0.000 description 6
- 238000010801 machine learning Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 238000012549 training Methods 0.000 description 5
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 241000251468 Actinopterygii Species 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000003062 neural network model Methods 0.000 description 3
- 230000002787 reinforcement Effects 0.000 description 3
- 230000003796 beauty Effects 0.000 description 2
- 238000005461 lubrication Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 239000003345 natural gas Substances 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 239000003209 petroleum derivative Substances 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 229910000831 Steel Inorganic materials 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000010923 batch production Methods 0.000 description 1
- 230000002146 bilateral effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000005498 polishing Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/41865—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by job scheduling, process planning, material flow
-
- 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
- B23K31/02—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 soldering or welding
- B23K31/027—Making tubes with soldering or welding
-
- 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
-
- 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
- B23K2101/04—Tubular or hollow articles
- B23K2101/06—Tubes
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/32—Operator till task planning
- G05B2219/32252—Scheduling production, machining, job shop
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Optics & Photonics (AREA)
- Image Analysis (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明提供了一种直缝焊管的焊接工艺信息处理方法及系统,涉及数据处理领域,其中,所述方法包括:对第一直缝焊管的外部形貌和内部形貌进行连续性采集,获得外部形貌图像集合和内部形貌图像集合;获得第一特征分类结果;对第一特征分类结果进行聚类分析,获得第一聚类分析结果;将第一聚类分析结果输入第一工艺参数调整模型,获得第一工艺参数调节信息;对第一工艺参数调节信息进行规范性验证后,获得第一验证工艺参数信息。解决了焊接工艺适应性参数调整准确性不高,难以保证外观质量稳定性的技术问题。达到了提高工艺参数调整智能化水平,提高参数调整准确性,保证焊管内部、外部的形貌质量的技术效果。
Description
技术领域
本发明涉及数据处理领域,具体涉及一种直缝焊管的焊接工艺信息处理方法及系统。
背景技术
直缝焊管大量应用于石油天然气工业、城市给排水、建筑结构等领域。随着焊接工艺、焊接技术的不断精进,不仅要求焊管内在缺陷少,而且对焊管外观形貌的要求越来越高。焊缝余高超高、存在鱼脊背等外观缺陷,不仅影响美观,还会对防腐作业造成一定影响。内外部的焊瘤不仅对美观有影响,而且当内部的焊瘤清除不完全,会导致输油、润滑等方面效率低下,严重时甚至堵塞管道,造成难以预料的问题。因此需要对直缝焊管焊接工艺进行生产全过程数据采集,通过分析采集到的信息,智能化调整工艺参数,从而提高直缝焊管的质量。
现有技术存在由于直缝焊管的外观形貌要求较高,焊接工艺适应性参数调整准确性不高,难以保证外观质量稳定性的技术问题。
发明内容
本申请通过提供了一种直缝焊管的焊接工艺信息处理方法及系统,解决了现有技术存在由于直缝焊管的外观形貌要求较高,焊接工艺适应性参数调整准确性不高,难以保证外观质量稳定性的技术问题。达到了通过对直缝焊管内、外进行实时图像采集,根据采集结果进行图像分析处理后,通过机器学习进行焊接工艺参数适应性调整,提高了工艺参数调整智能化水平,提高参数调整准确性,保证焊管内部、外部的形貌质量的技术效果。
鉴于上述问题,本申请提供了一种直缝焊管的焊接工艺信息处理方法及系统。
第一方面,本申请提供了一种直缝焊管的焊接工艺信息处理方法,其中,所述方法包括:基于第一图像采集装置,对第一直缝焊管的外部形貌进行生产连续性采集,获得第一外部形貌图像集合;基于第二图像采集装置,对第一直缝焊管的内部形貌进行生产连续性采集,获得第一内部形貌图像集合;基于图像识别技术对所述第一外部形貌图像集合、所述第一内部形貌图像集合进行模式分类,获得第一特征分类结果;按照所述第一直缝焊管的加工工序信息对所述第一特征分类结果进行聚类分析,获得第一聚类分析结果;搭建第一工艺参数调整模型,其中,所述第一工艺参数调整模型由各加工工序子模型组成;将所述第一聚类分析结果按照工序属性分别输入所述各加工工序子模型,获得第一工艺参数调节信息;对所述第一工艺参数调节信息进行规范性验证后,获得第一验证工艺参数信息。
另一方面,本申请提供了一种直缝焊管的焊接工艺信息处理系统,其中,所述系统包括:第一获得单元,所述第一获得单元用于基于第一图像采集装置,对第一直缝焊管的外部形貌进行生产连续性采集,获得第一外部形貌图像集合;第二获得单元,所述第二获得单元用于基于第二图像采集装置,对第一直缝焊管的内部形貌进行生产连续性采集,获得第一内部形貌图像集合;第三获得单元,所述第三获得单元用于基于图像识别技术对所述第一外部形貌图像集合、所述第一内部形貌图像集合进行模式分类,获得第一特征分类结果;第四获得单元,所述第四获得单元用于按照所述第一直缝焊管的加工工序信息对所述第一特征分类结果进行聚类分析,获得第一聚类分析结果;第一搭建单元,所述第一搭建单元用于搭建第一工艺参数调整模型,其中,所述第一工艺参数调整模型由各加工工序子模型组成;第五获得单元,所述第五获得单元用于将所述第一聚类分析结果按照工序属性分别输入所述各加工工序子模型,获得第一工艺参数调节信息;第六获得单元,所述第六获得单元用于对所述第一工艺参数调节信息进行规范性验证后,获得第一验证工艺参数信息。
第三方面,本申请提供了一种电子设备,包括总线、收发器、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,所述收发器、所述存储器和所述处理器通过所述总线相连,所述计算机程序被所述处理器执行时实现上述任意一项所述方法中的步骤。
本申请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:
由于采用了对第一直缝焊管的外部形貌和内部形貌进行生产连续性采集,获得第一外部形貌图像集合和第一内部形貌图像集合;进行模式分类获得第一特征分类结果;对第一特征分类结果进行聚类分析,获得第一聚类分析结果;搭建第一工艺参数调整模型;将所述第一聚类分析结果输入第一工艺参数调整模型,获得第一工艺参数调节信息;对第一工艺参数调节信息进行规范性验证后,获得第一验证工艺参数信息的技术方案,本申请通过提供了一种直缝焊管的焊接工艺信息处理方法及系统,达到了通过对直缝焊管内、外进行实时图像采集,根据采集结果进行图像分析处理后,通过机器学习进行焊接工艺参数适应性调整,提高了工艺参数调整智能化水平,提高参数调整准确性,保证焊管内部、外部的形貌质量的技术效果。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
图1为本申请实施例一种直缝焊管的焊接工艺信息处理方法的流程示意图;
图2为本申请实施例一种直缝焊管的焊接工艺信息处理方法的获得第一特征分类结果的流程示意图;
图3为本申请实施例一种直缝焊管的焊接工艺信息处理方法的获得第二验证工艺参数信息的流程示意图;
图4为本申请实施例一种直缝焊管的焊接工艺信息处理系统的结构示意图;
图5为本申请实施例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,第一搭建单元15,第五获得单元16,第六获得单元17,电子设备300,存储器301,处理器302,通信接口303,总线架构304。
具体实施方式
本申请通过提供了一种直缝焊管的焊接工艺信息处理方法及系统,解决了现有技术存在由于直缝焊管的外观形貌要求较高,焊接工艺适应性参数调整准确性不高,难以保证外观质量稳定性的技术问题。达到了通过对直缝焊管内、外进行实时图像采集,根据采集结果进行图像分析处理后,通过机器学习进行焊接工艺参数适应性调整,提高了工艺参数调整智能化水平,提高参数调整准确性,保证焊管内部、外部的形貌质量的技术效果。
本申请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。
直缝焊管大量应用于石油天然气工业、城市给排水、建筑结构等领域。随着焊接工艺、焊接技术的不断精进,不仅要求焊管内在缺陷少,而且对焊管外观形貌的要求越来越高。焊缝余高超高、存在鱼脊背等外观缺陷,不仅影响美观,还会对防腐作业造成一定影响。内外部的焊瘤不仅对美观有影响,而且当内部的焊瘤清除不完全,会导致输油、润滑等方面效率低下,严重时甚至堵塞管道,造成难以预料的问题。目前,存在由于直缝焊管的外观形貌要求较高,焊接工艺适应性参数调整准确性不高,难以保证外观质量稳定性的技术问题。
针对上述技术问题,本申请提供的技术方案总体思路如下:
本申请提供了一种直缝焊管的焊接工艺信息处理方法,其中,所述方法包括:对第一直缝焊管的外部形貌和内部形貌进行生产连续性采集,获得第一外部形貌图像集合和第一内部形貌图像集合;进行模式分类获得第一特征分类结果;对第一特征分类结果进行聚类分析,获得第一聚类分析结果;搭建第一工艺参数调整模型;将所述第一聚类分析结果输入第一工艺参数调整模型,获得第一工艺参数调节信息;对第一工艺参数调节信息进行规范性验证后,获得第一验证工艺参数信息。达到了通过对直缝焊管内、外进行实时图像采集,根据采集结果进行图像分析处理后,通过机器学习进行焊接工艺参数适应性调整,提高了工艺参数调整智能化水平,提高参数调整准确性,保证焊管内部、外部的形貌质量的技术效果。
在介绍了本申请基本原理后,下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。
实施例一
如图1所示,本申请实施例提供了一种直缝焊管的焊接工艺信息处理方法,其中,所述方法应用于一种直缝焊管的焊接工艺信息处理系统,所述系统与多个图像采集装置通信连接,所述方法包括:
步骤S100:基于第一图像采集装置,对第一直缝焊管的外部形貌进行生产连续性采集,获得第一外部形貌图像集合;
步骤S200:基于第二图像采集装置,对第一直缝焊管的内部形貌进行生产连续性采集,获得第一内部形貌图像集合;
具体而言,所述第一图像采集装置和所述第二图像采集装置均为任一型号的具有图像采集功能的设备,例如:CCD摄像头。所述第一图像采集装置放置于所述第一直缝焊管的外部,用于捕捉外部形貌特征,所述第二图像采集装置用于捕捉内部形貌特征,放置位置不进行限定,只要能够拍摄到第一直缝焊管内部即可。所述第一直缝焊管为准备进行焊接的任一直缝焊管。
通过所述第一图像采集装置、所述第二图像采集装置分别进行第一直缝焊管的外部形貌和内部形貌的生产连续性图像采集。生产连续性即在生产的过程中连续的进行图像采集。分别获得所述第一外部形貌图像集合和所述第一内部图像集合,能够为后续图像分析、异常特征识别奠定基础。
步骤S300:基于图像识别技术对所述第一外部形貌图像集合、所述第一内部形貌图像集合进行模式分类,获得第一特征分类结果;
步骤S400:按照所述第一直缝焊管的加工工序信息对所述第一特征分类结果进行聚类分析,获得第一聚类分析结果;
具体而言,目前,图像识别技术在焊接检验领域的应用研究取得了很大的进展,通过图像识别技术能够对采集到的形貌图像进行准确分析处理,从而找到产品缺陷,为工艺信息处理、调整奠定基础。对所述第一外部形貌图像集合和所述第一内部形貌图像集合进行图像增强、图像识别、图像特征提取等处理后进行模式分类,其中,图像模式分类可采用决策树进行分类。得到所述第一特征分类结果,第一特征分类结果为根据不同形貌缺陷进行特征分类的结果,例如:权限包括但不限于焊接烧穿、生焊缝余高过高和焊缝鱼脊背等。
所述第一直缝焊管的加工工序根据不同的加工厂、不同的加工设备、工艺可能会略有差异,但依旧可根据具体的加工业务采集到对应的加工工序信息。按照所述加工工序信息对所述第一特征分类结果进行聚类分析,将所述第一特征分类结果按照工序进行聚类后,便于对工序进行针对性工艺调整。其中,聚类分析为将数据分类到不同的类或者簇的一个过程,通过对所述第一特征分类结果进行聚类分析,依据特征,将相似性大的特征信息放到一起,对生产各节点庞大繁杂的图像数据进行分类,方便后续模型的数据运算,减少研究对象的数目,提高模型的运算速度。
步骤S500:搭建第一工艺参数调整模型,其中,所述第一工艺参数调整模型由各加工工序子模型组成;
步骤S600:将所述第一聚类分析结果按照工序属性分别输入所述各加工工序子模型,获得第一工艺参数调节信息;
步骤S700:对所述第一工艺参数调节信息进行规范性验证后,获得第一验证工艺参数信息。
具体而言,基于第一直缝焊管的加工工序信息采集各工序的历史数据信息,包括大量的历史图像。按照工序对历史数据进行缺陷数据标识和工艺参数调整信息标识。进一步通过历史数据信息进行分布式模型训练,以神经网络模型为基础,分别训练各加工工序的子模型。神经网络模型经不断训练、调整和自我优化后,达到预定准确率或达到收敛后,获得所述各加工工序的子模型,从而完成了第一工艺参数调整模型的搭建。
进一步的,将所述第一聚类分析结果按照对应的工序信息输入所述各加工工序子模型,各子模型分别输出调整参数信息,组成了所述第一工艺参数调节信息。按照生产厂家的质量检验标准和参数调节设定历史数据对所述第一工艺参数调节信息进行验证,判断是否符合生产规范,若符合则将所述第一工艺参数调节信息作为所述第一验证工艺参数信息,若不符合,则按照规范进行调整,示例性的:如某一指标超出生产参数的规范,则使用规范数据对该指标进行替代。达到了通过采集内外形貌特征进行异常特征识别,并通过分析异常特征对生产参数进行调节,从而提高直缝焊管的生产质量,优化生产工艺参数的技术效果。
进一步的,所述对所述第一工艺参数调节信息进行规范性验证后,获得第一验证工艺参数信息,之后,本申请实施例还包括:
步骤S810:采集所述第一直缝焊管的管壁厚度信息;
步骤S820:采集所述第一直缝焊管的生产效率信息;
步骤S830:将所述管壁厚度信息、所述生产效率信息输入生产成本控制模型,获得第一焊丝数量信息;
步骤S840:基于所述第一焊丝数量信息对所述第一验证工艺参数信息中的焊丝数量进行调整。
具体而言,通常一台焊机焊丝数多,则投资成本高,相应的焊接效率也高,为焊丝数对应的都是焊接核心进口部件,如焊接电源、送丝机、控制器等,造价贵。一般焊丝数需要根据生产线钢管壁厚和生产效率来综合确定。因此为了对第一直缝焊管进行生产成本控制,对焊丝数量进行进一步优化。根据所述第一直缝焊管的生产原料获得所述第一直缝焊管的管壁厚度信息,进一步根据工厂的实时生产数据采集生产效率信息。
将所述管壁厚度信息、所述生产效率信息输入生产成本控制模型,获得第一焊丝数量信息。其中,所述生产成本控制模型是通过历史数据训练神经网络模型至收敛获得的,能够根据输入的管壁厚度信息和生产效率信息综合确定推荐焊丝数量,从而在保证达到预定产品质量的基础上,最大限度的降低生产成本。得到的所述第一焊丝数量信息于所述第一验证工艺参数信息中的焊丝数量进行比对后,若一致则不需调整,若不一致则使用所述第一焊丝数量替代第一验证工艺参数信息中的焊丝数量信息。
进一步的,如图2所示,所述基于图像识别技术对所述第一外部形貌图像集合、所述第一内部形貌图像集合进行模式分类,获得第一特征分类结果,本申请实施例步骤S300还包括:
步骤S310:对所述第一外部形貌图像集合、所述第一内部形貌图像集合进行图像预处理后,获得第一外部标准图像集合和第一内部标准图像集合;
步骤S320:获得外部异常识别卷积特征和内部异常识别卷积特征;
步骤S330:基于所述外部异常识别卷积特征和内部异常识别卷积特征分别对所述第一外部标准图像集合和所述第一内部标准图像集合进行特征提取,获得第一特征提取结果和第二特征提取结果;
步骤S340:基于特征分类决策树,对所述第一特征提取结果和所述第二特征提取结果进行异常缺陷分类,获得所述第一特征分类结果。
具体而言,采集到的图像信息为了便于后续识别,需要对所述第一外部形貌图像集合、所述第一内部形貌图像集合进行图像预处理,预处理包括图像降噪、图像色彩转换等。通过预处理获得所述第一外部标准图像集合和第一内部标准图像集合。
通过生产厂家的历史图像数据中提取异常特征图像信息作为所述外部异常识别卷积特征和内部异常识别卷积特征。通过所述外部异常识别卷积特征和内部异常识别卷积特征对所述第一外部标准图像集合和所述第一内部标准图像集合进行特征提取。卷积特征可以理解为卷积核,即进行特征比对的卷积模块,它关注的是局部特征,根据局部特征部位的卷积核的数值大小,对特征的匹配度进行评估。通过卷积特征的匹配度评估,得到外部形貌的第一特征提取结果和内部形貌的第二特征提取结果。
通过工厂的历史数据训练特征分类决策树,将特征分类决策树用于对提取到的图像特征信息进行特征分类,决策树是一种基本的分类与回归方法。通过将第一特征提取结果和第二特征提取结果输入特征分类决策树,得到所述第一特征分类结果。达到快速得到特征分类结果,提高异常缺陷分类的准确度和效率的技术效果。
进一步的,所述获得第一外部标准图像集合,本申请实施例步骤S300包括:
步骤S311:对所述第一外部形貌图像集合进行去噪滤波,获得第一去噪图像集合;
步骤S312:将所述第一去噪图像集合进行显示色彩空间转换,获得显示格式图像集合;
步骤S313:构建图像灰度分布坐标系,将所述显示格式图像集合映射至所述图像灰度分布坐标系中,获得第一图像灰度直方图;
步骤S314:对所述第一图像灰度直方图进行均衡化处理,获得均值图像集合;
步骤S315:对所述均值图像集合进行图像增强,获得所述第一外部标准图像集合。
具体而言,图像数据在传输的过程中都会受到噪声污染,为了保证图像处理和后续图像特征的分析,需要对图像进行去噪处理,可采用中值滤波算法、高斯滤波、双边滤波或导向滤波等去燥滤波方法,对所述第一外部标准图像集合进行去噪滤波后,得到所述第一去噪图像集合,所述第一去噪图像集合为第一外部形貌图像经去噪技术处理后得到的去噪图像集合。
对第一去噪图像集合进行显示色彩空间转换,所述显示色彩空间转换为图像从RGB空间转换为其他空间,获得显示格式图像集合,所述显示格式图像集合为色彩空间转换后显示格式产品生产图像集合。由于RGB空间的三通道具有很强的相关性,很难将其分开,使得图像的可分离性和可操作性较差,需要将图像从RGB转换为其他空间,示例性的:将图像从RGB空间转换为灰度空间,将三通道的色彩转换为一通道。
进一步的进行均衡化处理,通过构建图像的灰度分布坐标系,将所述显示格式图像集合映射至所述图像灰度分布坐标系中,获得第一图像灰度直方图,所述第一图像灰度直方图为图像中各个灰度级的像素的个数,直方图中如果像素比较集中将会使得图像的亮暗对比不明显。为了突出图像的细节信息,对第一图像灰度直方图进行均衡化处理,使得图像的像素分布尽可能广泛,改善图像的对比度,获得均值图像集合,所述均值图像集合为对原始灰度值进行均衡化处理,图像像素分布广泛后的图像集合。
进一步的通过图像增强技术对所述均值图像集合进行图像增强,图像增强技术通过增强图像的细节信息,从而提高图像的使用价值,使图像标准化程度更高,即通过图像增强技术获得第一外部标准图像集合。第一内部标准图像集合的标准化过程于第一外部标准图像集合的过程一致,通过图像预处理技术,使得获取的图像信息更加准确,提高后续数据处理速度。
进一步的,所述将所述第一聚类分析结果按照工序属性分别输入所述各加工工序子模型,获得第一工艺参数调节信息,本申请实施例步骤S600还包括:
步骤S610:基于所述第一聚类分析结果,获得对应工序信息,其中,所述对应工序信息包括生产工艺参数数据集合;
步骤S620:将所述第一聚类分析结果作为第一输入信息,将所述生产工艺参数数据集合作为第二输入信息;
步骤S630:将所述第一输入信息和所述第二输入信息按照工序属性,分别输入所述各加工工序子模型中,获得所述第一工艺参数调节信息。
具体而言,为了对第一直缝焊管进行工艺参数调节,不仅需要第一直缝焊管的缺陷图像信息,还需要输入每一工序实际的生产参数。因此将所述第一聚类分析结果作为第一输入信息。通过所述第一聚类分析结果获得对应的工序的生产工艺参数数据集合。并将所述生产工艺参数数据集合作为第二输入信息。
进一步将所述第一输入信息、所述第二输入信息按照工序属性输入所述各加工工序子模型,即将每一工序的输入信息进行整合后输入对应的各加工工序子模型中,通过模型的分析处理后,输出所述第一工艺参数调节信息。通过各加工工序子模型的分析处理,达到了获得准确、可靠的工艺参数调节信息的技术效果。
进一步的,如图3所示,本申请实施例步骤S700还包括:
步骤S710:按照所述第一验证工艺参数信息对所述第一直缝焊管进行焊后修补,获得第一修补结果;
步骤S720:基于所述第一图像采集装置、所述第二图像采集装置对所述第一修补结果进行图像采集,获得第二外部形貌图像集合和第二内部形貌图像集合;
步骤S730:对所述第二外部形貌图像集合和所述第二内部形貌图像集合进行特征识别,获得第二特征分类结果;
步骤S740:基于所述第二特征分类结果对第一工艺参数调整模型进行模型优化,获得第二工艺参数调整模型;
步骤S750:基于所述第二工艺参数调整模型,获得第二验证工艺参数信息。
具体而言,当第一直缝焊管送至焊后修补工序时,示例性的:焊管经过预焊、内焊、外焊后送至焊后修补工序。按照所述第一验证工艺参数信息对能够进行焊后修补的缺陷进行处理,例如对内部焊瘤进行打磨等。得到所述第一修补结果,所述第一修补结果对能够修补的内部和外部形貌缺陷进行修补后,能有效提高第一直缝焊管的质量和外观。
在通过所述第一图像采集装置和第二图像采集装置对第一修补结果进行图像采集,获得第二外部形貌图像集合和第二内部形貌图像集合。所述第二外部形貌图像集合和所述第二内部形貌图像集合为经过参数调整后,经过修补处理,拍摄得到的图像集合。调整的参数部分可以用于修补处理,剩余数据用作下一次的产品生产参数。
对所述第二外部形貌图像集合和所述第二内部形貌图像集合进行图像去噪、标准化等后进行图像特征识别后,通过图像特征分类后,得到所述第二特征分类结果,示例性的可通过历史数据训练分类决策树等分类器进行分类。将所述第二特征分类结果作为新增数据对所述第一工艺参数调整模型进行模型优化,即将经修补后出厂的产品图像信息作为新增数据对所述第一工艺参数调整模型进行训练更新,从而得到第二工艺参数调整模型,并将第一聚类分析结果输入所述第二工艺参数调整模型,输出所述第二工艺参数调节信息,并进行规范性验证后,获得第二验证工艺参数信息。
达到了通过实时数据对工艺参数调整模型进行调整,使模型更加精准,符合实际生产条件,从而提高工艺参数调整的准确性的技术效果。
进一步的,本申请实施例步骤S750还包括:
步骤S751:按照所述第二验证工艺参数信息对所述第一直缝焊管进行批量生产后,进行质量检验,获得无损检测结果、外观检测结果、压力检测结果;
步骤S752:基于激光焊缝跟踪技术实时采集焊接误差信息,获得第一误差采集结果;
步骤S753:基于所述无损检测结果、所述外观检测结果、所述压力检测结果和所述第一误差采集结果对所述第一直缝焊管的生产进行实时预警。
具体而言,所述第二验证工艺参数信息为通过焊后修补图像数据更新模型后获得的,使用所述第二验证工艺参数信息能够满足生产高质量产品的需求。因此,按照所述第二验证工艺参数信息对所述第一直缝焊管进行批量生产,并对生产产品进行质量检验,质量检验包括无损检测、外观检测、压力检测,通过企业专门人才的检验后,采集检测结果,即所述无损检测结果、外观检测结果、压力检测结果。
进一步的通过焊接领域的激光焊缝跟踪技术进行焊接误差信息的采集,激光焊缝跟踪技术利用光学传播与成像原理,得到激光扫描区域内各个点的位置信息,通过程序算法完成对常见焊缝的在线实时检测。能够将焊缝的误差信息及时采集和反馈,得到所述第一误差采集结果,所述第一误差采集结果包括但不限于焊接过程中的水平和竖直方向的坡口的边缘误差信息等。当检测到所述无损检测结果、所述外观检测结果、所述压力检测结果和所述第一误差采集结果异常时,即超出正常标准范围时,进行实时预警,即在第一直缝焊管的生产过程中进行实时预警。达到了通过增设预警机制,提高对异常情况的及时调整、处理,从而提高生产产品质量和降低生产损耗的技术效果。
综上所述,本申请实施例所提供的一种直缝焊管的焊接工艺信息处理方法及系统具有如下技术效果:
1、由于采用了对第一直缝焊管的外部形貌和内部形貌进行生产连续性采集,获得第一外部形貌图像集合和第一内部形貌图像集合;进行模式分类获得第一特征分类结果;对第一特征分类结果进行聚类分析,获得第一聚类分析结果;搭建第一工艺参数调整模型;将所述第一聚类分析结果输入第一工艺参数调整模型,获得第一工艺参数调节信息;对第一工艺参数调节信息进行规范性验证后,获得第一验证工艺参数信息的技术方案,本申请实施例通过提供了一种直缝焊管的焊接工艺信息处理方法及系统,达到了通过对直缝焊管内、外进行实时图像采集,根据采集结果进行图像分析处理后,通过机器学习进行焊接工艺参数适应性调整,提高了工艺参数调整智能化水平,提高参数调整准确性,保证焊管内部、外部的形貌质量的技术效果。
2、达到了通过增设预警机制的方法,提高对生产过程中异常情况的识别、调整、处理的及时性,并且提高生产产品质量和降低生产损耗的技术效果。
实施例二
基于与前述实施例中一种直缝焊管的焊接工艺信息处理方法相同的发明构思,如图4所示,本申请实施例提供了一种直缝焊管的焊接工艺信息处理系统,其中,所述系统包括:
第一获得单元11,所述第一获得单元11用于基于第一图像采集装置,对第一直缝焊管的外部形貌进行生产连续性采集,获得第一外部形貌图像集合;
第二获得单元12,所述第二获得单元12用于基于第二图像采集装置,对第一直缝焊管的内部形貌进行生产连续性采集,获得第一内部形貌图像集合;
第三获得单元13,所述第三获得单元13用于基于图像识别技术对所述第一外部形貌图像集合、所述第一内部形貌图像集合进行模式分类,获得第一特征分类结果;
第四获得单元14,所述第四获得单元14用于按照所述第一直缝焊管的加工工序信息对所述第一特征分类结果进行聚类分析,获得第一聚类分析结果;
第一搭建单元15,所述第一搭建单元15用于搭建第一工艺参数调整模型,其中,所述第一工艺参数调整模型由各加工工序子模型组成;
第五获得单元16,所述第五获得单元16用于将所述第一聚类分析结果按照工序属性分别输入所述各加工工序子模型,获得第一工艺参数调节信息;
第六获得单元17,所述第六获得单元17用于对所述第一工艺参数调节信息进行规范性验证后,获得第一验证工艺参数信息。
进一步的,所述系统包括:
第一采集单元,所述第一采集单元用于采集所述第一直缝焊管的管壁厚度信息;
第二采集单元,所述第二采集单元用于采集所述第一直缝焊管的生产效率信息;
第七获得单元,所述第七获得单元用于将所述管壁厚度信息、所述生产效率信息输入生产成本控制模型,获得第一焊丝数量信息;
第一执行单元,所述第一执行单元用于基于所述第一焊丝数量信息对所述第一验证工艺参数信息中的焊丝数量进行调整。
进一步的,所述系统包括:
第八获得单元,所述第八获得单元用于对所述第一外部形貌图像集合、所述第一内部形貌图像集合进行图像预处理后,获得第一外部标准图像集合和第一内部标准图像集合;
第九获得单元,所述第九获得单元用于获得外部异常识别卷积特征和内部异常识别卷积特征;
第十获得单元,所述第十获得单元用于基于所述外部异常识别卷积特征和内部异常识别卷积特征分别对所述第一外部标准图像集合和所述第一内部标准图像集合进行特征提取,获得第一特征提取结果和第二特征提取结果;
第十一获得单元,所述第十一获得单元用于基于特征分类决策树,对所述第一特征提取结果和所述第二特征提取结果进行异常缺陷分类,获得所述第一特征分类结果。
进一步的,所述系统包括:
第十二获得单元,所述第十二获得单元用于对所述第一外部形貌图像集合进行去噪滤波,获得第一去噪图像集合;
第十三获得单元,所述第十三获得单元用于将所述第一去噪图像集合进行显示色彩空间转换,获得显示格式图像集合;
第十四获得单元,所述第十四获得单元用于构建图像灰度分布坐标系,将所述显示格式图像集合映射至所述图像灰度分布坐标系中,获得第一图像灰度直方图;
第十五获得单元,所述第十五获得单元用于对所述第一图像灰度直方图进行均衡化处理,获得均值图像集合;
第十六获得单元,所述第十六获得单元用于对所述均值图像集合进行图像增强,获得所述第一外部标准图像集合。
进一步的,所述系统包括:
第十七获得单元,所述第十七获得单元用于基于所述第一聚类分析结果,获得对应工序信息,其中,所述对应工序信息包括生产工艺参数数据集合;
第二执行单元,所述第二执行单元用于将所述第一聚类分析结果作为第一输入信息,将所述生产工艺参数数据集合作为第二输入信息;
第十八获得单元,所述第十八获得单元用于将所述第一输入信息和所述第二输入信息按照工序属性,分别输入所述各加工工序子模型中,获得所述第一工艺参数调节信息。
进一步的,所述系统包括:
第十九获得单元,所述第十九获得单元用于按照所述第一验证工艺参数信息对所述第一直缝焊管进行焊后修补,获得第一修补结果;
第二十获得单元,所述第二十获得单元用于基于所述第一图像采集装置、所述第二图像采集装置对所述第一修补结果进行图像采集,获得第二外部形貌图像集合和第二内部形貌图像集合;
第二十一获得单元,所述第二十一获得单元用于对所述第二外部形貌图像集合和所述第二内部形貌图像集合进行特征识别,获得第二特征分类结果;
第二十二获得单元,所述第二十二获得单元用于基于所述第二特征分类结果对第一工艺参数调整模型进行模型优化,获得第二工艺参数调整模型;
第二十三获得单元,所述第二十三获得单元用于基于所述第二工艺参数调整模型,获得第二验证工艺参数信息。
进一步的,所述系统包括:
第二十四获得单元,所述第二十四获得单元用于按照所述第二验证工艺参数信息对所述第一直缝焊管进行批量生产后,进行质量检验,获得无损检测结果、外观检测结果、压力检测结果;
第二十五获得单元,所述第二十五获得单元用于基于激光焊缝跟踪技术实时采集焊接误差信息,获得第一误差采集结果;
第三执行单元,所述第三执行单元用于基于所述无损检测结果、所述外观检测结果、所述压力检测结果和所述第一误差采集结果对所述第一直缝焊管的生产进行实时预警。
示例性电子设备
下面参考图5来描述本申请实施例的电子设备。基于与前述实施例中一种直缝焊管的焊接工艺信息处理方法相同的发明构思,本申请实施例还提供了一种直缝焊管的焊接工艺信息处理系统,包括:处理器,所述处理器与存储器耦合,所述存储器用于存储程序,当所述程序被所述处理器执行时,使得系统以执行实施例一任一项所述的方法。
该电子设备300包括:处理器302、通信接口303、存储器301。可选的,电子设备300还可以包括总线架构304。其中,通信接口303、处理器302以及存储器301可以通过总线架构304相互连接;总线架构304可以是外设部件互连标(peripheral componentinterconnect,简称PCI)总线或扩展工业标准结构(extended industry Standardarchitecture,简称EISA)总线等。所述总线架构304可以分为地址总线、数据总线、控制总线等。为便于表示,图5中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
处理器302可以是一个CPU,微处理器,ASIC,或一个或多个用于控制本申请方案程序执行的集成电路。
通信接口303,使用任何收发器一类的系统,用于与其他设备或通信网络通信,如以太网,无线接入网(radio access network,RAN),无线局域网(wireless local areanetworks,WLAN),有线接入网等。
存储器301可以是ROM或可存储静态信息和指令的其他类型的静态存储设备,RAM或者可存储信息和指令的其他类型的动态存储设备,也可以是电可擦可编程只读存储器(electrically erasable Programmable read-only memory,EEPROM)、只读光盘(compactdisc read-only memory,CD-ROM)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质,但不限于此。存储器可以是独立存在,通过总线架构304与处理器相连接。存储器也可以和处理器集成在一起。
其中,存储器301用于存储执行本申请方案的计算机执行指令,并由处理器302来控制执行。处理器302用于执行存储器301中存储的计算机执行指令,从而实现本申请上述实施例提供的一种直缝焊管的焊接工艺信息处理方法。
可选的,本申请实施例中的计算机执行指令也可以称之为应用程序代码,本申请实施例对此不作具体限定。
本申请实施例提供了一种直缝焊管的焊接工艺信息处理方法,其中,所述方法包括:对第一直缝焊管的外部形貌和内部形貌进行生产连续性采集,获得第一外部形貌图像集合和第一内部形貌图像集合;进行模式分类获得第一特征分类结果;对第一特征分类结果进行聚类分析,获得第一聚类分析结果;搭建第一工艺参数调整模型;将所述第一聚类分析结果输入第一工艺参数调整模型,获得第一工艺参数调节信息;对第一工艺参数调节信息进行规范性验证后,获得第一验证工艺参数信息。
本领域普通技术人员可以理解:本申请中涉及的第一、第二等各种数字编号仅为描述方便进行的区分,并不用来限制本申请实施例的范围,也不表示先后顺序。“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。“至少一个”是指一个或者多个。至少两个是指两个或者多个。“至少一个”、“任意一个”或其类似表达,是指的这些项中的任意组合,包括单项(个)或复数项(个)的任意组合。例如,a ,b,或c中的至少一项(个、种),可以表示:a ,b,c,a -b,a-c,b-c,或a-b-c,其中a,b,c可以是单个,也可以是多个。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程系统。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包括一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘(Solid State Disk,SSD))等。
本申请实施例中所描述的各种说明性的逻辑单元和电路可以通过通用处理器,数字信号处理器,专用集成电路(ASIC),现场可编程门阵列(FPGA)或其它可编程逻辑系统,离散门或晶体管逻辑,离散硬件部件,或上述任何组合的设计来实现或操作所描述的功能。通用处理器可以为微处理器,可选地,该通用处理器也可以为任何传统的处理器、控制器、微控制器或状态机。处理器也可以通过计算系统的组合来实现,例如数字信号处理器和微处理器,多个微处理器,一个或多个微处理器联合一个数字信号处理器核,或任何其它类似的配置来实现。
本申请实施例中所描述的方法或算法的步骤可以直接嵌入硬件、处理器执行的软件单元、或者这两者的结合。软件单元可以存储于RAM存储器、闪存、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、可移动磁盘、CD-ROM或本领域中其它任意形式的存储媒介中。示例性地,存储媒介可以与处理器连接,以使得处理器可以从存储媒介中读取信息,并可以向存储媒介存写信息。可选地,存储媒介还可以集成到处理器中。处理器和存储媒介可以设置于ASIC中,ASIC可以设置于终端中。可选地,处理器和存储媒介也可以设置于终端中的不同的部件中。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。
尽管结合具体特征及其实施例对本申请进行了描述,显而易见的,在不脱离本申请的精神和范围的情况下,可对其进行各种修改和组合。相应地,本说明书和附图仅仅是本申请所界定的本申请的示例性说明,且视为已覆盖本申请范围内的任意和所有修改、变化、组合或等同物。显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样,倘若这些修改和变型属于本申请及其等同技术的范围之内,则本申请意图包括这些改动和变型在内。
Claims (9)
1.一种直缝焊管的焊接工艺信息处理方法,其特征在于,所述方法应用于一种直缝焊管的焊接工艺信息处理系统,所述系统与多个图像采集装置通信连接,所述方法包括:
基于第一图像采集装置,对第一直缝焊管的外部形貌进行生产连续性采集,获得第一外部形貌图像集合;
基于第二图像采集装置,对第一直缝焊管的内部形貌进行生产连续性采集,获得第一内部形貌图像集合;
基于图像识别技术对所述第一外部形貌图像集合、所述第一内部形貌图像集合进行模式分类,获得第一特征分类结果;
按照所述第一直缝焊管的加工工序信息对所述第一特征分类结果进行聚类分析,获得第一聚类分析结果;
搭建第一工艺参数调整模型,其中,所述第一工艺参数调整模型由各加工工序子模型组成;
将所述第一聚类分析结果按照工序属性分别输入所述各加工工序子模型,获得第一工艺参数调节信息;
对所述第一工艺参数调节信息进行规范性验证后,获得第一验证工艺参数信息。
2.如权利要求1所述的方法,其特征在于,所述对所述第一工艺参数调节信息进行规范性验证后,获得第一验证工艺参数信息,之后,所述方法还包括:
采集所述第一直缝焊管的管壁厚度信息;
采集所述第一直缝焊管的生产效率信息;
将所述管壁厚度信息、所述生产效率信息输入生产成本控制模型,获得第一焊丝数量信息;
基于所述第一焊丝数量信息对所述第一验证工艺参数信息中的焊丝数量进行调整。
3.如权利要求1所述的方法,其特征在于,所述基于图像识别技术对所述第一外部形貌图像集合、所述第一内部形貌图像集合进行模式分类,获得第一特征分类结果,所述方法还包括:
对所述第一外部形貌图像集合、所述第一内部形貌图像集合进行图像预处理后,获得第一外部标准图像集合和第一内部标准图像集合;
获得外部异常识别卷积特征和内部异常识别卷积特征;
基于所述外部异常识别卷积特征和内部异常识别卷积特征分别对所述第一外部标准图像集合和所述第一内部标准图像集合进行特征提取,获得第一特征提取结果和第二特征提取结果;
基于特征分类决策树,对所述第一特征提取结果和所述第二特征提取结果进行异常缺陷分类,获得所述第一特征分类结果。
4.如权利要求3所述的方法,其特征在于,所述获得第一外部标准图像集合,所述方法还包括:
对所述第一外部形貌图像集合进行去噪滤波,获得第一去噪图像集合;
将所述第一去噪图像集合进行显示色彩空间转换,获得显示格式图像集合;
构建图像灰度分布坐标系,将所述显示格式图像集合映射至所述图像灰度分布坐标系中,获得第一图像灰度直方图;
对所述第一图像灰度直方图进行均衡化处理,获得均值图像集合;
对所述均值图像集合进行图像增强,获得所述第一外部标准图像集合。
5.如权利要求1所述的方法,其特征在于,所述将所述第一聚类分析结果按照工序属性分别输入所述各加工工序子模型,获得第一工艺参数调节信息,所述方法还包括:
基于所述第一聚类分析结果,获得对应工序信息,其中,所述对应工序信息包括生产工艺参数数据集合;
将所述第一聚类分析结果作为第一输入信息,将所述生产工艺参数数据集合作为第二输入信息;
将所述第一输入信息和所述第二输入信息按照工序属性,分别输入所述各加工工序子模型中,获得所述第一工艺参数调节信息。
6.如权利要求1所述的方法,其特征在于,所述方法还包括:
按照所述第一验证工艺参数信息对所述第一直缝焊管进行焊后修补,获得第一修补结果;
基于所述第一图像采集装置、所述第二图像采集装置对所述第一修补结果进行图像采集,获得第二外部形貌图像集合和第二内部形貌图像集合;
对所述第二外部形貌图像集合和所述第二内部形貌图像集合进行特征识别,获得第二特征分类结果;
基于所述第二特征分类结果对第一工艺参数调整模型进行模型优化,获得第二工艺参数调整模型;
基于所述第二工艺参数调整模型,获得第二验证工艺参数信息。
7.如权利要求6所述的方法,其特征在于,所述方法还包括:
按照所述第二验证工艺参数信息对所述第一直缝焊管进行批量生产后,进行质量检验,获得无损检测结果、外观检测结果、压力检测结果;
基于激光焊缝跟踪技术实时采集焊接误差信息,获得第一误差采集结果;
基于所述无损检测结果、所述外观检测结果、所述压力检测结果和所述第一误差采集结果对所述第一直缝焊管的生产进行实时预警。
8.一种直缝焊管的焊接工艺信息处理系统,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基于第一图像采集装置,对第一直缝焊管的外部形貌进行生产连续性采集,获得第一外部形貌图像集合;
第二获得单元,所述第二获得单元用于基于第二图像采集装置,对第一直缝焊管的内部形貌进行生产连续性采集,获得第一内部形貌图像集合;
第三获得单元,所述第三获得单元用于基于图像识别技术对所述第一外部形貌图像集合、所述第一内部形貌图像集合进行模式分类,获得第一特征分类结果;
第四获得单元,所述第四获得单元用于按照所述第一直缝焊管的加工工序信息对所述第一特征分类结果进行聚类分析,获得第一聚类分析结果;
第一搭建单元,所述第一搭建单元用于搭建第一工艺参数调整模型,其中,所述第一工艺参数调整模型由各加工工序子模型组成;
第五获得单元,所述第五获得单元用于将所述第一聚类分析结果按照工序属性分别输入所述各加工工序子模型,获得第一工艺参数调节信息;
第六获得单元,所述第六获得单元用于对所述第一工艺参数调节信息进行规范性验证后,获得第一验证工艺参数信息。
9.一种直缝焊管的焊接工艺信息处理电子设备,包括总线、收发器、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,所述收发器、所述存储器和所述处理器通过所述总线相连,其特征在于,所述计算机程序被所述处理器执行时实现如权利要求1~7中任一项所述方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210619823.7A CN114706358B (zh) | 2022-06-02 | 2022-06-02 | 一种直缝焊管的焊接工艺信息处理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210619823.7A CN114706358B (zh) | 2022-06-02 | 2022-06-02 | 一种直缝焊管的焊接工艺信息处理方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114706358A true CN114706358A (zh) | 2022-07-05 |
CN114706358B CN114706358B (zh) | 2022-09-20 |
Family
ID=82177957
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210619823.7A Active CN114706358B (zh) | 2022-06-02 | 2022-06-02 | 一种直缝焊管的焊接工艺信息处理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114706358B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114997528A (zh) * | 2022-07-18 | 2022-09-02 | 苏州双瑞机械制造股份有限公司 | 一种基于注塑产品质量分析的生产参数调节方法及系统 |
CN115174798A (zh) * | 2022-09-05 | 2022-10-11 | 江阴市东昊不锈钢管有限公司 | 不锈钢焊接破口的影像数据采集分析系统及方法 |
CN115709356A (zh) * | 2022-08-31 | 2023-02-24 | 深圳前海瑞集科技有限公司 | 焊接工艺参数获取方法、装置、电子设备及存储介质 |
CN116664561A (zh) * | 2023-07-28 | 2023-08-29 | 风凯换热器制造(常州)有限公司 | 一种换热器管头焊接质量ai智能检测系统及方法 |
CN117162459A (zh) * | 2023-11-02 | 2023-12-05 | 南通市通州区创博塑料制品有限公司 | 一种pet瓶的生产控制方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104730092A (zh) * | 2015-03-10 | 2015-06-24 | 盐城市圣泰阀门有限公司 | 缺陷检测方法 |
CN105458490A (zh) * | 2015-12-30 | 2016-04-06 | 哈尔滨工业大学 | 一种利用高速摄像机判断激光深熔焊焊接类型的实时监测系统及监测方法 |
CN110899973A (zh) * | 2019-12-02 | 2020-03-24 | 北京首钢冷轧薄板有限公司 | 一种用于提高焊缝质量的方法及装置 |
CN111037062A (zh) * | 2018-10-12 | 2020-04-21 | 哈尔滨工业大学 | 一种gtaw焊缝成形的自适应控制与自动视觉检测方法 |
CN111157539A (zh) * | 2019-12-11 | 2020-05-15 | 华中科技大学鄂州工业技术研究院 | 焊缝形貌监控方法、系统、装置及可读存储介质 |
CN112756840A (zh) * | 2021-01-25 | 2021-05-07 | 陕西帕源路桥建设有限公司 | 焊接质量检测系统 |
CN112894126A (zh) * | 2021-02-26 | 2021-06-04 | 广州德擎光学科技有限公司 | 激光加工过程检测参数调整方法和系统 |
CN113269720A (zh) * | 2021-04-16 | 2021-08-17 | 张家港华程机车精密制管有限公司 | 一种直缝焊管的缺陷检测方法、系统和可读介质 |
CN113838050A (zh) * | 2021-11-23 | 2021-12-24 | 昆山宝锦激光拼焊有限公司 | 一种基于互补双通道卷积神经网络的焊缝成形预测方法 |
-
2022
- 2022-06-02 CN CN202210619823.7A patent/CN114706358B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104730092A (zh) * | 2015-03-10 | 2015-06-24 | 盐城市圣泰阀门有限公司 | 缺陷检测方法 |
CN105458490A (zh) * | 2015-12-30 | 2016-04-06 | 哈尔滨工业大学 | 一种利用高速摄像机判断激光深熔焊焊接类型的实时监测系统及监测方法 |
CN111037062A (zh) * | 2018-10-12 | 2020-04-21 | 哈尔滨工业大学 | 一种gtaw焊缝成形的自适应控制与自动视觉检测方法 |
CN110899973A (zh) * | 2019-12-02 | 2020-03-24 | 北京首钢冷轧薄板有限公司 | 一种用于提高焊缝质量的方法及装置 |
CN111157539A (zh) * | 2019-12-11 | 2020-05-15 | 华中科技大学鄂州工业技术研究院 | 焊缝形貌监控方法、系统、装置及可读存储介质 |
CN112756840A (zh) * | 2021-01-25 | 2021-05-07 | 陕西帕源路桥建设有限公司 | 焊接质量检测系统 |
CN112894126A (zh) * | 2021-02-26 | 2021-06-04 | 广州德擎光学科技有限公司 | 激光加工过程检测参数调整方法和系统 |
CN113269720A (zh) * | 2021-04-16 | 2021-08-17 | 张家港华程机车精密制管有限公司 | 一种直缝焊管的缺陷检测方法、系统和可读介质 |
CN113838050A (zh) * | 2021-11-23 | 2021-12-24 | 昆山宝锦激光拼焊有限公司 | 一种基于互补双通道卷积神经网络的焊缝成形预测方法 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114997528A (zh) * | 2022-07-18 | 2022-09-02 | 苏州双瑞机械制造股份有限公司 | 一种基于注塑产品质量分析的生产参数调节方法及系统 |
CN114997528B (zh) * | 2022-07-18 | 2022-10-28 | 苏州双瑞机械制造股份有限公司 | 一种基于注塑产品质量分析的生产参数调节方法及系统 |
CN115709356A (zh) * | 2022-08-31 | 2023-02-24 | 深圳前海瑞集科技有限公司 | 焊接工艺参数获取方法、装置、电子设备及存储介质 |
CN115174798A (zh) * | 2022-09-05 | 2022-10-11 | 江阴市东昊不锈钢管有限公司 | 不锈钢焊接破口的影像数据采集分析系统及方法 |
CN115174798B (zh) * | 2022-09-05 | 2022-11-15 | 江阴市东昊不锈钢管有限公司 | 不锈钢焊接破口的影像数据采集分析系统及方法 |
CN116664561A (zh) * | 2023-07-28 | 2023-08-29 | 风凯换热器制造(常州)有限公司 | 一种换热器管头焊接质量ai智能检测系统及方法 |
CN116664561B (zh) * | 2023-07-28 | 2023-10-17 | 风凯换热器制造(常州)有限公司 | 一种换热器管头焊接质量ai智能检测系统及方法 |
CN117162459A (zh) * | 2023-11-02 | 2023-12-05 | 南通市通州区创博塑料制品有限公司 | 一种pet瓶的生产控制方法 |
CN117162459B (zh) * | 2023-11-02 | 2024-04-05 | 南通市通州区创博塑料制品有限公司 | 一种pet瓶的生产控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114706358B (zh) | 2022-09-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114706358B (zh) | 一种直缝焊管的焊接工艺信息处理方法及系统 | |
CN116664559B (zh) | 基于机器视觉的内存条损伤快速检测方法 | |
CN107220649A (zh) | 一种素色布匹缺陷检测和分类方法 | |
CN110751604A (zh) | 一种基于机器视觉的钢管焊缝缺陷在线检测方法 | |
CN111815555A (zh) | 对抗神经网络结合局部二值的金属增材制造图像检测方法及装置 | |
CN114240845B (zh) | 一种应用于切削工件的光切法表面粗糙度测量方法 | |
CN108846831B (zh) | 基于统计特征和图像特征相结合的带钢表面缺陷分类方法 | |
CN117372433B (zh) | 厚度参数的控制方法、装置、设备及存储介质 | |
CN113554587A (zh) | 一种基于深度学习的熔池图像几何特征提取方法及系统 | |
CN118154605B (zh) | 纺织品ai瑕疵检测方法、系统及设备 | |
CN111695730A (zh) | 基于arima及rnn的立磨振动预测方法及装置 | |
CN115060725A (zh) | 一种双圆盘外观检测方法及装置 | |
CN116740044A (zh) | 基于视觉检测与控制的铜管铣面加工方法及系统 | |
CN118134062A (zh) | 数控机床铸件质量追踪系统 | |
CN117635615B (zh) | 基于深度学习实现冲孔模具的缺陷检测方法及系统 | |
CN114332081A (zh) | 基于图像处理的纺织品表面异常判定方法 | |
CN117975175A (zh) | 一种基于机器视觉的塑料管道外观缺陷检测方法 | |
CN116258838B (zh) | 一种用于管片模具合模系统的智能视觉引导方法 | |
CN111881748B (zh) | 一种基于vbai平台建模的车道线视觉识别方法和系统 | |
CN117314901A (zh) | 一种尺度自适应的芯片检测神经网络系统 | |
CN116934685A (zh) | 基于Focal模块和可变形卷积的钢材表面缺陷检测算法 | |
CN115578390A (zh) | 一种用于除氧器的焊接控制方法 | |
CN111551552A (zh) | 一种圆孔冲孔网的外观质量检测方法 | |
CN118537339B (zh) | 一种基于磨砂机的零部件表面质量的评估方法及系统 | |
CN114240946B (zh) | 一种定位器异常检测方法、系统、存储介质及计算设备 |
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 |