CN114820606A - 基于视觉定位的激光切割设备控制系统及方法 - Google Patents

基于视觉定位的激光切割设备控制系统及方法 Download PDF

Info

Publication number
CN114820606A
CN114820606A CN202210737836.4A CN202210737836A CN114820606A CN 114820606 A CN114820606 A CN 114820606A CN 202210737836 A CN202210737836 A CN 202210737836A CN 114820606 A CN114820606 A CN 114820606A
Authority
CN
China
Prior art keywords
cutting
pixel point
image
cutting surface
coefficient
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
Application number
CN202210737836.4A
Other languages
English (en)
Other versions
CN114820606B (zh
Inventor
张玉
康海涛
张平
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.)
Shandong Prade Intelligent Equipment Co ltd
Original Assignee
Shandong Prade Intelligent Equipment Co ltd
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 Shandong Prade Intelligent Equipment Co ltd filed Critical Shandong Prade Intelligent Equipment Co ltd
Priority to CN202210737836.4A priority Critical patent/CN114820606B/zh
Publication of CN114820606A publication Critical patent/CN114820606A/zh
Application granted granted Critical
Publication of CN114820606B publication Critical patent/CN114820606B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image
    • 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
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Laser Beam Processing (AREA)

Abstract

本发明涉及控制调节技术领域，具体涉及基于视觉定位的激光切割设备控制系统及方法。方法包括：根据切割面的图像中各像素点的颜色分量值，得到各像素点的结构分布表征值；根据切割面的图像中的直线数量和直线宽度，计算切痕系数；根据切割面的图像中各像素点对应的颜色向量，得到切割面平整系数；根据切痕系数和切割面平整系数，计算切割面平整度因子；根据拼接后的材料表面图像中切割缝的各边缘像素点的位置，得到主切割缝；根据切割缝的边缘像素点的角度和偏差点的数量，得到切割缝特征值；根据切割面平整度因子、切割缝特征值和各像素点的结构分布表征值，调节激光切割设备的参数。本发明提高了材料的切割精度。

Description

基于视觉定位的激光切割设备控制系统及方法
技术领域
本发明涉及控制调节技术领域，具体涉及基于视觉定位的激光切割设备控制系统及方法。
背景技术
激光切割主要是利用高功率密度激光束照射被切割材料，使材料很快被加热至汽化温度，蒸发形成孔洞，随着光束在材料上的移动，孔洞连续形成宽度很窄的（如0.1mm左右）切缝，完成对材料的切割，激光切割加工是用不可见的光束代替了传统的机械刀，具有切割速度快，不局限于切割图案限制，自动排版节省材料，加工成本低等特点，将逐渐改进或取代于传统的金属切割工艺设备。然而，由于料带本身存在边角料误差，加上料带在传送的过程中也会产生位置的偏移，进而导致激光切割设备最终切割可能会产生较大偏差，影响产品的质量，降低产品的合格率。因此，如何对切割完成的材料的切割效果进行检测并根据检测结果调节激光切割设备的参数，对于保证后续材料切割精度是非常重要的。
发明内容
为了解决如何对切割完成的材料的切割效果进行检测并根据检测结果调节激光切割设备的参数的问题，本发明的目的在于提供一种基于视觉定位的激光切割设备控制系统及方法，所采用的技术方案具体如下：
第一方面，本发明提供了一种基于视觉定位的激光切割设备控制方法，该方法包括以下步骤：
获取当前生产过程中切割完毕的材料的切割面的图像和拼接后的材料表面图像；所述拼接后的材料表面图像中包含切割缝；
根据切割面的图像中各像素点对应的预设窗口内各像素点在红绿蓝三个通道的颜色分量值，得到切割面的图像中各像素点对应的结构分布表征值；对所述切割面的图像进行直线检测，根据切割面的图像中的直线数量和直线宽度，计算切痕系数；获取切割面的图像中各像素点对应的颜色向量，根据所述各像素点对应的颜色向量，得到切割面平整系数；根据所述切痕系数和切割面平整系数，计算切割面平整度因子；
获取所述拼接后的材料表面图像中切割缝的边缘像素点；根据拼接后的材料表面图像中切割缝的各边缘像素点的位置，得到主切割缝；统计偏差点的数量；根据所述拼接后的材料表面图像中切割缝的边缘像素点对应的角度和偏差点的数量，得到切割缝特征值；所述偏差点为边缘像素点中除主切割缝上的像素点之外的像素点；
根据所述切割面平整度因子、切割缝特征值和切割面的图像中各像素点对应的结构分布表征值，调节激光切割设备的参数。
第二方面，本发明提供了一种基于视觉定位的激光切割设备控制系统，包括存储器和处理器，所述处理器执行所述存储器存储的计算机程序，以实现上述所述的基于视觉定位的激光切割设备控制方法。
优选的，所述根据切割面的图像中各像素点对应的预设窗口内各像素点在红绿蓝三个通道的颜色分量值，得到切割面的图像中各像素点对应的结构分布表征值，包括：
对于切割面的图像中的任一像素点：
以该像素点为中心点，建立预设大小的窗口；获取该窗口内各像素点在红绿蓝三个颜色通道的颜色分量，根据该窗口内各像素点在红绿蓝三个颜色通道的颜色分量，构建该窗口内各像素点对应的颜色向量；
根据该窗口内水平方向上任意两个相邻像素点对应的颜色向量，构建对应两个像素点的分布特征向量；统计水平方向上各分布特征向量出现的频次；
根据该窗口内竖直方向上任意两个相邻像素点对应的颜色向量，构建对应两个像素点的分布特征向量；统计竖直方向上各分布特征向量出现的频次；
根据所述水平方向上各分布特征向量出现的频次和竖直方向上各分布特征向量出现的频次，计算切割面的图像中的该像素点对应的结构分布表征值。
优选的，采用如下公式计算切割面的图像中的该像素点对应的结构分布表征值：
Figure DEST_PATH_IMAGE002
其中，
Figure DEST_PATH_IMAGE004
为切割面的图像中的该像素点对应的结构分布表征值，
Figure DEST_PATH_IMAGE006
为该像素点对应的窗口内水平方向上分布特征向量的总数量，
Figure DEST_PATH_IMAGE008
为该像素点对应的窗口内竖直方向上分布特征向量的总数量，
Figure DEST_PATH_IMAGE010
为该像素点对应的窗口内水平方向上第
Figure DEST_PATH_IMAGE012
个分布特征向量出现的频次，
Figure DEST_PATH_IMAGE014
为该像素点对应的窗口内竖直方向上第
Figure DEST_PATH_IMAGE016
个分布特征向量出现的频次，
Figure DEST_PATH_IMAGE018
为水平方向对应的权值系数，
Figure DEST_PATH_IMAGE020
为竖直方向对应的权值系数。
优选的，采用如下公式计算切痕系数：
Figure DEST_PATH_IMAGE022
其中，
Figure DEST_PATH_IMAGE024
为切痕系数，
Figure DEST_PATH_IMAGE026
为切割面的图像所提取的直线段数量，
Figure DEST_PATH_IMAGE028
为切割面的图像中第
Figure DEST_PATH_IMAGE030
条直线段的宽度。
优选的，所述获取切割面的图像中各像素点对应的颜色向量，包括：
将切割面的图像进行HSV颜色空间转换，获取各像素点对应的色调、饱和度和明度；
根据各像素点对应的色调、饱和度和明度，得到各像素点对应的颜色向量；所述颜色向量中的各元素分别为对应像素点对应的色调、饱和度和明度。
优选的，所述根据所述各像素点对应的颜色向量，得到切割面平整系数；根据所述切痕系数和切割面平整系数，计算切割面平整度因子，包括：
将切割面的图像中像素点的颜色向量两两组合，得到各颜色向量组合；统计颜色向量组合的种类数，计算各颜色向量组合出现的概率；
采用如下公式计算切割面平整系数：
Figure DEST_PATH_IMAGE032
其中，
Figure DEST_PATH_IMAGE034
为切割面平整系数，
Figure DEST_PATH_IMAGE036
为第
Figure DEST_PATH_IMAGE038
个颜色向量中的第
Figure DEST_PATH_IMAGE040
个元素，
Figure DEST_PATH_IMAGE042
为第
Figure DEST_PATH_IMAGE044
个颜色向量中的第
Figure 277172DEST_PATH_IMAGE040
个元素，
Figure DEST_PATH_IMAGE046
为颜色向量组合
Figure DEST_PATH_IMAGE048
出现的概率，
Figure DEST_PATH_IMAGE050
为以
Figure DEST_PATH_IMAGE052
为底的指数函数；
根据所述切痕系数和切割面平整系数，采用如下公式计算切割面平整度因子：
Figure DEST_PATH_IMAGE054
其中，
Figure DEST_PATH_IMAGE056
为切割面平整度因子，
Figure 707496DEST_PATH_IMAGE034
为切割面平整系数，
Figure 565862DEST_PATH_IMAGE024
为切痕系数。
优选的，所述根据拼接后的材料表面图像中切割缝的各边缘像素点的位置，得到主切割缝，包括：
从边缘像素点中随机提取Q个像素点，利用这Q个像素点拟合一条直线
Figure DEST_PATH_IMAGE058
，统计处于直线
Figure 226650DEST_PATH_IMAGE058
上的边缘像素点的数量；重新选取Q个像素点再次进行拟合，得到一条拟合直线
Figure DEST_PATH_IMAGE060
，统计处于直线
Figure 916389DEST_PATH_IMAGE060
上的边缘像素点的数量，依次重复，直至所有边缘像素点全部选取完毕，将包含边缘像素点数量最多的直线作为主切割缝。
优选的，所述根据所述拼接后的材料表面图像中切割缝的边缘像素点对应的角度和偏差点的数量，得到切割缝特征值，包括：
计算拼接后的材料表面图像中切割缝的边缘像素点的角度的方差；
根据所述角度的方差和偏差点的数量，采用如下公式计算切割缝特征值：
Figure DEST_PATH_IMAGE062
其中，
Figure DEST_PATH_IMAGE064
为切割缝特征值，
Figure DEST_PATH_IMAGE066
为偏差点的数量，
Figure DEST_PATH_IMAGE068
为切割缝的边缘像素点的角度的方差，
Figure 896109DEST_PATH_IMAGE052
为自然常数。
优选的，所述根据所述切割面平整度因子、切割缝特征值和切割面的图像中各像素点对应的结构分布表征值，调节激光切割设备的参数，包括：
根据切割面的图像中各像素点对应的结构分布表征值，计算切割面的图像中像素点对应的结构分布表征值的均值；
根据所述结构分布表征值的均值、切割面平整度因子和切割缝特征值，判断当前激光切割设备的参数设置的是否合适，若合适，则无需调节激光切割设备的参数；若不合适，则调节激光切割设备的参数。
本发明具有如下有益效果：本发明首先获取当前生产过程中切割完毕的材料的切割面的图像和拼接后的材料表面图像；然后分别对切割面的图像和拼接后的材料表面图像进行分析。对于切割面的图像：根据该图像中各像素点对应的预设窗口内各像素点在红绿蓝三个颜色通道的分量值，得到该图像中各像素点对应的结构分布表征值；根据该图像中的直线（切痕）数量和直线（切痕）宽度，计算切痕系数；根据该图像中各像素点对应的颜色向量，得到切割面平整系数；根据切痕系数和切割面平整系数，计算切割面平整度因子。对于拼接后的材料表面图像：根据该图像中切割缝的边缘像素点对应的角度序列和偏差点的数量，得到切割缝特征值。接着本发明根据切割面平整度因子、切割缝特征值和切割面的图像中各像素点对应的结构分布表征值，调节激光切割设备的参数。本发明提供的方法能够对激光切割完成的材料的切割效果进行检测，并根据检测结果调节激光切割设备的参数，保证了后续切割完成的材料的质量，提高了后续材料的切割精度。
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为本发明提供的一种基于视觉定位的激光切割设备控制方法的流程图。
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基于视觉定位的激光切割设备控制系统及方法进行详细说明如下。
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。
下面结合附图具体的说明本发明所提供的一种基于视觉定位的激光切割设备控制系统及方法的具体方案。
基于视觉定位的激光切割设备控制方法实施例
为了解决如何对切割完成的材料的切割效果进行检测并根据检测结果调节激光切割设备的参数的问题，本实施例提出了基于视觉定位的激光切割设备控制方法，如图1所示，本实施例的基于视觉定位的激光切割设备控制方法包括以下步骤：
步骤S1，获取当前生产过程中切割完毕的材料的切割面的图像和拼接后的材料表面图像；所述拼接后的材料表面图像中包含切割缝。
利用激光切割设备切割材料时，可能会由于光切割设备的参数设置的不合适，影响切割后的产品的质量，降低产品的合格率。为了准确判断当前激光切割设备的参数设置是否合适，本实施例对当前切割完成的材料的切割效果进行判断，若当前切割完成的材料的切割效果较好，则将当前激光切割设备的参数作为后续切割的参数，若当前切割完成的材料的切割效果不好，则根据当前的切割效果调节激光切割设备的参数，以保证后续切割的产品的质量。
本实施例设置图像采集设备，图像采集设备包括相机、光源、固定台等，用于获取图像数据，将材料切割面朝上放置于固定台上，相机镜头处于固定台的正上方，光源设置于固定台的四周，以保证固定台上材料表面的光照，以俯视视角对固定台上材料的切割面进行图像采集，得到切割面的图像；为保证对切割效果的准确分析，实现对激光切割设备的精确控制，本实施例将切割后的材料进行组合拼接，利用图像采集设备对拼接后的材料表面图像进行采集，采集拼接后的材料表面图像时相机的拍摄方向与切割方向相同，以获取切割缝图像数据，用于后续分析激光切割设备的切割效果，实现对激光切割设备的精确控制，所述拼接后的材料表面图像中包含切割缝。
本实施例分别对采集的切割面的图像和拼接后的材料表面图像进行直方图均衡化，增加图像对比度，消除图像表面光照不均衡的问题，实施者可自行选取光照不均处理方法，以消除光照不均的影响。本实施例中后面提到的切割面的图像和拼接后的材料表面图像均为消除光照不均的影响后的图像。
步骤S2，根据切割面的图像中各像素点对应的预设窗口内各像素点在红绿蓝三个通道的颜色分量值，得到切割面的图像中各像素点对应的结构分布表征值；对所述切割面的图像进行直线检测，根据切割面的图像中的直线数量和直线宽度，计算切痕系数；获取切割面的图像中各像素点对应的颜色向量，根据所述各像素点对应的颜色向量，得到切割面平整系数；根据所述切痕系数和切割面平整系数，计算切割面平整度因子。
本实施例在步骤S1中得到了切割面的图像，在该步骤中基于切割面的图像对切割面进行分析，接下来建立窗口对切割面的图像中的各像素点进行分析。
为了准确地分析切割面像素点的结构分布情况，本实施例基于水平方向和竖直方向像素点的特征的变化情况对切割面的图像中的各像素点进行分析。
对于切割面的图像中的任一像素点：
首先本实施例分别以该像素点为中心点，建立
Figure DEST_PATH_IMAGE070
的窗口，本实施例设置
Figure DEST_PATH_IMAGE072
的值为5，在具体应用中，实施者可自行设置
Figure 117137DEST_PATH_IMAGE072
的值；然后对窗口内的局部区域结构分布状况进行分析，获取窗口内所有像素点在红绿蓝三个颜色通道的颜色分量，根据窗口内所有像素点在红绿蓝三个颜色通道的颜色分量，构建窗口内各像素点对应的颜色向量，即
Figure DEST_PATH_IMAGE074
)，其中，
Figure DEST_PATH_IMAGE076
，
Figure DEST_PATH_IMAGE078
为窗口内像素点的数量，
Figure DEST_PATH_IMAGE080
为窗口内第
Figure 535611DEST_PATH_IMAGE078
个像素点的红色分量，
Figure DEST_PATH_IMAGE082
为窗口内第
Figure 345435DEST_PATH_IMAGE078
个像素点的绿色分量，
Figure DEST_PATH_IMAGE084
为窗口内第
Figure 479744DEST_PATH_IMAGE078
个像素点的蓝色分量；然后本实施例基于该窗口内各像素点对应的颜色向量，分别获取该窗口内水平方向上任意两个相邻像素点的分布特征向量，对于窗口内的第
Figure DEST_PATH_IMAGE086
个像素点：获取该窗口内水平方向上与该像素点相邻像素点（即第
Figure DEST_PATH_IMAGE088
个像素点）对应的颜色向量，根据第
Figure 312702DEST_PATH_IMAGE086
个像素点对应的颜色向量和第
Figure 112031DEST_PATH_IMAGE088
个像素点对应的颜色向量，构建第
Figure 714045DEST_PATH_IMAGE086
个像素点和第
Figure 206206DEST_PATH_IMAGE088
个像素点的分布特征向量，即
Figure DEST_PATH_IMAGE090
，其中，
Figure DEST_PATH_IMAGE092
为窗口内的第
Figure 390107DEST_PATH_IMAGE086
个像素点的红色分量，
Figure DEST_PATH_IMAGE094
为窗口内的第
Figure 540597DEST_PATH_IMAGE086
个像素点的绿色分量，
Figure DEST_PATH_IMAGE096
为窗口内的第
Figure 325013DEST_PATH_IMAGE086
个像素点的蓝色分量，
Figure DEST_PATH_IMAGE098
为窗口内的第
Figure 535546DEST_PATH_IMAGE088
个像素点的红色分量，
Figure DEST_PATH_IMAGE100
为窗口内的第
Figure 530047DEST_PATH_IMAGE088
个像素点的绿色分量，
Figure DEST_PATH_IMAGE102
为窗口内的第
Figure 749807DEST_PATH_IMAGE088
个像素点的蓝色分量；采用上述方法，得到该窗口内水平方向上任意两个相邻像素点的分布特征向量；统计水平方向上各分布特征向量出现的频次；同理，本实施例基于该窗口内各像素点对应的颜色向量，分别获取该窗口内竖直方向上任意两个相邻像素点的分布特征向量，对于窗口内的第
Figure 60833DEST_PATH_IMAGE086
个像素点：获取该窗口内竖直方向上与该像素点相邻像素点（即第
Figure DEST_PATH_IMAGE104
个像素点）对应的颜色向量，根据第
Figure 973426DEST_PATH_IMAGE086
个像素点对应的颜色向量和第
Figure 986381DEST_PATH_IMAGE104
个像素点对应的颜色向量，构建第
Figure 681936DEST_PATH_IMAGE086
个像素点和第
Figure 362316DEST_PATH_IMAGE104
个像素点的分布特征向量；采用上述方法，得到该窗口内竖直方向上任意两个相邻像素点的分布特征向量；统计竖直方向上各分布特征向量出现的频次。至此，本实施例得到了该窗口内水平方向上各分布特征向量出现的频次和竖直方向上各分布特征向量出现的频次。
本实施例基于窗口内水平方向上各分布特征向量出现的频次和竖直方向上各分布特征向量出现的频次，对局部窗口的结构分布状况进行分析，计算切割面的图像中的该像素点对应的结构分布表征值，即：
Figure DEST_PATH_IMAGE002A
其中，
Figure 868646DEST_PATH_IMAGE004
为切割面的图像中的该像素点对应的结构分布表征值，
Figure 368897DEST_PATH_IMAGE006
为该像素点对应的窗口内水平方向上分布特征向量的总数量，
Figure 992777DEST_PATH_IMAGE008
为该像素点对应的窗口内竖直方向上分布特征向量的总数量，
Figure 278396DEST_PATH_IMAGE010
为该像素点对应的窗口内水平方向上第
Figure 454162DEST_PATH_IMAGE012
个分布特征向量出现的频次，
Figure 458021DEST_PATH_IMAGE014
为该像素点对应的窗口内竖直方向上第
Figure 744646DEST_PATH_IMAGE016
个分布特征向量出现的频次，
Figure 619192DEST_PATH_IMAGE018
为水平方向对应的权值系数，
Figure 965860DEST_PATH_IMAGE020
为竖直方向对应的权值系数。本实施例设置
Figure DEST_PATH_IMAGE106
，
Figure DEST_PATH_IMAGE108
，在具体应用中，实施者可自行设置
Figure 891021DEST_PATH_IMAGE018
和
Figure 246916DEST_PATH_IMAGE020
的值。
当中心像素点对应窗口内的像素点的个数不满足窗口尺寸时，本实施例对其进行插值处理，窗口空缺处的通道值设置为窗口内非空缺像素点的通道均值，基于该方法进行插值填充，得到切割面的图像中各像素点对应的窗口；采用上述方法，得到切割面的图像中各像素点对应的结构分布表征值。若某一像素点对应的结构分布表征值较大，则说明该像素点的纹理结构分布情况较复杂。
本实施例对切割面的平整状况进行分析，建立平整度因子，用于对材料切割后的切割面的纹理平整度进行分析，所述建立平整度因子具体过程为：
考虑到在对材料进行切割的过程中，若激光切割设备的各参数设置的合适，则切割材料的表面为相对平整、无划痕的光滑表面，若激光切割设备的参数设置的不合适，则会导致材料切割面出现大量的切痕。基于此，本实施例对切割面的图像进行边缘检测，采用霍夫直线检测算法提取切割面的图像中的直线段，并计算各直线段的宽度，各直线段的宽度的具体计算过程为：对于直线段（切痕）
Figure 241548DEST_PATH_IMAGE030
，首先将其均分为
Figure DEST_PATH_IMAGE110
份，
Figure 572166DEST_PATH_IMAGE110
的取值实施者可自行设定；然后在每份的终点处作直线段的垂线，统计每条垂线上包含的该线段像素点的数量
Figure DEST_PATH_IMAGE112
，
Figure DEST_PATH_IMAGE114
；接着根据垂线方向上该线段像素点的数量
Figure 550618DEST_PATH_IMAGE112
，计算直线段的宽度（即每个切痕的宽度），
Figure DEST_PATH_IMAGE116
，其中，
Figure 992095DEST_PATH_IMAGE028
为切割面的图像中第
Figure 356080DEST_PATH_IMAGE030
条直线段的宽度；考虑到切痕的数量越多切割效果越不好，切痕越宽切割效果越不好，本实施例基于直线段的宽度（即每个切痕的宽度）和直线段（切痕）的数量，得到切痕系数，即：
Figure DEST_PATH_IMAGE118
，其中，
Figure 592020DEST_PATH_IMAGE026
为切割面的图像所提取的直线段数量（即切痕的数量），
Figure 57768DEST_PATH_IMAGE024
为切痕系数，切痕系数用于对切割面的光滑情况进行整体描述，切痕系数
Figure 224307DEST_PATH_IMAGE024
越大，说明切割面的切割效果越不好，切割平滑度越低。
为了准确分析切割面的平整状况，提高视觉效果，本实施例将切割面的图像进行HSV颜色空间转换，得到每个像素点对应的色调、饱和度和明度信息，根据每个像素点对应的色调、饱和度和明度信息，得到每个像素点对应的颜色向量，即
Figure DEST_PATH_IMAGE120
，其中，
Figure DEST_PATH_IMAGE122
为第
Figure DEST_PATH_IMAGE124
个像素点对应的颜色向量，
Figure DEST_PATH_IMAGE126
为第
Figure 272160DEST_PATH_IMAGE124
个像素点对应的色调，
Figure DEST_PATH_IMAGE128
为第
Figure 944580DEST_PATH_IMAGE124
个像素点对应的饱和度，
Figure DEST_PATH_IMAGE130
为第
Figure 428783DEST_PATH_IMAGE124
个像素点对应的明度；将切割面的图像中像素点的颜色向量两两组合，得到各个颜色向量组合，统计所有颜色向量组合的种类数，用于后续计算每个颜色向量组合在图像中出现的概率。然后本实施例采用1*2的滑动窗口，窗口滑动步长为1，窗口滑动方向为水平方向，对切割面的HSV图像进行分析，统计每个颜色向量组合在HSV切割面图像中出现的概率，获取各颜色向量组合在图像滑窗过程中出现的概率，并基于此得到切割面平整系数，用于对切割面的沟纹深浅以及整体平整程度进行判定，切割面平整系数的计算公式为：
Figure DEST_PATH_IMAGE032A
其中，
Figure 900477DEST_PATH_IMAGE034
为切割面平整系数，
Figure 707896DEST_PATH_IMAGE036
为第
Figure 488902DEST_PATH_IMAGE038
个颜色向量中的第
Figure 912930DEST_PATH_IMAGE040
个元素，
Figure 425864DEST_PATH_IMAGE042
为第
Figure 353369DEST_PATH_IMAGE044
个颜色向量中的第
Figure 305276DEST_PATH_IMAGE040
个元素，
Figure 685442DEST_PATH_IMAGE046
为颜色向量组合
Figure 607261DEST_PATH_IMAGE048
出现的概率，
Figure 140005DEST_PATH_IMAGE050
为以
Figure 512080DEST_PATH_IMAGE052
为底的指数函数。切割面平整系数能够体现切割面纹理的深浅特征信息，表征切割面的平整程度，切割面平整系数
Figure 130275DEST_PATH_IMAGE034
的值越大，说明切割面沟纹越浅，平整度越高，即切割效果越好。
为了使得对切割面的评估更加准确，本实施例基于切痕系数和切割面平整系数，计算切割面平整度因子，即：
Figure DEST_PATH_IMAGE054A
其中，
Figure 668834DEST_PATH_IMAGE056
为切割面平整度因子，
Figure 570931DEST_PATH_IMAGE034
为切割面平整系数，
Figure 723695DEST_PATH_IMAGE024
为切痕系数。切割面平整度因子越大，说明切割面越平整，切割效果越好。
至此，采用上述方法得到了切割面平整度因子。
步骤S3，获取所述拼接后的材料表面图像中切割缝的边缘像素点；根据拼接后的材料表面图像中切割缝的各边缘像素点的位置，得到主切割缝；统计偏差点的数量；根据所述拼接后的材料表面图像中切割缝的边缘像素点对应的角度和偏差点的数量，得到切割缝特征值；所述偏差点为边缘像素点中除主切割缝上的像素点之外的像素点。
本实施例在步骤S1中得到了拼接后的材料表面图像，在该步骤中基于拼接后的材料表面图像中的切割缝特征对激光切割设备的材料切割效果进行评估。当切割效果较好时，则切割材料能够很好的拼接在一起，几乎不存在缝隙，且切割缝边缘无毛刺现象，基于此，本实施例对拼接后的材料表面图像中的切割缝特征进行提取，用于对切割效果进行评估，进而实现对激光切割设备的自动调控。
切割特征提取的具体过程如下：
本实施例首先通过边缘检测算法对拼接后的材料表面图像中的切割缝进行边缘提取，然后基于提取的边缘像素点进行拟合，从边缘像素点中随机提取Q个像素点，利用这Q个像素点拟合一条直线
Figure 563606DEST_PATH_IMAGE058
，统计处于拟合直线
Figure 217442DEST_PATH_IMAGE058
上的所有边缘像素点的数量
Figure DEST_PATH_IMAGE132
，然后重新选取Q个像素点（不重复）再次进行拟合，获取对应的拟合直线
Figure 521515DEST_PATH_IMAGE060
，并统计处于对应拟合直线
Figure 845180DEST_PATH_IMAGE060
上的边缘像素点的数量
Figure DEST_PATH_IMAGE134
，依次重复上述操作，直至所有边缘像素点全部选取完毕，将包含边缘像素点数量最多的直线作为最终的切割缝直线，即主切割缝；本实施例将最终切割缝直线外的边缘像素点称为偏差点，统计所有偏差点的数量，将其记为
Figure 765863DEST_PATH_IMAGE066
。Q的值小于边缘像素点的总个数，在具体应用中，Q的值实施者自行设置。边缘像素点的提取过程为现有技术，此处不再赘述。
接下来本实施例获取各边缘像素点的极坐标参数
Figure DEST_PATH_IMAGE136
，基于各边缘像素点的极坐标参数，构建边缘像素点对应的角度序列，即
Figure DEST_PATH_IMAGE138
，其中，
Figure DEST_PATH_IMAGE140
为第1个边缘像素点的极坐标的角度，
Figure DEST_PATH_IMAGE142
为第2个边缘像素点的极坐标的角度，
Figure DEST_PATH_IMAGE144
为第
Figure DEST_PATH_IMAGE146
个边缘像素点的极坐标的角度，
Figure 69062DEST_PATH_IMAGE146
为边缘像素点的总个数；本实施例基于所述角度序列，计算角度序列中元素的方差
Figure 680171DEST_PATH_IMAGE068
。极坐标转换过程为公知技术，此处不再赘述。
本实施例基于拼接后的材料表面图像中切割缝的边缘像素点的角度序列中元素的方差
Figure 592981DEST_PATH_IMAGE068
和偏差点的数量
Figure 656752DEST_PATH_IMAGE066
，计算切割缝特征值，即：
Figure DEST_PATH_IMAGE062A
其中，
Figure 871964DEST_PATH_IMAGE064
为切割缝特征值，
Figure 88313DEST_PATH_IMAGE066
为偏差点的数量，
Figure 409573DEST_PATH_IMAGE068
为切割缝的边缘像素点的角度序列中元素的方差（即切割缝的边缘像素点的角度的方差），
Figure 711372DEST_PATH_IMAGE052
为自然常数。偏差点的数量越多且边缘像素点的角度的方差越大，说明切割缝存在越多的毛刺、凹凸状况，切割缝特征值
Figure 510701DEST_PATH_IMAGE064
越大，即切割效果越不好。
步骤S4，根据所述切割面平整度因子、切割缝特征值和切割面的图像中各像素点对应的结构分布表征值，调节激光切割设备的参数。
本实施例在上述步骤中得到了切割面平整度因子、切割缝特征值和切割面的图像中各像素点对应的结构分布表征值，本实施例首先根据切割面的图像中各像素点对应的结构分布表征值，计算切割面的图像中各像素点对应的结构分布表征值的均值
Figure DEST_PATH_IMAGE148
，然后基于切割面的图像中像素点对应的结构分布表征值的均值
Figure 519239DEST_PATH_IMAGE148
、切割面平整度因子
Figure 11401DEST_PATH_IMAGE056
和切割缝特征值
Figure 534917DEST_PATH_IMAGE064
。计算切割效果指标
Figure DEST_PATH_IMAGE150
，
Figure DEST_PATH_IMAGE152
，切割效果指标
Figure 482144DEST_PATH_IMAGE150
越小，说明切割效果越好；切割效果指标
Figure 797719DEST_PATH_IMAGE150
越大，说明切割效果越差；本实施例设置切割效果阈值
Figure DEST_PATH_IMAGE154
，判断切割效果指标
Figure 742673DEST_PATH_IMAGE150
是否小于切割效果阈值
Figure 19064DEST_PATH_IMAGE154
，若小于，则说明当前激光切割设备的各项参数设置的合理，切割后的产品符合标准，直接将当前激光切割设备的各项参数作为最优参数，无需调节激光切割设备的各项参数，激光切割设备的参数包括切割进给速度、切割头高度、设备电流等，利用当前激光切割设备完成对材料的切割；若大于等于，则说明当前激光切割设备的各项参数设置的不合理，系统做出提示预警，提示相关技术人员对激光切割设备进行参数调节，以保证后续的切割效果。在具体应用中，
Figure 160196DEST_PATH_IMAGE154
的值实施者自行设定。
作为其它实施方式，可直接根据切割面的图像中像素点对应的结构分布表征值的均值
Figure 205643DEST_PATH_IMAGE148
、切割面平整度因子
Figure 774028DEST_PATH_IMAGE056
和切割缝特征值
Figure 662349DEST_PATH_IMAGE064
，构建切割效果分析向量
Figure DEST_PATH_IMAGE156
，基于切割效果分析向量
Figure 420221DEST_PATH_IMAGE156
，利用全连接神经网络模型实现对激光切割设备参数的调控，网络的输入为切割效果分析向量
Figure DEST_PATH_IMAGE158
，网络的输出为对应激光切割设备参数值。网络的训练过程为公知技术，此处不再赘述。
至此，即可通过本实施例提供的方法实现对切割效果的判断，并基于切割效果对激光切割设备进行自动控制。
本实施例首先获取当前生产过程中切割完毕的材料的切割面的图像和拼接后的材料表面图像；然后分别对切割面的图像和拼接后的材料表面图像进行分析。对于切割面的图像：根据该图像中各像素点对应的预设窗口内各像素点在红绿蓝三个颜色通道的分量值，得到该图像中各像素点对应的结构分布表征值；根据该图像中的直线（切痕）数量和直线（切痕）宽度，计算切痕系数；根据该图像中各像素点对应的颜色向量，得到切割面平整系数；根据切痕系数和切割面平整系数，计算切割面平整度因子。对于拼接后的材料表面图像：根据该图像中切割缝的边缘像素点对应的角度序列和偏差点的数量，得到切割缝特征值。接着本实施例根据切割面平整度因子、切割缝特征值和切割面的图像中各像素点对应的结构分布表征值，调节激光切割设备的参数。本实施例提供的方法能够对激光切割完成的材料的切割效果进行检测，并根据检测结果调节激光切割设备的参数，保证了后续切割完成的材料的质量，提高了后续材料的切割精度。
基于视觉定位的激光切割设备控制系统实施例
本实施例基于视觉定位的激光切割设备控制系统包括存储器和处理器，所述处理器执行所述存储器存储的计算机程序，以实现上述所述的视觉定位的激光切割设备控制方法。
由于基于视觉定位的激光切割设备控制方法已经在基于视觉定位的激光切割设备控制方法实施例中进行了说明，所以本实施例不再对基于视觉定位的激光切割设备控制方法进行赘述。
需要说明的是：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 (10)

1.一种基于视觉定位的激光切割设备控制方法，其特征在于，该方法包括以下步骤：
获取当前生产过程中切割完毕的材料的切割面的图像和拼接后的材料表面图像；所述拼接后的材料表面图像中包含切割缝；
根据切割面的图像中各像素点对应的预设窗口内各像素点在红绿蓝三个通道的颜色分量值，得到切割面的图像中各像素点对应的结构分布表征值；对所述切割面的图像进行直线检测，根据切割面的图像中的直线数量和直线宽度，计算切痕系数；获取切割面的图像中各像素点对应的颜色向量，根据所述各像素点对应的颜色向量，得到切割面平整系数；根据所述切痕系数和切割面平整系数，计算切割面平整度因子；
获取所述拼接后的材料表面图像中切割缝的边缘像素点；根据拼接后的材料表面图像中切割缝的各边缘像素点的位置，得到主切割缝；统计偏差点的数量；根据所述拼接后的材料表面图像中切割缝的边缘像素点对应的角度和偏差点的数量，得到切割缝特征值；所述偏差点为边缘像素点中除主切割缝上的像素点之外的像素点；
根据所述切割面平整度因子、切割缝特征值和切割面的图像中各像素点对应的结构分布表征值，调节激光切割设备的参数。
2.根据权利要求1所述的基于视觉定位的激光切割设备控制方法，其特征在于，所述根据切割面的图像中各像素点对应的预设窗口内各像素点在红绿蓝三个通道的颜色分量值，得到切割面的图像中各像素点对应的结构分布表征值，包括：
对于切割面的图像中的任一像素点：
以该像素点为中心点，建立预设大小的窗口；获取该窗口内各像素点在红绿蓝三个颜色通道的颜色分量，根据该窗口内各像素点在红绿蓝三个颜色通道的颜色分量，构建该窗口内各像素点对应的颜色向量；
根据该窗口内水平方向上任意两个相邻像素点对应的颜色向量，构建对应两个像素点的分布特征向量；统计水平方向上各分布特征向量出现的频次；
根据该窗口内竖直方向上任意两个相邻像素点对应的颜色向量，构建对应两个像素点的分布特征向量；统计竖直方向上各分布特征向量出现的频次；
根据所述水平方向上各分布特征向量出现的频次和竖直方向上各分布特征向量出现的频次，计算切割面的图像中的该像素点对应的结构分布表征值。
3.根据权利要求2所述的基于视觉定位的激光切割设备控制方法，其特征在于，采用如下公式计算切割面的图像中的该像素点对应的结构分布表征值：
Figure 593089DEST_PATH_IMAGE002
其中，
Figure 669629DEST_PATH_IMAGE003
为切割面的图像中的该像素点对应的结构分布表征值，
Figure 190740DEST_PATH_IMAGE004
为该像素点对应的窗口内水平方向上分布特征向量的总数量，
Figure 389858DEST_PATH_IMAGE005
为该像素点对应的窗口内竖直方向上分布特征向量的总数量，
Figure 312814DEST_PATH_IMAGE006
为该像素点对应的窗口内水平方向上第
Figure 560256DEST_PATH_IMAGE007
个分布特征向量出现的频次，
Figure 568663DEST_PATH_IMAGE008
为该像素点对应的窗口内竖直方向上第
Figure 559753DEST_PATH_IMAGE009
个分布特征向量出现的频次，
Figure 337216DEST_PATH_IMAGE010
为水平方向对应的权值系数，
Figure 755559DEST_PATH_IMAGE011
为竖直方向对应的权值系数。
4.根据权利要求1所述的基于视觉定位的激光切割设备控制方法，其特征在于，采用如下公式计算切痕系数：
Figure 985684DEST_PATH_IMAGE013
其中，
Figure 780464DEST_PATH_IMAGE014
为切痕系数，
Figure 412434DEST_PATH_IMAGE015
为切割面的图像所提取的直线段数量，
Figure 1678DEST_PATH_IMAGE016
为切割面的图像中第
Figure 984678DEST_PATH_IMAGE017
条直线段的宽度。
5.根据权利要求1所述的基于视觉定位的激光切割设备控制方法，其特征在于，所述获取切割面的图像中各像素点对应的颜色向量，包括：
将切割面的图像进行HSV颜色空间转换，获取各像素点对应的色调、饱和度和明度；
根据各像素点对应的色调、饱和度和明度，得到各像素点对应的颜色向量；所述颜色向量中的各元素分别为对应像素点对应的色调、饱和度和明度。
6.根据权利要求1所述的基于视觉定位的激光切割设备控制方法，其特征在于，所述根据所述各像素点对应的颜色向量，得到切割面平整系数；根据所述切痕系数和切割面平整系数，计算切割面平整度因子，包括：
将切割面的图像中像素点的颜色向量两两组合，得到各颜色向量组合；统计颜色向量组合的种类数，计算各颜色向量组合出现的概率；
采用如下公式计算切割面平整系数：
Figure 317570DEST_PATH_IMAGE019
其中，
Figure 804046DEST_PATH_IMAGE020
为切割面平整系数，
Figure 95350DEST_PATH_IMAGE021
为第
Figure 300067DEST_PATH_IMAGE022
个颜色向量中的第
Figure 436650DEST_PATH_IMAGE023
个元素，
Figure 43212DEST_PATH_IMAGE024
为第
Figure 505417DEST_PATH_IMAGE025
个颜色向量中的第
Figure 931850DEST_PATH_IMAGE023
个元素，
Figure 13070DEST_PATH_IMAGE026
为颜色向量组合
Figure 474138DEST_PATH_IMAGE027
出现的概率，
Figure 841666DEST_PATH_IMAGE028
为以
Figure 20974DEST_PATH_IMAGE029
为底的指数函数；
根据所述切痕系数和切割面平整系数，采用如下公式计算切割面平整度因子：
Figure 499360DEST_PATH_IMAGE031
其中，
Figure 814935DEST_PATH_IMAGE032
为切割面平整度因子，
Figure 618943DEST_PATH_IMAGE020
为切割面平整系数，
Figure 19968DEST_PATH_IMAGE014
为切痕系数。
7.根据权利要求1所述的基于视觉定位的激光切割设备控制方法，其特征在于，所述根据拼接后的材料表面图像中切割缝的各边缘像素点的位置，得到主切割缝，包括：
从边缘像素点中随机提取Q个像素点，利用这Q个像素点拟合一条直线
Figure 302045DEST_PATH_IMAGE033
，统计处于直线
Figure 737706DEST_PATH_IMAGE033
上的边缘像素点的数量；重新选取Q个像素点再次进行拟合，得到一条拟合直线
Figure 181456DEST_PATH_IMAGE034
，统计处于直线
Figure 323638DEST_PATH_IMAGE034
上的边缘像素点的数量，依次重复，直至所有边缘像素点全部选取完毕，将包含边缘像素点数量最多的直线作为主切割缝。
8.根据权利要求1所述的基于视觉定位的激光切割设备控制方法，其特征在于，所述根据所述拼接后的材料表面图像中切割缝的边缘像素点对应的角度和偏差点的数量，得到切割缝特征值，包括：
计算拼接后的材料表面图像中切割缝的边缘像素点的角度的方差；
根据所述角度的方差和偏差点的数量，采用如下公式计算切割缝特征值：
Figure 143827DEST_PATH_IMAGE036
其中，
Figure 433994DEST_PATH_IMAGE037
为切割缝特征值，
Figure 314225DEST_PATH_IMAGE038
为偏差点的数量，
Figure 689843DEST_PATH_IMAGE039
为切割缝的边缘像素点的角度的方差，
Figure 454668DEST_PATH_IMAGE029
为自然常数。
9.根据权利要求1所述的基于视觉定位的激光切割设备控制方法，其特征在于，所述根据所述切割面平整度因子、切割缝特征值和切割面的图像中各像素点对应的结构分布表征值，调节激光切割设备的参数，包括：
根据切割面的图像中各像素点对应的结构分布表征值，计算切割面的图像中像素点对应的结构分布表征值的均值；
根据所述结构分布表征值的均值、切割面平整度因子和切割缝特征值，判断当前激光切割设备的参数设置的是否合适，若合适，则无需调节激光切割设备的参数；若不合适，则调节激光切割设备的参数。
10.一种基于视觉定位的激光切割设备控制系统，包括存储器和处理器，其特征在于，所述处理器执行所述存储器存储的计算机程序，以实现如权利要求1-9任一项所述的基于视觉定位的激光切割设备控制方法。
CN202210737836.4A 2022-06-28 2022-06-28 基于视觉定位的激光切割设备控制系统及方法 Active CN114820606B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210737836.4A CN114820606B (zh) 2022-06-28 2022-06-28 基于视觉定位的激光切割设备控制系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210737836.4A CN114820606B (zh) 2022-06-28 2022-06-28 基于视觉定位的激光切割设备控制系统及方法

Publications (2)

Publication Number Publication Date
CN114820606A true CN114820606A (zh) 2022-07-29
CN114820606B CN114820606B (zh) 2022-09-02

Family

ID=82523165

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210737836.4A Active CN114820606B (zh) 2022-06-28 2022-06-28 基于视觉定位的激光切割设备控制系统及方法

Country Status (1)

Country Link
CN (1) CN114820606B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115239961A (zh) * 2022-09-21 2022-10-25 江苏跃格智能装备有限公司 一种激光切割机工作状态监测方法
CN115229357A (zh) * 2022-09-23 2022-10-25 江苏美乐嘉科技新材料有限公司 一种用于木塑材料的激光切割方法
CN117197247A (zh) * 2023-11-08 2023-12-08 湖南才道半导体科技有限公司 基于人工智能的晶圆切割道视觉定位方法
CN118071737A (zh) * 2024-04-17 2024-05-24 深圳市创科达精密机电有限公司 基于机器视觉的红外皮秒激光切割切口毛刺检测方法
CN118071737B (zh) * 2024-04-17 2024-07-02 深圳市创科达精密机电有限公司 基于机器视觉的红外皮秒激光切割切口毛刺检测方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109146781A (zh) * 2018-07-20 2019-01-04 深圳市创客工场科技有限公司 激光切割中的图像校正方法及装置、电子设备
CN110328674A (zh) * 2019-07-19 2019-10-15 东莞理工学院 一种激光切割机器人
US20190375051A1 (en) * 2013-09-13 2019-12-12 Trumpf Werkzeugmaschinen Gmbh + Co. Kg Devices and Methods for Monitoring, in Particular for Regulating, a Cutting Process
CN110900011A (zh) * 2019-12-26 2020-03-24 中国科学院长春光学精密机械与物理研究所 数控激光管材切割机床在线检测系统
CN114406502A (zh) * 2022-03-14 2022-04-29 扬州市振东电力器材有限公司 激光金属切割方法及系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190375051A1 (en) * 2013-09-13 2019-12-12 Trumpf Werkzeugmaschinen Gmbh + Co. Kg Devices and Methods for Monitoring, in Particular for Regulating, a Cutting Process
CN109146781A (zh) * 2018-07-20 2019-01-04 深圳市创客工场科技有限公司 激光切割中的图像校正方法及装置、电子设备
CN110328674A (zh) * 2019-07-19 2019-10-15 东莞理工学院 一种激光切割机器人
CN110900011A (zh) * 2019-12-26 2020-03-24 中国科学院长春光学精密机械与物理研究所 数控激光管材切割机床在线检测系统
CN114406502A (zh) * 2022-03-14 2022-04-29 扬州市振东电力器材有限公司 激光金属切割方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
胡志强: "基于机器视觉的激光切割指令检测及评价研究", 《中国优秀博士学位论文全文数据库 工信息科技辑》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115239961A (zh) * 2022-09-21 2022-10-25 江苏跃格智能装备有限公司 一种激光切割机工作状态监测方法
CN115229357A (zh) * 2022-09-23 2022-10-25 江苏美乐嘉科技新材料有限公司 一种用于木塑材料的激光切割方法
CN117197247A (zh) * 2023-11-08 2023-12-08 湖南才道半导体科技有限公司 基于人工智能的晶圆切割道视觉定位方法
CN117197247B (zh) * 2023-11-08 2024-03-29 湖南才道半导体科技有限公司 基于人工智能的晶圆切割道视觉定位方法
CN118071737A (zh) * 2024-04-17 2024-05-24 深圳市创科达精密机电有限公司 基于机器视觉的红外皮秒激光切割切口毛刺检测方法
CN118071737B (zh) * 2024-04-17 2024-07-02 深圳市创科达精密机电有限公司 基于机器视觉的红外皮秒激光切割切口毛刺检测方法

Also Published As

Publication number Publication date
CN114820606B (zh) 2022-09-02

Similar Documents

Publication Publication Date Title
CN114820606B (zh) 基于视觉定位的激光切割设备控制系统及方法
US8055011B2 (en) Hair style simulation image creating method
US9330337B2 (en) Color analytics for a digital image
CN102704215B (zh) 基于dst文件解析与机器视觉结合的绣布自动切割方法
CN109345502A (zh) 一种基于视差图立体结构信息提取的立体图像质量评价方法
CN110111304A (zh) 基于局部到全局特征回归的无参考立体图像质量评价方法
CN114838664B (zh) 一种基于黑皮鸡枞菌的菌盖尺寸原位测量方法
CN107507206A (zh) 一种基于显著性检测的深度图提取方法
CN117611578B (zh) 一种图像处理方法及图像处理系统
CN115494008A (zh) 近红外光谱仪与机器视觉结合的烟叶质量检测方法及系统
CN111369497B (zh) 一种行走式树上果实连续计数方法及装置
CN109214367A (zh) 一种基于视觉注意机制的人脸检测方法
CN110288531B (zh) 一种辅助操作人员制作标准身份证相片的方法及工具
CN108634241A (zh) 点卤方法及其点卤系统
CN110751690B (zh) 铣床刀头视觉定位方法
CN114333073B (zh) 基于视觉感知的智能台灯辅助调节方法与系统
CN111738934B (zh) 基于mtcnn的红眼自动修复方法
CN105654499B (zh) 一种激光表面改性的图像评价方法
CN111652016B (zh) 一种人脸识别训练数据的增广方法
CN114511567A (zh) 舌体与舌苔图像识别分离方法
CN114463814A (zh) 一种基于图像处理的快速证件照眼镜检测方法
JP2022066907A (ja) 情報処理装置、情報処理方法、制御プログラム及び記録媒体
CN109523542A (zh) 一种基于彩色向量夹角lbp算子的无参考彩色图像质量评价方法
CN115861171B (zh) 基于数据特征抽取的木板死结分割方法
CN107346534A (zh) 介导现实中的视频物体阴影检测和消除方法及系统

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
PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: Control System and Method for Laser Cutting Equipment Based on Visual Localization

Effective date of registration: 20230918

Granted publication date: 20220902

Pledgee: Bank of China Limited Liangshan sub branch

Pledgor: Shandong Prade Intelligent Equipment Co.,Ltd.

Registration number: Y2023980057413

PE01 Entry into force of the registration of the contract for pledge of patent right