CN115229355A - 高精密冲压锻件用激光切割方法 - Google Patents
高精密冲压锻件用激光切割方法 Download PDFInfo
- Publication number
- CN115229355A CN115229355A CN202211154406.6A CN202211154406A CN115229355A CN 115229355 A CN115229355 A CN 115229355A CN 202211154406 A CN202211154406 A CN 202211154406A CN 115229355 A CN115229355 A CN 115229355A
- Authority
- CN
- China
- Prior art keywords
- segmentation
- area
- acquiring
- welding
- pixel
- 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 63
- 238000005242 forging Methods 0.000 title claims abstract description 24
- 238000003698 laser cutting Methods 0.000 title claims abstract description 23
- 238000003466 welding Methods 0.000 claims abstract description 151
- 230000011218 segmentation Effects 0.000 claims abstract description 120
- 239000002893 slag Substances 0.000 claims abstract description 36
- 238000009826 distribution Methods 0.000 claims abstract description 27
- 239000000463 material Substances 0.000 claims abstract description 25
- 239000000126 substance Substances 0.000 claims 1
- 230000007547 defect Effects 0.000 description 10
- 238000004364 calculation method Methods 0.000 description 4
- 150000001875 compounds Chemical class 0.000 description 4
- 238000003672 processing method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000005192 partition Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 239000010953 base metal Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000010892 electric spark Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000004021 metal welding Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000009497 press forging Methods 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 238000004080 punching Methods 0.000 description 1
- 239000013049 sediment Substances 0.000 description 1
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
- B23K26/70—Auxiliary operations or equipment
- B23K26/702—Auxiliary equipment
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Optics & Photonics (AREA)
- Plasma & Fusion (AREA)
- Mechanical Engineering (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及智能焊接技术领域,具体涉及一种高精密冲压锻件用激光切割方法。采集当前进行激光焊接的母材灰度图像;对母材灰度图像进行多阈值分割,获取第一分割区域以及第二分割区域;获取第一分割区域的夹渣特征值;获取第二分割区域中每个像素点与其八邻域内每个像素点的梯度相似性;确定第二分割区域中的焊缝边缘像素点;获取第二分割区域的分布特征值;获取激光焊接设备的调节程度,根据调节程度对激光焊接设备的参数进行调整。本发明通过识别焊缝图像中的夹渣特征的同时考虑到焊接过程中出现飞溅现象的分布特征,从而实时调整焊接设备的参数,能够实现焊接参数的自适应调整,并且保证参数调整的准确性。
Description
技术领域
本发明涉及智能焊接技术领域,具体涉及一种高精密冲压锻件用激光切割方法。
背景技术
激光焊接技术是一项通过激光进行金属焊接的激光加工技术。随着工业的快速发展,为了实现高效、安全、智能化激光焊接产品的制造,对激光焊接的工艺要求越来越高,在高精密冲压锻件激光焊接过程中,由于受到母材表面性质和焊接设备参数的影响,会在焊接表面出现夹渣缺陷,影响焊接质量,因此需要在焊接时对焊接设备的参数进行实时调整,从而保证焊接过程的顺利进行。
现有技术中通常使用X射线或其他图像处理方法进行焊缝缺陷的识别,该技术手段可以识别焊接完成后的锻件中存在的缺陷,但此时锻件已经焊接完毕,即使根据识别出的缺陷进行参数调节,部分锻件中仍然会存在缺陷导致报废处理;而实时采集焊接过程中的锻件图像时,由于在激光焊接过程中,同样由于母材表面性质和焊接设备参数的影响,会产生焊接飞溅现象(即在焊接过程中,表现为“强光电火花”现象),而飞溅现象的产生对于焊缝区域特征的识别会产生较大的影响,常规的图像处理方法无法准确识别出焊缝区域的夹渣特征,无法进行焊接参数的自适应调整。
发明内容
为了解决现有技术中常规图像处理方法无法实时对焊缝区域的特征进行识别,从而自适应调整焊接参数的问题,本发明提供一种高精密冲压锻件用激光切割方法,该方案包括:采集当前进行激光焊接的母材灰度图像;对母材灰度图像进行多阈值分割,获取第一分割区域以及第二分割区域;获取第一分割区域的夹渣特征值;获取第二分割区域中每个像素点与其八邻域内每个像素点的梯度相似性;确定第二分割区域中的焊缝边缘像素点;获取第二分割区域的分布特征值;获取激光焊接设备的调节程度,根据调节程度对激光焊接设备的参数进行调整。本发明通过识别焊缝图像中的夹渣特征的同时考虑到焊接过程中出现飞溅现象的分布特征,从而实时调整焊接设备的参数,能够实现焊接参数的自适应调整,并且保证参数调整的准确性
本发明采用如下技术方案,高精密冲压锻件用激光切割方法,包括:
采集当前激光焊接过程中的母材焊接灰度图像。
根据母材焊接灰度图像中像素点的灰度值进行多阈值分割,得到多个分割区域,获取多个分割区域中的第一分割区域以及第二分割区域;其中第一分割区域为所有分割区域中灰度最低的区域,第二分割区域为所有分割区域中灰度最高的区域。
根据第一分割区域中连通域的数量、每个连通域中像素点的数量获取第一分割区域的夹渣特征值。
获取第二分割区域中每个像素点的梯度值,并根据每个像素点的梯度值获取每个像素点与其八邻域内每个像素点的梯度相似性。
利用每个像素点的八邻域内像素点的梯度相似性确定出第二分割区域中的焊缝边缘像素点。
将第二分割区域中的所有焊缝边缘像素点依次进行连接,得到焊缝边缘区域,根据焊缝边缘区域两侧像素点的灰度均值获取第二分割区域的分布特征值。
利用第一分割区域的夹渣特征值和第二分割区域的分布特征值得到对当前激光焊接设备进行调节的调节程度,并利用调节程度对激光焊接设备当前焊接过程中的焊接参数进行调整。
进一步的,高精密冲压锻件用激光切割方法,获取多个分割区域中的第一分割区域以及第二分割区域的方法为:
进一步的,高精密冲压锻件用激光切割方法,获取第一分割区域的夹渣特征的方法为:
获取第一分割区域中连通域的数量;
获取第一分割区域中每个连通域的像素点的个数;
获取第一分割区域中每个连通域的像素点个数之和与连通域数量的比值;
根据第一分割区域中连通域的数量与该比值之和得到第一分割区域的夹渣特征值。
进一步的,高精密冲压锻件用激光切割方法,获取第二分割区域中每个像素点的梯度值之后,还包括:
设定梯度阈值,将第二分割区域中梯度值小于梯度阈值的像素点去除;
进一步的,高精密冲压锻件用激光切割方法,获取第二分割区域中每个像素点与其八邻域内每个像素点的梯度相似性的方法为:
获取第二分割区域中每个像素点的梯度值与其八邻域内每个像素点的梯度值之差;
获取第二分割区域中每个像素点的梯度方向与其八邻域内每个像素点的梯度方向之差;
根据第二分割区域中每个像素点与其八邻域内每个像素点的梯度值之差以及梯度方向之差,获取每个像素点与其八邻域内每个像素点的梯度相似性。
进一步的,高精密冲压锻件用激光切割方法,确定第二分割区域中的焊缝边缘像素点的方法为:
设定相似性阈值,获取每个像素点八邻域内相似性大于阈值的像素点个数占比;
设定占比阈值,将每个像素点八邻域内相似性大于阈值的像素点个数占比大于占比阈值的像素点,作为焊缝边缘像素点。
进一步的,高精密冲压锻件用激光切割方法,获取第二分割区域的分布特征值的方法为:
获取第二分割区域中焊缝边缘区域两侧像素点的灰度均值;
获取第二分割区域中焊缝边缘区域两侧像素点的灰度方差;
获取第二分割区域中像素点的灰度值最大值;
根据第二分割区域中焊缝边缘区域两侧像素点的灰度均值、灰度方差以及第二分割区域中像素点的灰度值最大值,获取第二分割区域的分布特征值。
进一步的,高精密冲压锻件用激光切割方法,获取激光焊接设备的调节程度的方法为:
激光焊接设备的调节程度包括功率调节程度和速度调节程度;
获取调节程度的表达式为:
其中,表示功率调节程度,W表示当前激光焊接设备的焊接功率,V表示当前激光焊接设备的焊接速度,表示第一分割区域的夹渣特征值,表示第二分割区域的分布特征值,和表示调节超参数,表示功率调节系数,表示速度调节系数,其中为符号函数,表示双曲正切函数;表示反指数函数。
本发明的有益效果是:本发明通过对采集的图像进行分割,能够根据图像中受到飞溅现象的影响得到多个区域,并选取受到飞溅现象影响较小的区域进行焊缝夹渣特征的计算,能够有效解决焊接过程中飞溅现象影响缺陷识别的问题,并且能够为焊接设备参数的调节提供基础依据,同时本发明通过获取飞溅现象较大的区域中飞溅的分布特征,从而作为焊接设备参数调整的另一依据,更进一步的保证了参数调整的准确性,且能够实现激光焊接设备参数的自适应更新,保证了焊接的质量,从而实现高精密冲压锻件的智能焊接。
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,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性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例的高精密冲压锻件用激光切割方法结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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。
如图1所示,给出了本发明实施例的高精密冲压锻件用激光切割方法结构示意图,包括:
101.采集当前进行激光焊接的母材灰度图像,对母材灰度图像进行多阈值分割,得到多个分割区域,获取多个分割区域中的第一分割区域以及第二分割区域。
在进行母材灰度图像采集前,本发明通过控制机械手进行冲压锻件的抓取,并放置在激光焊接平台处;根据预先输入到激光焊接系统中的高精密冲压锻件的CAD图像识别出需要进行焊接的区域从而进行粗定位;根据识别出的焊接区域将激光焊接头调整到该区域。
同时本发明采用高分辨率的CCD工业相机对激光焊接过程中图像进行采集,由于受到CCD相机的视角的影响,采集到的图像中存在当前激光焊接头所在区域的同时,还存在之前焊缝区域的图像(已经焊接过的区域),即在采集图像中存在受到强光影响较小且相机视角能够捕获到的区域图像,对采集的图像进行滤波去噪以及灰度化处理,获取清晰的激光焊接过程中的母材表面图像。
由于在采集的图像中飞溅区域表现为强光的现象,即受飞溅现象影响的较大的区域与受飞溅现象影响的较小的区域之间灰度值差异较大,并且在受飞溅现象影响较小的区域中还存在灰度值更小的夹渣区域,即受飞溅现象影响较大的区域像素点的灰度值受飞溅现象影响较小的区域像素点的灰度值受飞溅现象影响较小的区域中的夹渣区域的像素点的灰度值。
因此本发明首先通过OSTU多阈值分割,得到分割阈值和(其中),通过该阈值将预处理之后的图像分为三类,灰度值大于等于阈值的像素点的像素值设置为0,即灰度值标记为0的像素点构成的区域为第二分割区域,灰度值大于阈值小于阈值的像素点的像素值设置为0.5,灰度值小于等于阈值的像素点的像素值设置为1,即灰度值标记为1的像素点构成的区域为第一分割区域,其中OSTU多阈值分割为公知技术,本发明中不再赘述。
获取多个分割区域中的第一分割区域以及第二分割区域的方法为:
102.对第一分割区域进行连通域分析,根据第一分割区域中连通域的数量、每个连通域中像素点的数量获取第一分割区域的夹渣特征值。
获取第一分割区域的夹渣特征的方法为:
获取第一分割区域中连通域的数量;
获取第一分割区域中每个连通域的像素点的个数;
获取第一分割区域中每个连通域的像素点个数之和与连通域数量的比值;
根据第一分割区域中连通域的数量与该比值之和得到第一分割区域的夹渣特征值。
式中,表示连通域的个数,即用于表征夹渣的个数,表示第n个连通域中像素点的个数,即用于表征夹渣的大小,表示夹渣的平均大小,本发明通过获取到的连通域的大小以及连通域的个数,用于表征夹渣特征的程度,连通域的个数越多,表明夹渣数量越多,夹渣缺陷越严重;连通域的大小越大,表明夹渣的大小越大,夹渣缺陷越严重。
1031.获取第二分割区域中每个像素点的梯度值,获取第二分割区域中每个像素点与其八邻域内每个像素点的梯度相似性。
由于仅通过识别受到飞溅现象影响较小的区域的夹渣特征,达不到实时快速调整激光焊接参数的目的(由于强光影响较小的区域往往分布在较激光焊接头所在区域比较远的区域,会造成较大的时间差),受飞溅现象影响较大的区域(即对应的强光区域)中的强光的分布可以表征母材表面光滑平整度,即若母材表面光滑平整度较高(即较为平滑),飞溅现象就越均匀,即强光区域较为均匀的分布在焊缝的两侧,若母材表面光滑平整度较低(即较为粗糙),飞溅现象就越不均匀,即强光区域在焊缝两端呈现不均匀分布,因此本发明通过实时的分析受到飞溅现象影响较大的强光区域(即第二分割区域)的分布特征,进而表征母材表面性质。
首先确定焊缝的区域分布,由于不管是平整的母材表面还是不平整的母材表面,对于高精密冲压锻件来说,焊缝往往是呈现近乎一条直线,且焊缝相对于母材表面呈现下凹的趋势,因此会与正常未焊接的母材表面产生较为明显梯度差异,并且对于焊缝区域的整体趋势与其边缘点的梯度方向垂直,因此通过每个像素点的在邻域窗口内的梯度大小和方向,来表征该灰度图像区域中每个像素点的邻域窗口内走势分布,进而获取整体的走势,其中梯度的大小和方向的计算为公知技术,本发明中不再赘述。
由此得到第二分割区域内每个像素点的梯度方向,根据相似梯度方向的像素点确定对应的焊缝边缘区域的像素点,为了减小计算量需要去除一些梯度值较小的点,本发明通过设置梯度阈值,将梯度值小于阈值的像素点进行去除,其中梯度大小阈值可根据具体实施情况而定,本案给出经验参考值。
获取第二分割区域中每个像素点的梯度值之后,还包括:
设定梯度阈值,将第二分割区域中梯度值小于梯度阈值的像素点去除;
获取第二分割区域中每个像素点与其八邻域内每个像素点的梯度相似性的方法为:
获取第二分割区域中每个像素点的梯度值与其八邻域内每个像素点的梯度值之差;
获取第二分割区域中每个像素点的梯度方向与其八邻域内每个像素点的梯度方向之差;
根据第二分割区域中每个像素点与其八邻域内每个像素点的梯度值之差以及梯度方向之差,获取每个像素点与其八邻域内每个像素点的梯度相似性。
梯度方向和大小相似的两个的像素点为焊缝区域边缘的像素点的概率就越大,建立滑动窗口,根据第二分割区域中得到剩余的像素点在其各自邻域窗口内的梯度大小和方向,计算第i个像素点与其邻域窗口内其他像素点的梯度大小和方向的相似性,在窗口内相似性较大的像素点越多,则对应的第i个像素点为焊缝区域边缘像素点的概率就越大,其中第i个像素点与其邻域窗口内第j个像素点的相似性的计算表达式为:
1032.根据每个像素点的八邻域内梯度相似性大于阈值的像素点个数确定第二分割区域中的焊缝边缘像素点。
确定第二分割区域中的焊缝边缘像素点的方法为:
设定相似性阈值,获取每个像素点八邻域内相似性大于阈值的像素点个数占比;
设定占比阈值,将每个像素点八邻域内相似性大于阈值的像素点个数占比大于占比阈值的像素点,作为焊缝边缘像素点。
设置相似性阈值(可根据具体实施情况而定,本案给出经验参考值),统计第i个像素点在其窗口内满足相似性阈值条件(相似性值大于阈值)的像素点个数,越大,第i个像素点为焊缝区域边缘像素点的概率越大,其中第i个像素点为焊缝区域边缘像素点的概率的计算表达式为:
1033.将第二分割区域中的所有焊缝边缘像素点依次进行连接,得到焊缝边缘区域,根据焊缝边缘区域两侧像素点的灰度均值获取第二分割区域的分布特征值。
根据先验知识可知,焊缝区域边缘将受飞溅现象影响较大的区域(即第二分割区域)分为三类,焊缝一侧类、焊缝中间类以及焊缝另一侧类,本发明通过计算焊缝一侧类和焊缝另一侧类的像素点之间的分布度,进而表征母材表面性质。
获取第二分割区域的分布特征值的方法为:
获取第二分割区域中焊缝边缘区域两侧像素点的灰度均值;
获取第二分割区域中焊缝边缘区域两侧像素点的灰度方差;
获取第二分割区域中像素点的灰度值最大值;
根据第二分割区域中焊缝边缘区域两侧像素点的灰度均值、灰度方差以及第二分割区域中像素点的灰度值最大值,获取第二分割区域的分布特征值。
式中,表示焊缝一侧类的均值;表示焊缝另一侧类的灰度均值;表示焊缝一侧类的灰度方差;表示焊缝另一侧类的灰度方差;表示焊缝一侧类和焊缝另一侧类的灰度协方差;和是计算常数,,;表示受飞溅现象影响较大的区域(即像素值为0的区域)的灰度值的最大值。
强光区域较为均匀的分布在焊缝的两侧,若母材表面光滑平整度较低(即较为粗糙),飞溅现象就越不均匀,即强光区域在焊缝两端呈现不均匀分布,因此本发明通过焊缝两端的灰度均值来实时的分析受到飞溅现象影响较大的强光区域(即第二分割区域)的分布特征,进而表征母材表面性质。
104.根据第一分割区域的夹渣特征值以及第二分割区域的分布特征值获取激光焊接设备的调节程度,根据调节程度对激光焊接设备的参数进行实时调整。
根据两个特征值进行激光焊接设备参数的调节,其中夹渣缺陷越大,飞溅现象影响程度越大,即焊缝区域的夹渣特征越大,强光区域的分布特征越不规律,激光焊接设备的输入能量较低(即焊接设备的功率较低),焊接速度过快;反之亦然。
获取激光焊接设备的调节程度的方法为:
激光焊接设备的调节程度包括功率调节程度和速度调节程度;
获取调节程度的表达式为:
其中,表示功率调节程度,W表示当前激光焊接设备的焊接功率,V表示当前激光焊接设备的焊接速度,表示第一分割区域的夹渣特征值,表示第二分割区域的分布特征值,和表示调节超参数,表示功率调节系数,其中为符号函数,表示双曲正切函数;表示反指数函数,,其中为调节阈值,可根据具体实施情况而定,本发明给出经验参考值;表示速度调节系数,即,其中为调节阈值,可根据具体实施情况而定,本发明给出经验参考值,和分别表示功率和速度的调整量化值,用于计算功率和速度的调整程度,并通过超参数值,具体到调节功率和速度的值的大小。
本发明通过对采集的图像进行分割,能够根据图像中受到飞溅现象的影响得到多个区域,并选取受到飞溅现象影响较小的区域进行焊缝夹渣特征的计算,能够有效解决焊接过程中飞溅现象影响缺陷识别的问题,并且能够为焊接设备参数的调节提供基础依据,同时本发明通过获取飞溅现象较大的区域中飞溅的分布特征,从而作为焊接设备参数调整的另一依据,更进一步的保证了参数调整的准确性,且能够实现激光焊接设备参数的自适应更新,保证了焊接的质量,从而实现高精密冲压锻件的智能焊接。
以上所述仅为本发明的较佳实施例而已,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.高精密冲压锻件用激光切割方法,其特征在于,包括:
采集当前激光焊接过程中的母材焊接灰度图像;
根据母材焊接灰度图像中像素点的灰度值进行多阈值分割,得到多个分割区域,获取多个分割区域中的第一分割区域以及第二分割区域;其中第一分割区域为所有分割区域中灰度最低的区域,第二分割区域为所有分割区域中灰度最高的区域;
根据第一分割区域中连通域的数量、每个连通域中像素点的数量获取第一分割区域的夹渣特征值;
获取第二分割区域中每个像素点的梯度值,并根据每个像素点的梯度值获取每个像素点与其八邻域内每个像素点的梯度相似性;
利用每个像素点的八邻域内像素点的梯度相似性确定出第二分割区域中的焊缝边缘像素点;
将第二分割区域中的所有焊缝边缘像素点依次进行连接,得到焊缝边缘区域,根据焊缝边缘区域两侧像素点的灰度均值获取第二分割区域的分布特征值;
利用第一分割区域的夹渣特征值和第二分割区域的分布特征值得到对当前激光焊接设备进行调节的调节程度,并利用调节程度对激光焊接设备当前焊接过程中的焊接参数进行调整。
3.根据权利要求1所述的高精密冲压锻件用激光切割方法,其特征在于,获取第一分割区域的夹渣特征的方法为:
获取第一分割区域中连通域的数量;
获取第一分割区域中每个连通域的像素点的个数;
获取第一分割区域中每个连通域的像素点个数之和与连通域数量的比值;
根据第一分割区域中连通域的数量与该比值之和得到第一分割区域的夹渣特征值。
4.根据权利要求1所述的高精密冲压锻件用激光切割方法,其特征在于,获取第二分割区域中每个像素点的梯度值之后,还包括:
设定梯度阈值,将第二分割区域中梯度值小于梯度阈值的像素点去除。
5.根据权利要求4所述的高精密冲压锻件用激光切割方法,其特征在于,获取第二分割区域中每个像素点与其八邻域内每个像素点的梯度相似性的方法为:
获取第二分割区域中每个像素点的梯度值与其八邻域内每个像素点的梯度值之差;
获取第二分割区域中每个像素点的梯度方向与其八邻域内每个像素点的梯度方向之差;
根据第二分割区域中每个像素点与其八邻域内每个像素点的梯度值之差以及梯度方向之差,获取每个像素点与其八邻域内每个像素点的梯度相似性。
6.根据权利要求1所述的高精密冲压锻件用激光切割方法,其特征在于,确定第二分割区域中的焊缝边缘像素点的方法为:
设定相似性阈值,获取每个像素点八邻域内相似性大于阈值的像素点个数占比;
设定占比阈值,将每个像素点八邻域内相似性大于阈值的像素点个数占比大于占比阈值的像素点,作为焊缝边缘像素点。
7.根据权利要求1所述的高精密冲压锻件用激光切割方法,其特征在于,获取第二分割区域的分布特征值的方法为:
获取第二分割区域中焊缝边缘区域两侧像素点的灰度均值;
获取第二分割区域中焊缝边缘区域两侧像素点的灰度方差;
获取第二分割区域中像素点的灰度值最大值;
根据第二分割区域中焊缝边缘区域两侧像素点的灰度均值、灰度方差以及第二分割区域中像素点的灰度值最大值,获取第二分割区域的分布特征值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211154406.6A CN115229355B (zh) | 2022-09-22 | 2022-09-22 | 高精密冲压锻件用激光焊接方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211154406.6A CN115229355B (zh) | 2022-09-22 | 2022-09-22 | 高精密冲压锻件用激光焊接方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115229355A true CN115229355A (zh) | 2022-10-25 |
CN115229355B CN115229355B (zh) | 2022-12-13 |
Family
ID=83666997
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211154406.6A Active CN115229355B (zh) | 2022-09-22 | 2022-09-22 | 高精密冲压锻件用激光焊接方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115229355B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116934788A (zh) * | 2023-09-15 | 2023-10-24 | 韶山中新智能自动化科技有限公司 | 用于金属板材刨槽与激光切割的夹钳协同调控方法 |
CN117152447A (zh) * | 2023-11-01 | 2023-12-01 | 东莞市京品精密模具有限公司 | 一种冲切模具智能管理方法及系统 |
CN117974656A (zh) * | 2024-03-29 | 2024-05-03 | 深圳市众翔奕精密科技有限公司 | 基于电子辅料加工下的材料切片方法及系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006072913A (ja) * | 2004-09-06 | 2006-03-16 | Omron Corp | 部品検査用のモデル登録方法およびこの方法を用いた検査データ作成装置 |
CN108830838A (zh) * | 2018-05-28 | 2018-11-16 | 江苏大学 | 一种亚像素级的pcb板残缺基准点检测方法 |
CN113421261A (zh) * | 2021-08-23 | 2021-09-21 | 金成技术有限公司 | 一种基于图像处理的结构件生产过程缺陷检测方法 |
CN113496483A (zh) * | 2021-06-22 | 2021-10-12 | 华南理工大学 | 一种基于图像处理的焊缝气孔缺陷检测方法 |
CN113588692A (zh) * | 2021-09-28 | 2021-11-02 | 南通皋亚钢结构有限公司 | 基于计算机视觉的焊缝缺陷无损检测方法 |
CN113909689A (zh) * | 2021-11-10 | 2022-01-11 | 佛山市南海区广工大数控装备协同创新研究院 | 一种激光光条的管道焊接坡口特征提取方法 |
CN114937055A (zh) * | 2022-03-31 | 2022-08-23 | 江苏益捷思信息科技有限公司 | 基于人工智能的图像自适应分割方法与系统 |
CN114972343A (zh) * | 2022-07-29 | 2022-08-30 | 山东睿鑫激光科技有限公司 | 一种激光焊接产品生产异常检测方法 |
-
2022
- 2022-09-22 CN CN202211154406.6A patent/CN115229355B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006072913A (ja) * | 2004-09-06 | 2006-03-16 | Omron Corp | 部品検査用のモデル登録方法およびこの方法を用いた検査データ作成装置 |
CN108830838A (zh) * | 2018-05-28 | 2018-11-16 | 江苏大学 | 一种亚像素级的pcb板残缺基准点检测方法 |
CN113496483A (zh) * | 2021-06-22 | 2021-10-12 | 华南理工大学 | 一种基于图像处理的焊缝气孔缺陷检测方法 |
CN113421261A (zh) * | 2021-08-23 | 2021-09-21 | 金成技术有限公司 | 一种基于图像处理的结构件生产过程缺陷检测方法 |
CN113588692A (zh) * | 2021-09-28 | 2021-11-02 | 南通皋亚钢结构有限公司 | 基于计算机视觉的焊缝缺陷无损检测方法 |
CN113909689A (zh) * | 2021-11-10 | 2022-01-11 | 佛山市南海区广工大数控装备协同创新研究院 | 一种激光光条的管道焊接坡口特征提取方法 |
CN114937055A (zh) * | 2022-03-31 | 2022-08-23 | 江苏益捷思信息科技有限公司 | 基于人工智能的图像自适应分割方法与系统 |
CN114972343A (zh) * | 2022-07-29 | 2022-08-30 | 山东睿鑫激光科技有限公司 | 一种激光焊接产品生产异常检测方法 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116934788A (zh) * | 2023-09-15 | 2023-10-24 | 韶山中新智能自动化科技有限公司 | 用于金属板材刨槽与激光切割的夹钳协同调控方法 |
CN116934788B (zh) * | 2023-09-15 | 2023-11-21 | 韶山中新智能自动化科技有限公司 | 用于金属板材刨槽与激光切割的夹钳协同调控方法 |
CN117152447A (zh) * | 2023-11-01 | 2023-12-01 | 东莞市京品精密模具有限公司 | 一种冲切模具智能管理方法及系统 |
CN117152447B (zh) * | 2023-11-01 | 2024-02-02 | 东莞市京品精密模具有限公司 | 一种冲切模具智能管理方法及系统 |
CN117974656A (zh) * | 2024-03-29 | 2024-05-03 | 深圳市众翔奕精密科技有限公司 | 基于电子辅料加工下的材料切片方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN115229355B (zh) | 2022-12-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115229355B (zh) | 高精密冲压锻件用激光焊接方法 | |
CN109816652B (zh) | 一种基于灰度显著性的复杂铸件缺陷识别方法 | |
CN111539935B (zh) | 一种基于机器视觉的电缆表面缺陷在线检测方法 | |
CN113436168B (zh) | 一种用于工业焊缝x光图中的裂纹缺陷检测方法 | |
Bhat et al. | Friction stir weld classification by applying wavelet analysis and support vector machine on weld surface images | |
CN107490582B (zh) | 一种流水线工件检测系统 | |
CN114820773B (zh) | 基于计算机视觉的筒仓运输车辆车厢位置检测方法 | |
CN114972343B (zh) | 一种激光焊接产品生产异常检测方法 | |
CN109816645B (zh) | 一种钢卷松卷的自动检测方法 | |
CN107085846A (zh) | 工件表面缺陷图像识别方法 | |
CN112215810B (zh) | 一种疲劳测试裂纹监测方法及装置 | |
CN113674206B (zh) | 一种适用于深熔k-tig焊熔池和锁孔入口特征参数的提取方法 | |
CN112258444A (zh) | 一种电梯钢丝绳检测方法 | |
CN112697803A (zh) | 一种基于机器视觉的板带钢表面缺陷检测方法及装置 | |
CN114549492A (zh) | 一种基于多粒度图像信息内容的质量评价方法 | |
CN115719332A (zh) | 一种焊接质量检测方法 | |
CN115082427B (zh) | 基于人工智能的铝材压延工艺参数控制方法 | |
CN111354009B (zh) | 激光增材制造熔池形状的提取方法 | |
CN114778574A (zh) | X射线数字成像检测识别在运高压电缆内部缺陷方法 | |
CN116128873A (zh) | 一种基于图像识别的轴承保持器检测方法、设备及介质 | |
CN111476792B (zh) | 一种板带钢图像轮廓的提取方法 | |
CN109636785A (zh) | 一种识别金刚砂颗粒的视觉处理方法 | |
Zeiler et al. | Vision-based inspection and segmentation of trimmed steel edges | |
US6289123B1 (en) | Character extracting method and its apparatus | |
CN115511884A (zh) | 基于计算机视觉的冲孔复合模表面质量检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: Laser welding method for high-precision stamping forgings Effective date of registration: 20231025 Granted publication date: 20221213 Pledgee: Industrial and Commercial Bank of China Limited Yangzhou Development Branch Pledgor: JIANGSU WIN-WIN METAL FORMING MACHINE Co.,Ltd. Registration number: Y2023320000473 |