CN116258649A - 基于熔池状态分析的焊接参数自适应调整方法 - Google Patents

基于熔池状态分析的焊接参数自适应调整方法 Download PDF

Info

Publication number
CN116258649A
CN116258649A CN202310224924.9A CN202310224924A CN116258649A CN 116258649 A CN116258649 A CN 116258649A CN 202310224924 A CN202310224924 A CN 202310224924A CN 116258649 A CN116258649 A CN 116258649A
Authority
CN
China
Prior art keywords
pixel point
pixel
window
sequence
point sequence
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
CN202310224924.9A
Other languages
English (en)
Other versions
CN116258649B (zh
Inventor
崔博
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.)
Jilin Agricultural Science and Technology College
Original Assignee
Jilin Agricultural Science and Technology College
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 Jilin Agricultural Science and Technology College filed Critical Jilin Agricultural Science and Technology College
Priority to CN202310224924.9A priority Critical patent/CN116258649B/zh
Publication of CN116258649A publication Critical patent/CN116258649A/zh
Application granted granted Critical
Publication of CN116258649B publication Critical patent/CN116258649B/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
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • 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
    • B23K9/00—Arc welding or cutting
    • B23K9/095—Monitoring or automatic control of welding parameters
    • 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
    • B23K9/00—Arc welding or cutting
    • B23K9/095—Monitoring or automatic control of welding parameters
    • B23K9/0953—Monitoring or automatic control of welding parameters using computing means
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/761—Proximity, similarity or dissimilarity measures
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20004—Adaptive image processing
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • 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)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Mechanical Engineering (AREA)
  • Plasma & Fusion (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Multimedia (AREA)
  • Health & Medical Sciences (AREA)
  • Geometry (AREA)
  • Image Processing (AREA)

Abstract

本发明涉及图像处理技术领域，具体涉及一种基于熔池状态分析的焊接参数自适应调整方法，该方法包括：获取焊接过程中熔池状态的每帧灰度图像，获取高亮噪声像素点，并获取第一窗口和第二窗口，获取第一像素点序列与第二像素点序列中像素点的匹配结果，获取滤波权重，并得到滤波后的灰度值以及每帧滤波图像，调整焊接速度，本发明在纹理复杂、噪声密集环境下大幅降低了高亮噪声点互相之间的干扰问题，得到无干扰、更准确的滤波权重，从而得到细节纹理清晰的滤波图像，进而基于滤波图像，实现对焊接速度的准确调整。

Description

基于熔池状态分析的焊接参数自适应调整方法
技术领域
本发明涉及图像处理技术领域，具体涉及一种基于熔池状态分析的焊接参数自适应调整方法。
背景技术
熔焊时，在焊接热源的作用下，在焊件上由熔化的焊条金属和局部熔化的母材所形成的具有一定几何形状的液态金属部分，即为熔池。熔池冷却后就成为了焊缝，所以熔池温度也就直接影响着焊接质量，焊缝的形状决定于熔池的形状，熔池的形状又与接头的形式和空间位置、坡口和间隙的形状尺寸、母材边缘、焊丝金属的熔化情况、熔滴的过渡方式等有关，而焊接速度指焊条沿着焊缝方向向前移动的速度，焊接速度过快会导致焊道较薄且窄小，焊接波纹粗糙，速度过慢会导致焊道过宽，工件受热过高甚至烧穿工件。传统焊接速度是根据焊件厚度、熔点、焊缝位置等因素选定，但其过于依赖经验值，应用范围比较局限。
现有技术中提出对焊接过程中熔池的匙孔扩张、闭合状态进行监测并对焊接参数自适应控制的方法，但实际焊接过程中由于飞溅的火花、电弧闪光以及焊接温度较高，对焊接点的监测难度较大，且光线环境复杂多变可能导致大量图像噪声，其中，对图像的噪声进行处理采用细节的保留更为出色的非局部均值滤波。
然而，非局部均值滤波在纹理复杂、噪声密集的图像环境下，噪点之间相互干扰，会存在滤波权重不可信、噪声残留的问题，这样会导致获得的滤波图像中的匙孔区域并不准确，从而会影响焊接速度的准确调整。
发明内容
本发明提供一种基于熔池状态分析的焊接参数自适应调整方法，以解决现有的非局部均值滤波得到的滤波图像中的匙孔区域并不准确，从而会影响焊接速度的准确调整的问题。
本发明的一种基于熔池状态分析的焊接参数自适应调整方法采用如下技术方案：
获取每帧灰度图像中的高亮噪声像素点，以每个高亮噪声像素点为中心点设置搜索窗口，获取搜索窗口的中心点对应的高亮噪声像素点的第一窗口及搜索窗口内非中心点对应的每个高亮噪声像素点的第二窗口，根据每个高亮噪声像素点与距离最近的高亮噪声像素点的欧氏距离，获取第一窗口及每个第二窗口的窗口尺寸；
获取第一窗口的第一像素点序列及每个第二窗口对应的第二像素点序列，根据第一像素点序列与第二像素点序列中每个像素点的灰度值，以及每个像素点与其所在窗口的中心点的连线方向，获取第一像素点序列与第二像素点序列中像素点的匹配结果；
利用匹配结果获取第一像素点序列与第二像素点序列的灰度均方误差，第一窗口与每个第二窗口的中心点之间的目标欧氏距离，获取每个第二窗口在非局部均值滤波中的滤波权重；
根据第一窗口所在的搜索窗口内的每个第二目标窗口在非局部均值滤波中的滤波权重、每个第二目标窗口内的灰度均值，获取第一目标窗口的中心点对应的高亮噪声像素点滤波后的灰度值，根据每帧灰度图像中所有高亮噪声像素点滤波后的灰度值得到每帧滤波图像；
获取每帧滤波图像的匙孔区域，根据相邻帧滤波图像中的匙孔区域的面积，调整焊接速度。
优选的，获取第一像素点序列与第二像素点序列中像素点的匹配结果，包括：
根据第一像素点序列与第二像素点序列中每个像素点的灰度值，以及每个像素点与其所在窗口的中心点的连线方向，获取第一像素点序列的每个像素点与第二像素点序列中的每个像素点之间的距离参数；
根据每两个像素点之间的距离参数，并利用动态时间规整算法获取第一像素点序列与第二像素点序列中像素点的匹配结果。
优选的，获取第一像素点序列的每个像素点与第二像素点序列中的每个像素点之间的距离参数，包括：
获取第一像素点序列中每个像素点与第一像素点序列对应的第一窗口的中心点之间的第一灰度差值；
获取第二像素点序列中每个像素点与第二像素点序列对应的第二窗口的中心点之间的第二灰度差值；
根据第一灰度差值与第二灰度差值，获取第一像素点序列中的每个像素点与第二像素点序列中的每个像素点之间的初始距离参数；
根据第一像素点序列中的每个像素点和像素点对应的第一窗口中的中心点的连线方向，与第二像素点序列中的每个像素点和像素点对应的第二窗口中的中心点的连线方向，获取第一像素点序列与第二像素点序列中的每两个像素点之间的方向差异性；
根据第一像素点序列与第二像素点序列中对应的每两个像素点对应的方向差异性、初始距离参数，获取第一像素点序列的每个像素点与第二像素点序列中的每个像素点之间的距离参数。
优选的，获取第一像素点序列的每个像素点与第二像素点序列中的每个像素点之间的距离参数，包括：
获取第一像素点序列与第二像素点序列中的每两个像素点之间的方向差异性的正弦值；
将两个像素点之间的方向差异性的正弦值，与两个像素点之间的初始距离参数的乘积作为第一像素点序列中与第二像素点序列中的每两个像素点之间的距离参数。
优选的，获取第一像素点序列与第二像素点序列中的每两个像素点之间的方向差异性，包括：
将第一像素点序列中的每个像素点和像素点对应的第一窗口中的中心点的连线，与水平线的夹角值作为第一像素点序列中的每个像素点和像素点对应的第一窗口中的中心点的第一连线方向；
将第二像素点序列中的每个像素点和像素点对应的第二窗口中的中心点的连线，与水平线的夹角值作为第二像素点序列中的每个像素点和像素点对应的第二窗口中的中心点的第二连线方向；
将第一连线方向与第二连线方向的差值绝对值，作为第一像素点序列与第二像素点序列中的每两个像素点之间的方向差异性。
优选的，获取每个第二窗口在非局部均值滤波中的滤波权重，包括：
获取第一像素点序列与第二像素点序列的灰度均方误差，与对应的目标欧氏距离的欧式范数；
对灰度均方误差与目标欧氏距离的欧式范数进行负相关计算；
对负相关计算的结果进行归一化计算得到每个第二窗口在非局部均值滤波中的滤波权重。
优选的，获取第一窗口及每个第二窗口的窗口尺寸的步骤相同，即每个高亮噪声像素点对应的窗口的窗口尺寸小于或者等于该高亮噪声像素点与距离最近的高亮噪声像素点的欧氏距离；其中，每个高亮噪声像素点对应的窗口尺寸下的窗口大小最小为8邻域大小。
优选的，将第一窗口内的每个像素点从左到右，从上到下依次排列，得到每个第一窗口的第一像素点序列，将每个第二窗口内的每个像素点从左到右，从上到下依次排列，得到每个第二窗口的第二像素点序列，其中，第一像素点序列不包括对应的第一窗口的中心像素点，第二像素点序列不包括对应的第二窗口的中心像素点。
优选的，调整焊接速度，包括：
获取相邻帧滤波图像中的当前帧滤波图像相对于前一帧滤波图像的匙孔区域的面积减少率；
对当前帧滤波图像相对于前一帧滤波图像的匙孔区域的面积减少率进行非线性转换得到焊接速度的提升率；
根据当前焊接速度和焊接速度的提升率调整焊接速度，得到调整后的焊接速度。
优选的，判断每个像素点是否为高亮噪声像素点，包括：
将灰度值大于其8邻域内的所有邻域像素点的灰度值对应的像素点记为高亮噪声像素点。
本发明的一种基于熔池状态分析的焊接参数自适应调整方法的有益效果是：
由于由光线干扰导致的此类噪声大多属于高斯噪声，其会对采集的图像质量造成严重损害，会影响对熔池中匙孔的识别与分析，故先获取焊接过程中熔池状态的灰度图像中的高亮噪声像素点，然后需要对高亮噪声像素点进行平滑，由于现有的非局部均值滤波一般采用固定尺寸的窗口，但当采集的焊接熔池的图像纹理结构混乱、复杂且噪声较密集时，采用固定窗口尺寸既可能会导致所有窗口内的滤波权重可信度均较低，也会使噪声像素点在加权平滑过程中占据较高的影响，使平滑效果较差，故本发明通过自适应获取每个噪声像素点的窗口尺寸，即搜索窗口内的第一窗口及第二窗口，由于窗口尺寸是自适应获取的，故第一窗口与第二窗口并不相同，故在对高亮噪声像素点进行平滑时，本发明结合DTW算法的思想，对尺寸不同的窗口之间进行相似度的计算，使得最大程度上可以避免第一窗口内存在其他高亮噪点对后续获取滤波权重时产生的可信度影响，基于此，得到第一窗口的第一像素点序列及每个第二窗口对应的第二像素点序列中像素点的匹配结果，基于匹配结果得到无干扰、更准确的滤波权重，并利用无干扰、更准确的滤波权重对高亮噪声像素点进行滤波处理，得到滤波后的灰度值，并得到滤波图像，基于相邻帧滤波图像之间的匙孔区域的面积，实现焊接速度的调整。本发明在纹理复杂、噪声密集环境下大幅降低了高亮噪声点互相之间的干扰问题，得到无干扰、更准确的滤波权重，从而得到细节纹理清晰的滤波图像，进一步的基于滤波图像，实现对焊接速度的准确调整。
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为本发明的一种基于熔池状态分析的焊接参数自适应调整方法的实施例的流程图。
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。
本发明的一种基于熔池状态分析的焊接参数自适应调整方法的实施例，本实施例的应用场景为：现有提出对焊接过程中熔池匙孔扩张、闭合状态进行监测并对焊接参数自适应控制的方法，但实际焊接过程中由于飞溅的火花、电弧闪光以及焊接温度较高，对焊接点的监测难度较大，且光线环境复杂多变可能导致大量图像噪声，非局部均值滤波方法对图像处理，虽然能使得图像细节的保留更为出色，但其在纹理复杂、噪声密集的图像环境下，噪点之间相互干扰，会使得滤波权重不可信，导致噪声残留的问题；基于此，本发明的一种基于熔池状态分析的焊接参数自适应调整方法，如图1所示，具体的，包括：
S1、获取焊接过程中熔池状态的每帧灰度图像；
由于，现有的技术通过分析匙孔扩张、闭合大小的波动状态得到结论为：激光焊接过程中匙孔的不稳定闭合是由于匙孔前壁局部液态金属蒸发造成的，也就是说存在焊接温度过高的情况，那么只要准确识别出图像中的匙孔变化，即可根据匙孔的扩张或闭合对焊接速度、焊接电流等参数进行自适应控制，故先采用CCD高速摄影技术对激光扫描焊接过程中的熔池状态进行拍摄得到每帧图像。
其中，为了避免采集的每帧图像中存在曝光点和极亮点，使得对后续计算结果产生影响，故对每帧图像进行灰度归一化，使其灰度取值在0-255之间，得到焊接过程中熔池状态的每帧灰度图像，使得后续处理时都基于灰度图像进行处理。
S2、获取高亮噪声像素点，并获取第一窗口和第二窗口；
由于，CCD高速相机在采集焊接过程中的图像时，会由于焊接时电弧闪烁，导致成像中存在大量亮点噪声，即由光线干扰导致的此类噪声大多属于高斯噪声，对采集的图像质量造成严重损害，会影响对熔池中匙孔的识别与分析，而现有非局部均值滤波通过对像素点设置矩形窗口在一定搜索范围内与其他像素点所在矩形窗口计算相似度，再根据相似度大小进行加权平均对目标像素点进行平滑，滤波后图像清晰度高，保证不丢失细节，然而，非局部均值滤波一般采用固定尺寸的窗口，但当采集的焊接熔池的图像纹理结构混乱、复杂且噪声较密集时，采用固定窗口尺寸既可能会导致所有窗口内的滤波权重可信度均较低，也会使噪声像素点在加权平滑过程中占据较高的影响，使平滑效果较差，故本方案需要先自适应获取每个噪声点的窗口。
具体的，尽管高斯噪声分布在每一个像素点上，但干扰程度或大或小，为了避免无差别滤波对不同程度噪声的平滑效果不同，导致噪声残留的问题，本身实施例先获取高亮噪声像素点，即根据每帧灰度图像中每个像素点与其邻域内的所有邻域像素点的灰度值的大小，判断每个像素点是否为高亮噪声像素点；其中，将灰度值大于其8邻域内的所有邻域像素点的灰度值对应的像素点记为高亮噪声像素点。
具体的，基于高亮噪声点获取每个高亮噪声点的邻域窗口，即以每个高亮噪声像素点为中心点设置搜索窗口，获取搜索窗口的中心点对应的高亮噪声像素点的第一窗口及搜索窗口内非中心点对应的每个高亮噪声像素点的第二窗口，根据每个高亮噪声像素点与距离最近的高亮噪声像素点的欧氏距离，获取第一窗口及每个第二窗口的窗口尺寸，具体的，获取第一窗口及每个第二窗口的窗口尺寸的步骤相同，即每个高亮噪声像素点对应的窗口的窗口尺寸小于或者等于该高亮噪声像素点与距离最近的高亮噪声像素点的欧氏距离；其中，每个高亮噪声像素点对应的窗口尺寸下的窗口大小最小为8邻域大小；基于此即可以得到搜索窗口的中心点对应的第一窗口的窗口尺寸及搜索窗口的非中心点对应的高亮噪声像素点的第二窗口的窗口尺寸。
具体实施例，以某一个高亮噪声像素点A为例，以高亮噪声像素点A为中心设置35*35搜索窗口，将高亮噪声像素点A作为目标高亮噪声像素点，获取目标高亮噪声像素点的窗口，即先获取目标高亮噪声像素点的窗口尺寸，具体的，计算该目标高亮噪声像素点与其距离最近的其他高亮噪声像素点之间的欧式距离，目标高亮噪声像素点的窗口尺寸小于或者等于该高亮噪声像素点与距离最近的高亮噪声像素点的欧氏距离；其中，目标高亮噪声像素点的窗口尺寸最小为8邻域大小，即窗口尺寸最小为3*3，同理，可得到每一个亮噪声像素点的窗口尺寸，具体的，本实施例中将目标高亮噪声像素点的搜索窗口内的目标高亮噪声像素点作为第一目标像素点，搜索窗口内的其他所有高亮噪声像素点称为第二目标像素点，即以搜索窗口内的第一目标像素点(目标高亮噪声像素点)对应的窗口尺寸，获得目标高亮噪声像素点的第一窗口，以搜索窗口内的第二目标像素点对应的窗口尺寸，获得第二目标像素点的第二窗口，即基于搜索窗口内的第一目标像素点对应的第一窗口，与搜索窗口内的第二目标像素点对应的第二窗口进行相似度计算时，能在后续获取滤波权重时最大程度可以避免第一窗口内存在其他高亮噪点产生的可信度较低影响。
需要说明的是，基于获取的搜索窗口内的第一目标像素点对应的第一窗口以及搜索窗口内的第二目标像素点对应的第二窗口；这样在后续进行搜索窗口内的第一目标像素点对应的第一窗口，搜索窗口内的第二目标像素点对应的第二窗口进行相似度计算时，使得搜索窗口内各第二目标像素点，或者说各个非搜索窗口的中心点对应的高亮噪声点之间不会互相干扰，即大幅减少了高亮噪声，避免了对后续计算滤波权重时的可信度影响。
S3、获取第一像素点序列与第二像素点序列中像素点的匹配结果；
基于S2步骤得到了搜索窗口内的第一目标像素点对应的第一窗口以及搜索窗口内的第二目标像素点对应的第二窗口，由于第一窗口对应的窗口尺寸和第二窗口对应的窗口尺寸都是自适应获取的，故自适窗口尺寸其大小可能不一样，故无法直接进行第一窗口和第二窗口的相似度计算，由于同尺寸窗口计算相似度时是同位置像素点之间进行对比，本实施例认为窗口尺寸不一时，较小尺寸窗口内的一个像素点应与较大尺寸内某片空间连续的几个像素点进行相似度计算，例如一个较小尺寸窗口左上角的一个像素点，其计算相似度时的计算对象应为较大尺寸窗口左上角某几个像素点，考虑到空间与时间均具有连续性，本实施例依据DTW算法(动态时间规整算法)的理念中长短不一的时序数据点匹配思想，具体的，先获取第一窗口的第一像素点序列及每个第二窗口对应的第二像素点序列，根据第一像素点序列与第二像素点序列中每个像素点的灰度值，以及每个像素点与其所在窗口的中心点的连线方向，获取第一像素点序列与第二像素点序列中像素点的匹配结果。
具体的，获取第一像素点序列与第二像素点序列中像素点的匹配结果，包括：根据第一像素点序列与第二像素点序列中每个像素点的灰度值，以及每个像素点与其所在窗口的中心点的连线方向，获取第一像素点序列的每个像素点与第二像素点序列中的每个像素点之间的距离参数；根据每两个像素点之间的距离参数，并利用动态时间规整算法获取第一像素点序列与第二像素点序列中像素点的匹配结果。
其中，获取第一窗口的第一像素点序列及每个第二窗口的第二像素点序列包括：将搜索窗口的中心点对应的高亮噪声像素点(即步骤S2中的第一目标像素点)的第一窗口与搜索窗口内其他任意一个高亮噪声像素点(即步骤S2中的第二目标像素点)所在第二窗口，从第一窗口、第二窗口对应的矩形窗口内左上角开始至右下角依次将除过中心像素点的其他像素点进行排列，得到两个窗口内的空间连续序列即像素点序列，将第一窗口内像素点对应的像素点序列作为第一像素点序列，第二窗口内像素点对应的像素点序列作为第二像素点序列，然后利用DTW算法的思想对第一像素点序列和第二像素点序列中的像素点进行匹配。
具体的，获取第一像素点序列的每个像素点与第二像素点序列中的每个像素点之间的距离参数包括：获取第一像素点序列中每个像素点与第一像素点序列对应的第一窗口的中心点之间的第一灰度差值；获取第二像素点序列中每个像素点与第二像素点序列对应的第二窗口的中心点之间的第二灰度差值；根据第一灰度差值与第二灰度差值，获取第一像素点序列中的每个像素点与第二像素点序列中的每个像素点之间的初始距离参数；根据第一像素点序列中的每个像素点和像素点对应的第一窗口中的中心点的连线方向，与第二像素点序列中的每个像素点和像素点对应的第二窗口中的中心点的连线方向，获取第一像素点序列与第二像素点序列中的每两个像素点之间的方向差异性；即本实施例中将第一像素点序列中的每个像素点和像素点对应的第一窗口中的中心点的连线，与水平线的夹角值作为第一像素点序列中的每个像素点和像素点对应的第一窗口中的中心点的第一连线方向；将第二像素点序列中的每个像素点和像素点对应的第二窗口中的中心点的连线，与水平线的夹角值作为第二像素点序列中的每个像素点和像素点对应的第二窗口中的中心点的第二连线方向，将第一连线方向与第二连线方向的差值绝对值，作为第一像素点序列与第二像素点序列中的每两个像素点之间的方向差异性；根据第一像素点序列与第二像素点序列中对应的每两个像素点对应的方向差异性、初始距离参数，获取第一像素点序列的每个像素点与第二像素点序列中的每个像素点之间的距离参数。
其中，获取第一像素点序列中的每个像素点与第二像素点序列中的每个像素点之间的初始距离参数，包括：对第一灰度差值的绝对值与第二灰度差值的绝对值做差，得到目标差值；将目标差值的绝对值作为第一像素点序列与第二像素点序列中的每两个像素点之间的初始距离参数，具体的，初始距离参数的计算公式为：
Figure BDA0004118114530000111
式中，
Figure BDA0004118114530000112
表示同一个搜索窗口内第一像素点序列A中的第i个像素点，与第n个第二像素点序列Bn中的第r个像素点之间的初始距离参数；
Figure BDA0004118114530000113
表示第一像素点序列A中的第i个像素点的灰度值；
Figure BDA0004118114530000121
表示第一像素点序列A对应的第一窗口的中心像素点o1的灰度值；
Figure BDA0004118114530000122
表示第n个第二像素点序列Bn中的第r个像素点的灰度值；
Figure BDA0004118114530000123
表示第n个第二像素点序列Bn对应的第二窗口的中心像素点o2的灰度值；
需要说明的是，当第一灰度差值的绝对值
Figure BDA0004118114530000124
与第二灰度差值的绝对值
Figure BDA0004118114530000125
相近，也就是两者差值绝对值较小时，代表第一像素点序列A中第i个像素点在其中心像素点o1所在第一窗口内的数值结构，与第n个第二像素点序列Bn中第r个像素点在第n个第二像素点序列Bn对应的第二窗口内的数值结构具有一致性，则当序列长短不一时，第一像素点序列A中第i个像素点应与第n个第二像素点序列Bn中第r像素点相似，也就是相互匹配。
其中，由于第一窗口和第二窗口的尺寸差异较大时，所成第一像素点序列和第二像素点序列在进行像素点匹配时，可能存在数值匹配度较高，但实际并非最优匹配的情况，举例来说就是假设第一像素点序列A中的右上角的像素点本应该与第n个第二像素点序列Bn中同样偏右上角部分的像素点进行匹配，但由于数值结构相近的影响，可能在Bn中左上角或正上方时就出现了第一像素点序列A中像素点的匹配点，因此匹配结果会陷入局部最优的问题，故此，考虑像素点在各自窗口内的方位来对像素点的匹配结果进行限制，即本实施例中，获取第一像素点序列的每个像素点与第二像素点序列中的每个像素点之间的距离参数，具体步骤包括：获取第一像素点序列与第二像素点序列中的每两个像素点之间的方向差异性的正弦值；将两个像素点之间的方向差异性的正弦值，与两个像素点之间的初始距离参数的乘积作为第一像素点序列中与第二像素点序列中的每两个像素点之间的距离参数，第一像素点序列中与第二像素点序列中的每两个像素点之间的距离参数的计算公式为：
Figure BDA0004118114530000126
Figure BDA0004118114530000131
表示同一个搜索窗口内第一像素点序列A中的第i个像素点，与第n个第二像素点序列Bn中的第r个像素点之间的距离参数，即通过方向差异性对初始距离参数优化后得到的距离参数；
Figure BDA0004118114530000132
表示同一个搜索窗口内第一像素点序列A中的第i个像素点，与第n个第二像素点序列Bn中的第r个像素点之间的初始距离参数；
θi表示第一像素点序列A中的第i个像素点与第i个像素点所在的第一窗口的中心点之间的连线方向，即第i个像素点与其所在的第一窗口的中心点的连线(连线是从像素点指向中心点的方向)，与水平线方向(0°方向)的夹角；
θr表示第n个第二像素点序列Bn中的第r个像素点与第r个像素点所在的第二窗口的中心点之间的连线方向，即第r像素点与其所在的第二窗口的中心点的连线(连线是从像素点指向中心点的方向)，与水平线方向(0°方向)的夹角；
sin表示正弦函数；
需要说明的是，方向差异性|θi-θr|越小，越表示两个像素点对应的连线方向越相近，即两个像素点越是同一个方位结构，则sin|θi-θr|越接近0，即两个像素点之间的距离参数
Figure BDA0004118114530000133
取值越小，且在初始距离参数的取值越小时，两个像素点越匹配。
基于得到第一像素点序列与第二像素点序列中的每两个像素点之间距离参数，根据每两个像素点之间的距离参数，并利用动态时间规整算法得到第一像素点序列与第二像素点序列中像素点的匹配结果，即利用动态时间规整算法的思想，具体的，搜索时先根据聚类参数得到累计距离矩阵，然后在搜索过程从累计距离矩阵左下角开始，搜索时仅能向右侧、正上、右上三个方向前进，且不能回头，不能存在空元素，搜索过程为DTW算法(动态时间规整算法)的规则，动态时间规整算法为公知技术，本实施例在此不作具体说明，最终得到两个像素点序列中每个像素点所匹配到的所有像素点的匹配结果。
S4、获取滤波权重，并得到滤波后的灰度值以及每帧滤波图像；
具体的，利用匹配结果获取第一像素点序列与第二像素点序列的灰度均方误差，第一窗口与每个第二窗口的中心点之间的目标欧氏距离，获取每个第二窗口在非局部均值滤波中的滤波权重；根据第一窗口所在的搜索窗口内的每个第二目标窗口在非局部均值滤波中的滤波权重、每个第二目标窗口内的灰度均值，获取第一目标窗口的中心点对应的高亮噪声像素点滤波后的灰度值，根据每帧灰度图像中所有高亮噪声像素点滤波后的灰度值得到每帧滤波图像。
其中，获取第一像素点序列与第二像素点序列的灰度均方误差，灰度均方误差公式为：
Figure BDA0004118114530000141
MSE(A，Bn)表示第一像素点序列A与第n个第二像素点序列Bn的灰度均方误差；
L2-1表示第一像素点序列A所对应的像素点总数，L表示第一像素点序列A所对应的第一窗口的尺寸；
Ln 2-1表示第n个第二像素点序列Bn所对应的像素点总数，Ln表示Ln第二像素点序列Bn所对应的第二窗口的尺寸；
Figure BDA0004118114530000142
表示第一像素点序列A中的第i个像素点的灰度值；
Figure BDA0004118114530000143
表示第n个第二像素点序列Bn中，与第一像素点序列A中的第i个像素点匹配的第ri个像素点的灰度值；
需要说明的是，[max(L，Ln)]2-1表示第n个第二像素点序列Bn与第一像素点序列A中最长序列的长度，
Figure BDA0004118114530000144
表示第一像素点序列A中的第i个像素点与第n个第二像素点序列Bn中相互匹配的第ri个像素点的灰度差，匹配结果是，对于序列短的像素点序列中的每个像素点，在序列长的像素点序列中都有其对应的匹配像素点，且匹配像素点有一个，也可能有多个，其中，灰度均方误差为现有技术公式，本实施例不再赘述。
其中，获取每个第二窗口在非局部均值滤波中的滤波权重包括：获取第一像素点序列与第二像素点序列的灰度均方误差，与对应的目标欧氏距离的欧式范数；对灰度均方误差与目标欧氏距离的欧式范数进行负相关计算；对负相关计算的结果进行归一化计算得到每个第二窗口在非局部均值滤波中的权，其中，第二窗口在非局部均值滤波中的滤波权重的计算公式为：
Figure BDA0004118114530000151
式中，ρn表示第n个第二像素点序列对应的第二窗口在非局部均值滤波中的滤波权重；
MSE(A，Bn)表示第一像素点序列A与第n个第二像素点序列Bn的灰度均方误差；
S表示第一像素点序列A对应的第一窗口的中心点，与第n个第二像素点序列Bn对应的第二窗口的中心点之间的目标欧氏距离；
e表示自然常数；
nor表示归一化函数；
需要说明的是，两个序列中的像素点的灰度均方误差越小，越能说明第一像素点序列与第二像素点序列(或者说第一窗口和第二窗口内)的灰度结构越相近，这时滤波权重应该越高，而目标欧氏距离越小，越说明第二窗口距离第一窗口的中心点越近，即目标欧氏距离越小越小滤波权重越高，即欧氏范数||S+MSE(A，Bn)||越小，滤波权重越高，故进行负相关计算，即
Figure BDA0004118114530000152
表示负相关计算结果，其中，求目标欧氏距离与灰度均方误差的欧氏范数即为目标欧氏距离S的平方与灰度均方误差的平方和，在开根号。
具体的，获取第一目标窗口的中心点对应的高亮噪声像素点滤波后的灰度值，具体的，第一目标窗口的中心点对应的高亮噪声像素点滤波后的灰度值的计算公式为：
Figure BDA0004118114530000161
式中，
Figure BDA0004118114530000162
表示第一像素点序列A对应的第一目标窗口的中心点o对应的高亮噪声像素点滤波后的灰度值；
ρn表示第n个第二像素点序列对应的第二窗口在非局部均值滤波中的滤波权重；
Figure BDA0004118114530000163
表示第n个第二像素点序列对应的第二窗口内的像素点的灰度均值；
N表示中心点o对应的高亮噪声像素点所在的搜索窗口内的第二窗口的总数；
需要说明的是，
Figure BDA0004118114530000164
为非局部均值滤波的灰度加权过程，此公式为非局部均值滤波方法的现有公式，本实施例不再赘述，其次，本实施例在DTW算法的思想上设计不同尺寸的窗口之间计算相似度的方法，可以在纹理复杂、噪声密集环境下大幅降低高亮噪声点互相之间的干扰问题，且得到了无干扰、更准确的滤波权重，解决了高亮噪声点对非局部均值滤波平滑时的滤波权重不可信问题，同时，需要说明的是，对于图像中剩余的干扰较小的噪声点，本实施例可通过固定的窗口尺寸再进行一次全局平滑即可，这里可以设置二次滤波的窗口尺寸为3，至此，根根据每帧灰度图像中所有高亮噪声像素点滤波后的灰度值得到每帧滤波图像。
S5、调整焊接速度；
具体的，获取每帧滤波图像的匙孔区域，根据相邻帧滤波图像中的匙孔区域的面积，调整焊接速度。
其中，获取每帧滤波图像的匙孔区域，具体的，本实施例通过训练神经网络识别匙孔区域，采集大量的焊接过程中熔池状态的每帧灰度图像，将其按照7：3分为训练集和验证集，利用分类器将匙孔区域的灰度标记为1和非匙孔区域的灰度标记为0，神经网络选用BP神经网络，损失函数为交叉熵，采用梯度下降法对损失函数进行迭代直至最小收敛，完成训练并输入验证集中进行训练结果的验证，得到训练好的神经网络，然后将当前采集的焊接过程中的监测图像输入训练好的神经网络中，识别匙孔区域，并获取连续相邻帧匙孔区域面积的变化，当通过识别匙孔区域与相邻前一帧滤波图像对照出现匙孔面积出现缩小时，代表此时焊接温度较高，此刻需要提高焊接速度，避免热量堆积，即获取相邻帧滤波图像中的当前帧滤波图像相对于前一帧滤波图像的匙孔区域的面积减少率；对当前帧滤波图像相对于前一帧滤波图像的匙孔区域的面积减少率进行非线性转换得到焊接速度的提升率；根据当前焊接速度和焊接速度的提升率调整焊接速度，得到调整后的焊接速度。
其中，焊接速度的提升率的计算公式为：
Figure BDA0004118114530000171
式中，ωv表示焊接速度的提升率；
γ表示相邻帧滤波图像中的当前帧滤波图像相对于前一帧滤波图像的匙孔区域的面积减少率，即当前帧滤波图像与前一帧滤波图像的匙孔区域面积之差的绝对值，与前一帧匙孔区域的面积的比值；
e表示自然常数；
需要说明的是，当通过识别匙孔区域与相邻前一帧滤波图像对照出现匙孔面积出现缩小时，即代表此时焊接温度较高，此刻需要提高焊接速度，避免热量堆积，焊接速度升率与匙孔面积变化率为非线性关系，因此利用Sigmoid函数将其转化为非线性，
Figure BDA0004118114530000181
表示Sigmoid函数，Sigmoid函数为现有技术函数，常用于非线性转化，故，本实施例不再赘述。
最后，即可将焊接速度调整为在当前速度的基础上提升(100％+ωv)。
本发明的一种基于熔池状态分析的焊接参数自适应调整方法，由于由光线干扰导致的此类噪声大多属于高斯噪声，其会对采集的图像质量造成严重损害，会影响对熔池中匙孔的识别与分析，故先获取焊接过程中熔池状态的灰度图像中的高亮噪声像素点，然后需要对高亮噪声像素点进行平滑，由于现有的非局部均值滤波一般采用固定尺寸的窗口，但当采集的焊接熔池的图像纹理结构混乱、复杂且噪声较密集时，采用固定窗口尺寸既可能会导致所有窗口内的滤波权重可信度均较低，也会使噪声像素点在加权平滑过程中占据较高的影响，使平滑效果较差，故本发明通过自适应获取每个噪声像素点的窗口尺寸，即搜索窗口内的第一窗口及第二窗口，由于窗口尺寸是自适应获取的，故第一窗口与第二窗口并不相同，故在对高亮噪声像素点进行平滑时，本发明结合DTW算法的思想，对尺寸不同的窗口之间进行相似度的计算，使得最大程度上可以避免第一窗口内存在其他高亮噪点对后续获取滤波权重时产生的可信度影响，基于此，得到第一窗口的第一像素点序列及每个第二窗口对应的第二像素点序列中像素点的匹配结果，基于匹配结果得到无干扰、更准确的滤波权重，并利用无干扰、更准确的滤波权重对高亮噪声像素点进行滤波处理，得到滤波后的灰度值，并得到滤波图像，基于相邻帧滤波图像之间的匙孔区域的面积，实现焊接速度的调整。本发明在纹理复杂、噪声密集环境下大幅降低了高亮噪声点互相之间的干扰问题，得到无干扰、更准确的滤波权重，从而得到细节纹理清晰的滤波图像，进一步的基于滤波图像，实现对焊接速度的准确调整。
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 (10)

1.一种基于熔池状态分析的焊接参数自适应调整方法，其特征在于，包括：
获取焊接过程中熔池状态的每帧灰度图像；
获取每帧灰度图像中的高亮噪声像素点，以每个高亮噪声像素点为中心点设置搜索窗口，获取搜索窗口的中心点对应的高亮噪声像素点的第一窗口及搜索窗口内非中心点对应的每个高亮噪声像素点的第二窗口，根据每个高亮噪声像素点与距离最近的高亮噪声像素点的欧氏距离，获取第一窗口及每个第二窗口的窗口尺寸；
获取第一窗口的第一像素点序列及每个第二窗口对应的第二像素点序列，根据第一像素点序列与第二像素点序列中每个像素点的灰度值，以及每个像素点与其所在窗口的中心点的连线方向，获取第一像素点序列与第二像素点序列中像素点的匹配结果；
利用匹配结果获取第一像素点序列与第二像素点序列的灰度均方误差，第一窗口与每个第二窗口的中心点之间的目标欧氏距离，获取每个第二窗口在非局部均值滤波中的滤波权重；
根据第一窗口所在的搜索窗口内的每个第二目标窗口在非局部均值滤波中的滤波权重、每个第二目标窗口内的灰度均值，获取第一目标窗口的中心点对应的高亮噪声像素点滤波后的灰度值，根据每帧灰度图像中所有高亮噪声像素点滤波后的灰度值得到每帧滤波图像；
获取每帧滤波图像的匙孔区域，根据相邻帧滤波图像中的匙孔区域的面积，调整焊接速度。
2.根据权利要求1所述的一种基于熔池状态分析的焊接参数自适应调整方法，其特征在于，获取第一像素点序列与第二像素点序列中像素点的匹配结果，包括：
根据第一像素点序列与第二像素点序列中每个像素点的灰度值，以及每个像素点与其所在窗口的中心点的连线方向，获取第一像素点序列的每个像素点与第二像素点序列中的每个像素点之间的距离参数；
根据每两个像素点之间的距离参数，并利用动态时间规整算法获取第一像素点序列与第二像素点序列中像素点的匹配结果。
3.根据权利要求2所述的一种基于熔池状态分析的焊接参数自适应调整方法，其特征在于，获取第一像素点序列的每个像素点与第二像素点序列中的每个像素点之间的距离参数，包括：
获取第一像素点序列中每个像素点与第一像素点序列对应的第一窗口的中心点之间的第一灰度差值；
获取第二像素点序列中每个像素点与第二像素点序列对应的第二窗口的中心点之间的第二灰度差值；
根据第一灰度差值与第二灰度差值，获取第一像素点序列中的每个像素点与第二像素点序列中的每个像素点之间的初始距离参数；
根据第一像素点序列中的每个像素点和像素点对应的第一窗口中的中心点的连线方向，与第二像素点序列中的每个像素点和像素点对应的第二窗口中的中心点的连线方向，获取第一像素点序列与第二像素点序列中的每两个像素点之间的方向差异性；
根据第一像素点序列与第二像素点序列中对应的每两个像素点对应的方向差异性、初始距离参数，获取第一像素点序列的每个像素点与第二像素点序列中的每个像素点之间的距离参数。
4.根据权利要求3所述的一种基于熔池状态分析的焊接参数自适应调整方法，其特征在于，获取第一像素点序列中的每个像素点与第二像素点序列中的每个像素点之间的初始距离参数，包括：
对第一灰度差值的绝对值与第二灰度差值的绝对值做差，得到目标差值；
将目标差值的绝对值作为第一像素点序列与第二像素点序列中的每两个像素点之间的初始距离参数。
5.根据权利要求3所述的一种基于熔池状态分析的焊接参数自适应调整方法，其特征在于，获取第一像素点序列与第二像素点序列中的每两个像素点之间的方向差异性，包括：
将第一像素点序列中的每个像素点和像素点对应的第一窗口中的中心点的连线，与水平线的夹角值作为第一像素点序列中的每个像素点和像素点对应的第一窗口中的中心点的第一连线方向；
将第二像素点序列中的每个像素点和像素点对应的第二窗口中的中心点的连线，与水平线的夹角值作为第二像素点序列中的每个像素点和像素点对应的第二窗口中的中心点的第二连线方向；
将第一连线方向与第二连线方向的差值绝对值，作为第一像素点序列与第二像素点序列中的每两个像素点之间的方向差异性。
6.根据权利要求1所述的一种基于熔池状态分析的焊接参数自适应调整方法，其特征在于，获取每个第二窗口在非局部均值滤波中的滤波权重，包括：
获取第一像素点序列与第二像素点序列的灰度均方误差，与对应的目标欧氏距离的欧式范数；
对灰度均方误差与目标欧氏距离的欧式范数进行负相关计算；
对负相关计算的结果进行归一化计算得到每个第二窗口在非局部均值滤波中的滤波权重。
7.根据权利要求1所述的一种基于熔池状态分析的焊接参数自适应调整方法，其特征在于，获取第一窗口及每个第二窗口的窗口尺寸的步骤相同，即每个高亮噪声像素点对应的窗口的窗口尺寸小于或者等于该高亮噪声像素点与距离最近的高亮噪声像素点的欧氏距离；其中，每个高亮噪声像素点对应的窗口尺寸下的窗口大小最小为8邻域大小。
8.根据权利要求1所述的一种基于熔池状态分析的焊接参数自适应调整方法，其特征在于，将第一窗口内的每个像素点从左到右，从上到下依次排列，得到每个第一窗口的第一像素点序列，将每个第二窗口内的每个像素点从左到右，从上到下依次排列，得到每个第二窗口的第二像素点序列，其中，第一像素点序列不包括对应的第一窗口的中心像素点，第二像素点序列不包括对应的第二窗口的中心像素点。
9.根据权利要求1所述的一种基于熔池状态分析的焊接参数自适应调整方法，其特征在于，调整焊接速度，包括：
获取相邻帧滤波图像中的当前帧滤波图像相对于前一帧滤波图像的匙孔区域的面积减少率；
对当前帧滤波图像相对于前一帧滤波图像的匙孔区域的面积减少率进行非线性转换得到焊接速度的提升率；
根据当前焊接速度和焊接速度的提升率调整焊接速度，得到调整后的焊接速度。
10.根据权利要求1所述的一种基于熔池状态分析的焊接参数自适应调整方法，其特征在于，将灰度值大于其8邻域内的所有邻域像素点的灰度值对应的像素点记为高亮噪声像素点。
CN202310224924.9A 2023-03-09 2023-03-09 基于熔池状态分析的焊接参数自适应调整方法 Active CN116258649B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310224924.9A CN116258649B (zh) 2023-03-09 2023-03-09 基于熔池状态分析的焊接参数自适应调整方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310224924.9A CN116258649B (zh) 2023-03-09 2023-03-09 基于熔池状态分析的焊接参数自适应调整方法

Publications (2)

Publication Number Publication Date
CN116258649A true CN116258649A (zh) 2023-06-13
CN116258649B CN116258649B (zh) 2023-09-05

Family

ID=86679147

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310224924.9A Active CN116258649B (zh) 2023-03-09 2023-03-09 基于熔池状态分析的焊接参数自适应调整方法

Country Status (1)

Country Link
CN (1) CN116258649B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116511652A (zh) * 2023-06-30 2023-08-01 江苏永大化工设备有限公司 一种气体保护焊接工艺参数优化系统及方法
CN117253144A (zh) * 2023-09-07 2023-12-19 建研防火科技有限公司 一种火灾风险分级管控方法
CN117381105A (zh) * 2023-12-11 2024-01-12 宾采尔(广州)焊接技术有限公司 机器人焊接电流控制方法、装置、电子设备和存储介质
CN117943256A (zh) * 2024-03-27 2024-04-30 海斯坦普汽车组件(北京)有限公司 一种自适应涂胶工艺控制方法及系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140064615A1 (en) * 2012-09-05 2014-03-06 Peking University Method and Device for Denoising Videos Based on Non-Local Means
CN108921800A (zh) * 2018-06-26 2018-11-30 成都信息工程大学 基于形状自适应搜索窗口的非局部均值去噪方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140064615A1 (en) * 2012-09-05 2014-03-06 Peking University Method and Device for Denoising Videos Based on Non-Local Means
CN108921800A (zh) * 2018-06-26 2018-11-30 成都信息工程大学 基于形状自适应搜索窗口的非局部均值去噪方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
SONG ZHANG, ET AL.: "ACTIVE MATCHING FOR PATCH ADAPTIVITY IN NON LOCAL MEANS IMAGE DENOISING", IN 2015 IEEE INTERNATIONAL CONFERENCE ON ACOUSTICS, SPEECH AND SIGNAL PROCESSING (ICASSP), pages 1 - 5 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116511652A (zh) * 2023-06-30 2023-08-01 江苏永大化工设备有限公司 一种气体保护焊接工艺参数优化系统及方法
CN116511652B (zh) * 2023-06-30 2023-09-08 江苏永大化工设备有限公司 一种气体保护焊接工艺参数优化系统及方法
CN117253144A (zh) * 2023-09-07 2023-12-19 建研防火科技有限公司 一种火灾风险分级管控方法
CN117253144B (zh) * 2023-09-07 2024-04-12 建研防火科技有限公司 一种火灾风险分级管控方法
CN117381105A (zh) * 2023-12-11 2024-01-12 宾采尔(广州)焊接技术有限公司 机器人焊接电流控制方法、装置、电子设备和存储介质
CN117381105B (zh) * 2023-12-11 2024-03-08 宾采尔(广州)焊接技术有限公司 机器人焊接电流控制方法、装置、电子设备和存储介质
CN117943256A (zh) * 2024-03-27 2024-04-30 海斯坦普汽车组件(北京)有限公司 一种自适应涂胶工艺控制方法及系统

Also Published As

Publication number Publication date
CN116258649B (zh) 2023-09-05

Similar Documents

Publication Publication Date Title
CN116258649B (zh) 基于熔池状态分析的焊接参数自适应调整方法
US7840036B2 (en) Human being detection apparatus, method of detecting human being, and human being detecting program
CN111144364B (zh) 一种基于通道注意更新机制的孪生网络目标跟踪方法
CN108470356B (zh) 一种基于双目视觉的目标对象快速测距方法
KR100327852B1 (ko) 화상일치검출장치및화상일치검출방법
CN104102068B (zh) 自动对焦方法及自动对焦装置
CN113592911B (zh) 表观增强深度目标跟踪方法
CN115511889A (zh) 一种太阳能电池板支架表面焊接缺陷检测方法
CN116423005B (zh) 一种提高焊接精度的锡焊工艺优化方法及系统
CN111553425B (zh) 一种用于视觉定位的模板匹配lsp算法、介质和设备
CN109739011B (zh) 一种基于改进爬山法的自动对焦方法
CN114862802A (zh) 基于图像处理的钢结构的切割控制方法
CN109509181B (zh) 一种基于串行轮廓搜索的熔覆池形状视觉检测方法
CN106355597A (zh) 基于单目视觉的钢板折角自动测量机器人图像处理方法
CN115908410B (zh) 基于机器视觉的压力容器激光焊接控制方法
CN112025090A (zh) 一种激光深熔焊缺陷的在线检测方法及检测装置
CN111429485A (zh) 基于自适应正则化和高信度更新的跨模态滤波跟踪方法
CN113763401A (zh) 一种快速多点自动对焦方法、系统及其应用设备
CN113406764A (zh) 光学镜头镜片调芯方法及系统
CN115546072B (zh) 一种图像畸变矫正方法
CN113959341B (zh) 光学结构位移测量方法、系统及存储介质
CN112733680B (zh) 一种基于监控视频流生成高质量人脸图像的模型训练方法、提取方法、装置和终端设备
JP4298283B2 (ja) パターン認識装置、パターン認識方法、及びプログラム
CN107959767B (zh) 一种以电视跟踪结果为导向的调焦调光方法
CN115082714A (zh) 一种基于mcd距离的自适应模板匹配算法

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