CN117291966A - 金属定向能量沉积熔池宽度提取方法与系统 - Google Patents

金属定向能量沉积熔池宽度提取方法与系统 Download PDF

Info

Publication number
CN117291966A
CN117291966A CN202210693146.3A CN202210693146A CN117291966A CN 117291966 A CN117291966 A CN 117291966A CN 202210693146 A CN202210693146 A CN 202210693146A CN 117291966 A CN117291966 A CN 117291966A
Authority
CN
China
Prior art keywords
image
molten pool
width
energy deposition
extracting
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.)
Pending
Application number
CN202210693146.3A
Other languages
English (en)
Inventor
苗立国
邢飞
唱丽丽
史建军
柴媛欣
闫成鑫
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.)
Nanjing Zhongke Raycham Laser Technology Co Ltd
Original Assignee
Nanjing Zhongke Raycham Laser Technology 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 Nanjing Zhongke Raycham Laser Technology Co Ltd filed Critical Nanjing Zhongke Raycham Laser Technology Co Ltd
Priority to CN202210693146.3A priority Critical patent/CN117291966A/zh
Publication of CN117291966A publication Critical patent/CN117291966A/zh
Pending legal-status Critical Current

Links

Classifications

    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration using local operators
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/181—Segmentation; Edge detection involving edge growing; involving edge linking
    • 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
    • G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
    • 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
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • 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
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
    • 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
    • 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
    • G06T2207/20024—Filtering details
    • G06T2207/20032—Median filtering
    • 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
    • G06T2207/20112—Image segmentation details
    • G06T2207/20116—Active contour; Active surface; Snakes

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Geometry (AREA)
  • Multimedia (AREA)
  • Image Analysis (AREA)

Abstract

本发明提供一种金属定向能量沉积熔池宽度提取方法与系统，包括以下步骤：步骤1、对输入的熔池图像进行灰度化处理生成灰度图像；步骤2、对所述灰度图像进行滤波处理；步骤3、提取滤波后图像的熔池图像轮廓，对所述图像进行遍历，提取出图像边缘点，记轮廓点像素集合为(xk,yk),k＝1,2,..n；步骤4、基于所述熔池图像轮廓点集合(xk,yk)进行椭圆拟合，并计算椭圆的短边长度为熔池宽度。本发明提出的金属定向能量沉积熔池宽度提取方法与系统，结合送粉打印的熔池边缘轮廓近似椭圆的特性，采用椭圆拟合的方式，避免了因为图像亮度低、边缘暗的问题导致熔池宽度提取不准确的问题，提取后的熔池边缘形状更符合实际工况。

Description

金属定向能量沉积熔池宽度提取方法与系统
技术领域
本发明涉及激光增材制造技术领域，具体而言涉及一种金属定向能量沉积熔池宽度提取方法。
背景技术
激光增材制造技术被广泛的应用在工业制造、航空航天、生物医疗等各个领域。在激光增材制造过程中，对熔池的在线监控，包括对熔池的温度、形状、面积和长宽等的动态变化过程进行实时检测，研究这些动态变化对产品的影响，从而对制造过程中出现的异常进行监测，对保证最终产品的质量、分析打印层的缺陷具有十分重要的意义。
现有技术中对于熔池参数的检测主要分为两类，其中一种是利用计算机视觉识别技术，利用熔池图像的像素值计算熔池的相应参数，例如基于自适应阈值的识别计算方法，其定义白色像素点为熔池区域，采用面积公式计算出熔池宽度但，但当熔池亮度偏低时，计算结果的准确性较差。另一种是利用外接矩形的方式进行熔池边界尺寸计算，例如以矩形短边长度作为熔池宽度，但在熔池亮度偏低时，提取轮廓不准确，导致宽度难以确定。
在实际的计算过程中，以上两种方式存在的共同问题是，在实际打印工况的影响下，尤其是打印仓体内复杂的烟气环境以及熔池本身特性的弱边缘的存在，例如图1所示的熔池图像，由于熔池边缘区域弱，如矩形框所表示的部分，图像灰度梯度差异小，因此难以准确检测出熔池边界，进而影响边缘特征提取。
发明内容
根据本发明的第一方面提出一种金属定向能量沉积熔池宽度提取方法，尤其适用于送粉打印系统的熔池图像识别，其提取过程包括以下步骤：
步骤1、对输入的熔池图像进行灰度化处理生成灰度图像；
步骤2、对所述灰度图像进行滤波处理；
步骤3、提取滤波后图像的熔池图像轮廓，采用边缘检测算子对所述图像进行遍历，提取出图像边缘点，记轮廓点像素集合为(xk,yk),k＝1,2,..n；
步骤4、基于所述熔池图像轮廓点集合(xk,yk)进行椭圆拟合，并计算椭圆的短边长度作为熔池宽度。
优选地，所述基于所述熔池图像轮廓点集合(xk,yk)进行椭圆拟合，并计算椭圆的短边长度作为熔池宽度，包括：
根据熔池图像轮廓点集合(xk,yk)，基于最小二乘法进行边缘椭圆拟合，具体包括以下步骤：
步骤4-1、建立如下式(1.3)的椭圆曲线计算模型：
F(X,Y)＝x2+Axy+By2+Cx+Dy+E＝0(1.3)
以测量数据的误差的平方和最小为目标，即所有离散点到曲线的代数误差之和最小为目标进行曲线拟合，平面某点(x0,y0)到方程f(x,y)＝0所代表曲线的距离即为f(x0,y0)；对离散样本进行最小二乘处理，要求目标函数f(A,B,C,D,E)取最小值来计算各个系数；
其中，(xi,yi)表示平面中的点，即基于Canny算子提取后的轮廓点的像素值；
根据极值函数有：
步骤4-2、结合式(1.4)、(1.5)应用主元高斯消去法，计算得到系数A、B、C、D、E的值；
步骤4-3、基于所得系数A、B、C、D、E的值，计算椭圆圆心坐标(x0,y0)：
x0＝(2BC-AD)/(A2-4B)；
y0＝(2D-AC)/(A2-4B)；
计算椭圆的短半轴a以及长半轴b：
由此，确定出椭圆的短边长度2*a作为熔池宽度。
根据本发明的第二方面还提出一种金属定向能量沉积熔池宽度提取系统，包括：
一个或多个处理器；
存储器，存储可被操作的指令，指令在被一个或多个处理器执行时实现前述金属定向能量沉积熔池宽度提取方法的过程。
根据本发明的第三方面还提出一种存储计算机程序的计算机可读取介质，计算机程序包括能被一个或多个计算机执行的指令，指令在被一个或多个处理器执行时实现前述金属定向能量沉积熔池宽度提取方法的过程。
与现有技术相比，本发明提出的金属定向能量沉积熔池宽度提取方法与系统，结合送粉打印的熔池边缘轮廓近似椭圆的特性，采用椭圆拟合的方式，避免了因为图像亮度低、边缘暗的问题导致熔池宽度提取不准确的问题，提取后的熔池边缘形状更符合实际工况。
应当理解，前述构思以及在下面更加详细地描述的额外构思的所有组合只要在这样的构思不相互矛盾的情况下都可以被视为本公开的发明主题的一部分。另外，所要求保护的主题的所有组合都被视为本公开的发明主题的一部分。
结合附图从下面的描述中可以更加全面地理解本发明教导的前述和其他方面、实施例和特征。本发明的其他附加方面例如示例性实施方式的特征和/或有益效果将在下面的描述中显见，或通过根据本发明教导的具体实施方式的实践中得知。
附图说明
附图不意在按比例绘制。在附图中，在各个图中示出的每个相同或近似相同的组成部分可以用相同的标号表示。为了清晰起见，在每个图中，并非每个组成部分均被标记。现在，将通过例子并参考附图来描述本发明的各个方面的实施例，其中：
图1是熔池图像弱边缘区域的示意图。
图2a-2d是根据本发明的实施例金属定向能量沉积熔池宽度提取方法提取熔池宽度的示意图。
图3是像素点及其领域的示意图。
图4是本发明示例性实施例的熔池图像滤波处理的过程示意图。
图5是本发明示例性实施例的熔池图像椭圆拟合的原理示意图。
图6是本发明示例性实施例的熔池图像椭圆拟合与现有的像素计算、外接矩形方法的对比示意图。
具体实施方式
为了更了解本发明的技术内容，特举具体实施例并配合所附图式说明如下。
在本公开中参照附图来描述本发明的各方面，附图中示出了许多说明的实施例。本公开的实施例不必定意在包括本发明的所有方面。应当理解，上面介绍的多种构思和实施例，以及下面更加详细地描述的那些构思和实施方式可以以很多方式中任意一种来实施，这是因为本发明所公开的构思和实施例并不限于任何实施方式。另外，本发明公开的一些方面可以单独使用，或者与本发明公开的其他方面的任何适当组合来使用。
结合本发明的示例的金属定向能量沉积熔池宽度提取方法，包括以下步骤：步骤1、对输入的熔池图像进行灰度化处理生成灰度图像；步骤2、对灰度图像进行滤波处理；步骤3、提取滤波后图像的熔池图像轮廓，采用边缘检测算子对图像进行遍历，提取出图像边缘点，记轮廓点像素集合为(xk,yk),k＝1,2,..n；步骤4、基于熔池图像轮廓点集合(xk,yk)进行椭圆拟合，并计算椭圆的短边长度作为熔池宽度。
本发明实施例提出的金属定向能量沉积熔池宽度提取方法，尤其适用于对送粉增材制造打印的熔池特征的提取，针对其熔池的特性，可反映出熔池尺寸信息，如长、宽、面积，在本发明的实施例中，主要提取宽度信息，打印过程中，通过增材制造定向能量沉积在线监控系统，实时采集熔池图像，针对金属定向能量沉积熔池近似椭圆特性，采用椭圆对熔池边缘数据进行拟合，近似表征熔池边缘，获得熔池宽度数据。
在具体的处理过程中，对于采集获得的视频流，提取图像数据流的每一帧图像，进行熔池拟合和宽度提取。
作为可选的实施例，对输入的熔池图像进行灰度化处理生成灰度图像，包括：
基于下述式(1.1)的灰度处理函数进行灰度化处理：
ygray＝(R+G+B)/3 (1.1)
式中，R、G、B为图像红、绿、蓝三个通道图像对应像素点灰度值，ygray为计算后的单通道图像像素点灰度值，如图2a所示为灰度处理后的熔池图像的示例。
由此，对于原始获得熔池图像，原图像分为R、G、B三通道，但由于R、G、B、三通道像素数值相同，视觉上并差别，转换为灰度图像后，三通道变为GRAY一通道，计算量减少了三分之一，从而降低计算量，提高计算效率。
在本发明的实施例中，对灰度图像进行滤波处理，包括：对每一帧灰度图像进行中值滤波处理。
作为可选的实施例，对每一帧灰度图像进行中值滤波处理，包括：
对每一帧灰度图像上的像素Q(x,y)确定相同的滤波范围L*L，并基于下述式(1.2)的滤波处理函数，进行中值滤波处理：
g(x,y)＝med{f(x-k),(y-l),(k,l∈W)} (1.2)
式中，f(x,y)，g(x,y)分别为原始图像和处理后图像对应像素值；W为定义的卷积核；滤波卷积核模板度采用长度为奇数的L*L矩形窗口，L＝2N+1，N为正整数。
由此，对于灰度处理之后的熔池图像，针对其中出现的随机离散分布的椒盐噪声，白点或者黑点像素点，采用滑动窗口，对于某一像素点的值，结合其领域的多个像素点进行排序以后，取中值作为该点的像素值，由此经过中值率滤波，让周围的像素值接近真实值，从而消除孤立的噪声点，在滤除噪声的同时，能够保护信号的边缘，使之不被模糊。
结合图3所示为像素点及其领域的像素点的示意图，某一个像素点的邻域是指该像素点相邻的多个像素点，邻域范围的大小取决于滑动窗口的大小，即L的取值，例如3*3，5*5的核。图3中以3*3的核为例，点(2，2)表示当前像素点，则位于该点周围3*3范围内的8个点，即灰色部分为该像素点的领域。
结合金属定向能量沉积的熔池图像，如果不在边缘区域，图像的数据是平缓的，没有太大的差值。因此，一个噪声点的值要么过大，要么过小。例如在图4所示，左图是没有处理的原图，250在该区域由为突出，通过对3*3的9个数据进行排序，将中间值150重新填入，即滤波完成，原本的噪声点被去掉，该区域恢复平缓。
在边缘区域中，对于边界来说，高频不会影响，而过低数值将会突出，中值的选择将不会受到影响。
在一些实施例中，如果3*3的整块区域都被污染，可以调整矩形框的大小，即使用更大的核，例如5*5来进行滤波处理，去除突出的随机离散噪声。
在本发明的实施例中，我们采用最小滤波卷积模板进行中值滤波处理，以最大限度保存图像原始特征信息，前述N取值为1，如图2b所示为采用最小滤波卷积模板进行中值滤波处理之后的熔池图像的示例。
在本发明的实施例中，对于滤除离散噪声后的熔池图像，采用边缘检测算子边缘检测算法进行遍历处理，实现边缘检测，获得图像的边缘点，即轮廓点。
作为可选的实施例，前述边缘检测算子可采用Canny、Sobel、Prewitt等。
在本发明的实施例中，基于Canny算子的多级边缘检测算法进行熔池边缘点的定位与检测，即通过计算图像梯度幅度和方向来估计每一点处的边缘强度与方向，根据梯度方向，对梯度幅值进行非极大值抑制，最后通过双阈值处理和连接边缘，实现边缘点的检测。图2c为采用Canny算子对所述图像进行遍历，提取出图像边缘点的记轮廓点像素的示意。
结合图5所示的椭圆拟合二维坐标原理示意，基于熔池图像轮廓点集合(xk,yk)进行椭圆拟合，并计算椭圆的短边长度作为熔池宽度，包括：
根据熔池图像轮廓点集合(xk,yk)，基于最小二乘法进行边缘椭圆拟合，具体包括以下步骤：
步骤4-1、建立如下式(1.3)的椭圆曲线计算模型：
F(X,Y)＝x2+Axy+By2+Cx+Dy+E＝0 (1.3)
以测量数据的误差的平方和最小为目标，即所有离散点到曲线的代数误差之和最小为目标进行曲线拟合，平面某点(x0,y0)到方程f(x,y)＝0所代表曲线的距离即为f(x0,y0)；对离散样本进行最小二乘处理，要求目标函数f(A,B,C,D,E)取最小值来计算各个系数；
其中，(xi,yi)表示平面中的点，即基于Canny算子提取后的轮廓点的像素值；
根据极值函数有：
步骤4-2、结合式(1.4)、(1.5)应用主元高斯消去法，计算得到系数A、B、C、D、E的值；
步骤4-3、基于所得系数A、B、C、D、E的值，计算椭圆圆心坐标(x0,y0)：
计算椭圆的短半轴a以及长半轴b：
由此，确定出椭圆的短边长度2*a作为熔池宽度。
结合图2d所示，根据前述椭圆拟合的过程，对图2c所示的熔池图像的边缘轮廓进行椭圆拟合后，获得熔池的宽度。
结合图6所示的不同熔池宽度提取方法的对比示例，通过像素计算的计算结果的误差大，而且像素计算算法要求实现自适应阈值的划定，对熔池亮度要求较高，如图6所示，计算后的白色区域与实际熔池区域明显不符，误差较大。而在利于外接矩形的计算方法中，同样对熔池亮度要求较高，根据轮廓计算最小外接矩形，默认矩形短边为熔池宽度，但是当图像亮度明暗变化时，有可能矩形长边尺寸更接近熔池宽度，导致出现较大的估计误差。因此，上述常用的2种方式都对熔池亮度和边缘特性提出很高的要求，这是难以实现的，因此导致传统的熔池宽度提取方法存在较大的误差。
在本发明的实施例中，充分结合了熔池边缘轮廓近似椭圆的特点，采用椭圆拟合的方式，避免了因为图像亮度低，边缘暗的问题导致熔池宽度提取不准确的问题，对比传统方式，本文算法提取后的熔池边缘形状更符合实际工况。
根据本发明的实施例，还公开一种金属定向能量沉积熔池宽度提取系统，包括：
一个或多个处理器；
存储器，存储可被操作的指令，指令在被一个或多个处理器执行时实现前述实施例的金属定向能量沉积熔池宽度提取方法的过程。
根据本发明的实施例，还公开一种存储计算机程序的计算机可读取介质，计算机程序包括能被一个或多个计算机执行的指令，指令在被一个或多个处理器执行时实现前述实施例的金属定向能量沉积熔池宽度提取方法的过程。
虽然本发明已以较佳实施例揭露如上，然其并非用以限定本发明。本发明所属技术领域中具有通常知识者，在不脱离本发明的精神和范围内，当可作各种的更动与润饰。因此，本发明的保护范围当视权利要求书所界定者为准。

Claims (9)

1.一种金属定向能量沉积熔池宽度提取方法，其特征在于，包括以下步骤：
步骤1、对输入的熔池图像进行灰度化处理生成灰度图像；
步骤2、对所述灰度图像进行滤波处理；
步骤3、提取滤波后图像的熔池图像轮廓，采用边缘检测算子对所述图像进行遍历，提取出图像边缘点，记轮廓点像素集合为(xk,yk),k＝1,2,..n；
步骤4、基于所述熔池图像轮廓点集合(xk,yk)进行椭圆拟合，并计算椭圆的短边长度作为熔池宽度。
2.根据权利要求1所述的金属定向能量沉积熔池宽度提取方法，其特征在于，所述熔池图像为增材制造定向能量沉积在线监控熔池所获得的图像数据流的每一帧图像。
3.根据权利要求1所述的金属定向能量沉积熔池宽度提取方法，其特征在于，所述对输入的熔池图像进行灰度化处理生成灰度图像，包括：
基于下述式(1.1)的灰度处理函数进行灰度化处理：
ygray＝(R+G+B)/3 (1.1)
式中，R、G、B为图像红、绿、蓝三个通道图像对应像素点灰度值，ygray为计算后的单通道图像像素点灰度值。
4.根据权利要求1所述的金属定向能量沉积熔池宽度提取方法，其特征在于，所述对所述灰度图像进行滤波处理，包括：
对每一帧灰度图像进行中值滤波处理。
5.根据权利要求4所述的金属定向能量沉积熔池宽度提取方法，其特征在于，所述对每一帧灰度图像进行中值滤波处理，包括：
对每一帧灰度图像上的像素Q(x,y)确定相同的滤波范围L*L，并基于下述式(1.2)的滤波处理函数，进行中值滤波处理：
g(x,y)＝med{f(x-k),(y-l),(k,l∈W)} (1.2)
式中，f(x,y)，g(x,y)分别为原始图像和处理后图像对应像素值；W为定义的卷积核；滤波卷积核模板度采用长度为奇数的L*L矩形窗口，L＝2N+1，N为正整数。
6.根据权利要求5所述的金属定向能量沉积熔池宽度提取方法，其特征在于，所述基于所述式(1.2)的滤波处理函数，进行中值滤波处理，包括：
采用最小滤波卷积模板进行中值滤波处理，以最大限度保存图像原始特征信息，前述N取值为1。
7.根据权利要求1所述的金属定向能量沉积熔池宽度提取方法，其特征在于，所述基于所述熔池图像轮廓点集合(xk,yk)进行椭圆拟合，并计算椭圆的短边长度作为熔池宽度，包括：
根据熔池图像轮廓点集合(xk,yk)，基于最小二乘法进行边缘椭圆拟合，具体包括以下步骤：
步骤4-1、建立如下式(1.3)的椭圆曲线计算模型：
F(X,Y)＝x2+Axy+By2+Cx+Dy+E＝0 (1.3)
以测量数据的误差的平方和最小为目标，即所有离散点到曲线的代数误差之和最小为目标进行曲线拟合，平面某点(x0,y0)到方程f(x,y)＝0所代表曲线的距离即为f(x0,y0)；对离散样本进行最小二乘处理，要求目标函数f(A,B,C,D,E)取最小值来计算各个系数；
其中，(xi,yi)表示平面中的点，即基于Canny算子提取后的轮廓点的像素值；
根据极值函数有：
步骤4-2、结合式(1.4)、(1.5)应用主元高斯消去法，计算得到系数A、B、C、D、E的值；
步骤4-3、基于所得系数A、B、C、D、E的值，计算椭圆圆心坐标(x0,y0)：
x0＝(2BC-AD)/(A2-4B)；
y0＝(2D-AC)/(A2-4B)；
计算椭圆的短半轴a以及长半轴b：
由此，确定出椭圆的短边长度2*a作为熔池宽度。
8.一种金属定向能量沉积熔池宽度提取系统，其特征在于，包括：
一个或多个处理器；
存储器，存储可被操作的指令，指令在被一个或多个处理器执行时实现所述权利要求1-7中任意一项所述的金属定向能量沉积熔池宽度提取方法的过程。
9.一种存储计算机程序的计算机可读取介质，其特征在于，所述计算机程序包括能被一个或多个计算机执行的指令，指令在被一个或多个处理器执行时实现所述权利要求1-7中任意一项所述的金属定向能量沉积熔池宽度提取方法的过程。
CN202210693146.3A 2022-06-19 2022-06-19 金属定向能量沉积熔池宽度提取方法与系统 Pending CN117291966A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210693146.3A CN117291966A (zh) 2022-06-19 2022-06-19 金属定向能量沉积熔池宽度提取方法与系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210693146.3A CN117291966A (zh) 2022-06-19 2022-06-19 金属定向能量沉积熔池宽度提取方法与系统

Publications (1)

Publication Number Publication Date
CN117291966A true CN117291966A (zh) 2023-12-26

Family

ID=89239592

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210693146.3A Pending CN117291966A (zh) 2022-06-19 2022-06-19 金属定向能量沉积熔池宽度提取方法与系统

Country Status (1)

Country Link
CN (1) CN117291966A (zh)

Similar Documents

Publication Publication Date Title
CN109829876B (zh) 基于机器视觉的链板缺陷在线检测装置及方法
CN108921800B (zh) 基于形状自适应搜索窗口的非局部均值去噪方法
CN113436168B (zh) 一种用于工业焊缝x光图中的裂纹缺陷检测方法
CN109507192B (zh) 一种基于机器视觉的磁芯表面缺陷检测方法
CN109377450B (zh) 一种边缘保护的去噪方法
CN109242853B (zh) 一种基于图像处理的pcb缺陷智能检测方法
CN115049835A (zh) 基于压铸模具缺陷识别的数据预处理方法
CN110230978A (zh) 一种耐火砖几何尺寸测量方法
CN107169979A (zh) 一种改进Canny算子的图像边缘检测方法
CN114399522A (zh) 一种基于高低阈值的Canny算子的边缘检测方法
WO2021109697A1 (zh) 字符分割方法、装置以及计算机可读存储介质
CN115330758B (zh) 基于去噪处理的焊接质量检测方法
CN113506246B (zh) 基于机器视觉的混凝土3d打印构件精细检测方法
CN110796615A (zh) 一种图像去噪方法、装置以及存储介质
CN115096206B (zh) 一种基于机器视觉的零件尺寸高精度测量方法
CN116468641A (zh) 一种红外血管图像增强处理方法
CN109859132A (zh) 一种基于增强图像识别技术的产品质量在线检测方法
CN114127784A (zh) 用于生成相机流的掩模的方法、计算机程序产品和计算机可读介质
CN110111350A (zh) 一种焊接熔池边缘检测方法、装置及存储介质
CN110688871A (zh) 一种基于条码识别的边缘检测方法
CN116912115A (zh) 一种水下图像自适应增强方法、系统、设备及存储介质
CN113781413B (zh) 一种基于Hough梯度法的电解电容定位方法
Wu et al. An improved Canny edge detection algorithm with iteration gradient filter
Tao Enhanced Canny Algorithm for Image Edge Detection in Print Quality Assessment
CN106023097A (zh) 一种基于迭代法的流场图像预处理算法

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