CN117548819A - 一种激光焊缝自动焊接系统及自动识别跟踪方法 - Google Patents

Abstract

本发明提供了一种激光焊缝自动焊接系统及自动识别跟踪方法，包括焊接机器人、传感器、控制器、显示器，所述传感器安装在焊接机器人上，所述控制器与焊接机器人和传感器电性连接，所述显示器与传感器电性连接，所述焊接机器人末端连接有焊枪，所述传感器包括电信号检测模块，图像采集触发模块和熔池图像检测模块。本发明提供了一种激光焊缝自动焊接系统及自动识别跟踪方法，仅解决了焊接设备工作时的观测难、检测难问题，还提高了焊接系统的可靠性。适用于任意自动化焊接设备，兼容性高。改善焊接观测环境，既节约人力，又提高了焊接质量及品质。

Description

一种激光焊缝自动焊接系统及自动识别跟踪方法

技术领域

本发明涉及自动焊接技术领域，具体涉及一种激光焊缝自动识别跟踪方法及自动焊接系统。

背景技术

焊接动态过程信息的实时获取和分析是实现智能化焊接制造的重要部分。针对焊接过程中普遍存在的弧光干扰等问题，多采用外加辅助光源以降低弧光强度波动对成像质量的影响，但这也极大限制了机器人焊接视觉检测系统的可达性。

现有技术中，如中国公开专利CN 113245752 B中公布了一种用于智能焊接的焊缝识别系统及焊接方法，不限定操作人员有无专业能力，包括掌握电焊技术和操作智能设备，操作人员使用焊缝识别装置，实现对焊接工件的焊缝和工作环境等进行识别，其余交计算机(系统)处理、智能焊接机器人完成焊接，极大的降低了对智能焊接的操作能力要求。

但是现有技术中，焊接过程中的弧光干扰问题会影响成像的质量，同时不能对焊接的焊缝情况进行预测，难以及时发现焊接缺陷。

发明内容

本发明的目的是提出一种激光焊缝自动焊接系统及自动识别跟踪方法，解决焊接过程中的弧光干扰问题会影响成像的质量，同时不能对焊接的焊缝情况进行预测，难以及时发现焊接缺陷的问题。

一种激光焊缝自动焊接系统，包括焊接机器人、传感器、控制器、显示器，所述传感器安装在焊接机器人上，所述控制器与焊接机器人和传感器电性连接，所述显示器与传感器电性连接，所述焊接机器人末端连接有焊枪，所述传感器包括电信号检测模块，图像采集触发模块和熔池图像检测模块。

优选的，所述电信号模块用于检测焊接过程电流电源波动；所述图像采集触发模块用于通过电信号对相机进行触发；所述熔池图像检测模块用于拍摄熔池图像和焊丝位置。通过触发图像传感技术和电信号同步传感技术可以在无外加辅助光源下，不受焊接电流波动干扰，更好的捕捉到焊接时的图像。电信号同步传感技术即为通电信号模块检测焊接过程中的电流电源波动，并将电信号传输到控制器，触发图像传感技术即为控制器根据电信号反馈图像采集触发模块，图像采集触发模块控制熔池图像检测模块采集熔池的图像。

优选的，所述熔池图像检测模块固定在焊接机器人末端20-25cm处。熔池图像检测模块与焊枪同步移动，保证拍摄到清晰的熔池图像和焊丝位置。

进一步优选的，所述熔池图像检测模块包括相机、镜头、电参数采集器、图像逻辑触发器。安装简单，可远程高清捕捉焊接过程，且提供多种数据输出接口，使用方便。

优选的，所述熔池图像检测模块采用单目视觉或双目视觉检测。

优选的，所述控制器中包括深度学习算法模型。

优选的，所述深度学习算法模型包括判断模型和预测模型。判断模型用于判断当前焊接进程，预测模型用于对焊缝情况进行预测。

还提供了一种激光焊缝自动识别跟踪方法，使用所述的一种激光焊缝自动焊接系统，包括如下步骤：

S1、通过电信号模块检测焊接过程中的电流电源波动，传递至控制器中的深度学习算法模型中；

S2、控制器根据电信号触发图像采集模块；

S3、图像采集触发模块控制熔池图像检测模块对熔池图像和焊丝位置进行采集，采集后的图像传输至深度学习算法模型中；

S4、控制器根据深度学习算法模型中的判断模型的结果进行分析，判断当前的焊接进程，焊接进程通过显示器显示出来；

S5、控制器根据深度学习算法模型中的预测模型的结果进行预测，预测焊缝情况，预测的焊缝情况通过显示器显示出来。

优选的，所述焊缝情况包括打底焊、填充焊或盖面焊的焊缝尺寸。

进一步优选的，打底焊的焊缝尺寸包括焊缝厚度、背面余高、熔宽，填充焊的焊缝尺寸包括焊缝厚度、熔深、熔宽，盖面焊的焊缝尺寸包括焊缝厚度、熔深、熔宽。

优选的，所述预测模型还可以根据焊缝尺寸对焊接缺陷进行预测。

进一步优选的，焊接缺陷包括余高过高、未焊透、尺寸超范围等。

优选的，通过深度学习算法模型对图像畸变问题进行校正。

进一步优选的，深度学习算法模型包括图像预处理模型，FPN语义分割网络，densefusion姿态估计模型，判断模型，预测模型，通过图像预处理模型对图像进行预处理，对图像畸变问题进行校正。FPN语义分割网络使深度学习算法模型具有识别焊缝的能力，通过FPN语义分割模型可以从图像中识别出焊缝所在位置，并沿着焊缝的边缘轮廓将焊缝从图像中裁剪下来。 Densefusion姿态估计模型可以根据裁剪下来的焊缝图像估计焊缝相对摄像头的3维上的姿态，判断模型根据焊缝姿态检测焊缝的尺寸，与理想状态下焊缝尺寸进行比较并判断焊缝是否焊接到位，预测模型根据焊缝尺寸对焊接缺陷进行预测。

在步骤S3中，图像采集触发模块采集的焊缝图像先通过图像预处理模型对图像畸变问题进行校正，然后进入FPN语义分割网络识别图像中焊缝的位置，并沿着焊缝的边缘轮廓将焊缝从图像中裁剪下来；然后通过Densefusion姿态估计模型预测焊缝的三维姿态，在步骤S4中，将焊缝的三维姿态送入判断模型判断焊缝是否焊接到位，在步骤S5中，预测模型根据焊缝尺寸对焊接缺陷进行预测。

有益效果：

1、本发明提供了一种激光焊缝自动焊接系统及自动识别跟踪方法，不仅解决了焊接设备工作时的观测难、检测难问题，还提高了焊接系统的可靠性。适用于任意自动化焊接设备，兼容性高。改善焊接观测环境，既节约人力，又提高了焊接质量及品质。

2、现有技术中在焊接过程会存在弧光干扰的问题，一般采用外加辅助光源以降低弧光强度波动对成像质量的影响，但这也极大限制了自动焊接系统的运动范围。本发明通过触发图像传感技术和电信号同步传感技术，采取多信息融合的方法，以端对端深度学习的方法，可在无外加辅助光源下，不受焊接电流波动干扰，实时获得清晰的熔池、焊丝/焊枪位置、电弧、坡口、母材等情况，同时结构更精巧，保证焊接机器人的运动范围，实现焊接过程自动焊接系统的高可达性。

3、现有技术中不能对焊接的焊缝情况进行预测，难以及时发现焊接缺陷。本发明中通过深度学习算法不止可以自动识别打底、填充、盖面等焊道，同时还可以实时预测余高过高、未焊透、尺寸超范围等焊接缺陷，及时发现焊接时的问题，减少焊接的废品率。

4、机械臂或工件在旋转是会使拍摄的图像产生畸变，通过深度学习模型可以对图像畸变问题进行校正，保证图像的准确性。

5、熔池图像检测模块包括相机、镜头、电参数采集器、图像逻辑触发器。安装简单，可远程高清捕捉焊接过程，且提供多种数据输出接口，使用方便。

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为本发明提供的一种激光焊缝自动焊接系统的一个实施例的结构示意图。

图2为本发明提供的一种激光焊缝自动识别跟踪方法的一个实施例的方法流程图。

图3为本发明提供的一种激光焊缝自动识别跟踪方法的一个实施例的在线识别焊接图片。

图4为本发明提供的一种激光焊缝自动识别跟踪方法的一个实施例的预测的关键参数曲线。

附图说明：1-焊接机器人，11-焊枪，2-传感器，3-控制器，4-显示器。

具体实施方式

参选以下本发明的优选实施方法的详述以及包括的实施例可更容易地理解本发明的内容。除非另有限定，本文使用的所有技术以及科学术语具有与本发明所属领域普通技术人员通常理解的相同的含义。当存在矛盾时，以本说明书中的定义为准。

实施例1：

如图1所示，提供了一种激光焊缝自动焊接系统，包括焊接机器人1、传感器2、控制器3、显示器4，传感器2安装在焊接机器人1上，控制器3与焊接机器人1和传感器2电性连接，显示器4与传感器2电性连接，焊接机器人1末端连接有焊枪11，传感器2包括电信号检测模块，图像采集触发模块和熔池图像检测模块。电信号模块用于检测焊接过程电流电源波动；图像采集触发模块用于通过电信号对相机进行触发；熔池图像检测模块用于拍摄熔池图像和焊丝位置。通电信号模块检测焊接过程中的电流电源波动，并将电信号传输到控制器，控制器根据电信号反馈图像采集触发模块，图像采集触发模块控制熔池图像检测模块采集熔池的图像。

熔池图像检测模块固定在焊接机器人1末端20-25cm处，与焊枪同步移动，保证拍摄到清晰的熔池图像和焊丝位置。熔池图像检测模块包括相机、镜头、电参数采集器、图像逻辑触发器。熔池图像检测模块采用单目视觉检测。其中相机为黑白CMOS相机，镜头为非广口镜头，焦距为定焦35 mm，靶面尺寸为2/3 in，工作距离为0.2 m~inf。

控制器3中包括深度学习算法模型。深度学习算法模型包括判断模型和预测模型。判断模型判断当前焊接进程，预测模型对焊缝情况进行预测。

如图2所示，还提供了一种激光焊缝自动识别跟踪方法，使用一种激光焊缝自动焊接系统，包括如下步骤：

S1、通过电信号模块检测焊接过程中的电流电源波动，传递至控制器3中的深度学习算法模型中；

S2、控制器3根据电信号触发图像采集模块；

S3、图像采集触发模块控制熔池图像检测模块对熔池图像和焊丝位置进行采集，采集后的图像传输至深度学习算法模型中；图像采集触发模块采集的焊缝图像先通过图像预处理模型对图像畸变问题进行校正，然后进入FPN语义分割网络识别图像中焊缝的位置，并沿着焊缝的边缘轮廓将焊缝从图像中裁剪下来；然后通过Densefusion姿态估计模型预测焊缝的三维姿态，

S4、控制器3根据深度学习算法模型中的判断模型的结果进行分析，将焊缝的三维姿态送入判断模型，检测当前焊缝的尺寸，并与理想状态下焊缝尺寸进行比较，判断当前的焊接进程，焊接进程通过显示器4显示出来；

S5、控制器3根据深度学习算法模型中的预测模型的结果进行预测，预测焊缝情况，预测的焊缝情况通过显示器4显示出来。

其中，焊缝情况包括打底焊、填充焊或盖面焊的焊缝尺寸。打底焊的焊缝尺寸包括焊缝厚度、背面余高、熔宽，填充焊的焊缝尺寸包括焊缝厚度、熔深、熔宽，盖面焊的焊缝尺寸包括焊缝厚度、熔深、熔宽。

预测模型还可以根据焊缝尺寸对焊接缺陷进行预测，焊接缺陷包括余高过高、未焊透、尺寸超范围等。

如图3所示，通过本激光焊缝自动识别跟踪方法在线识别焊接进程图片，未使用外置光源，脉冲焊图像的亮度依然均匀。

如图4所示，通过本激光焊缝自动识别跟踪方法可以通过深度学习算法模型预测焊缝成形的关键参数曲线。

Claims (10)

1.一种激光焊缝自动焊接系统，其特征在于，包括焊接机器人、传感器、控制器、显示器，所述传感器安装在焊接机器人上，所述控制器与焊接机器人和传感器电性连接，所述显示器与传感器电性连接，所述焊接机器人末端连接有焊枪，所述传感器包括电信号检测模块，图像采集触发模块和熔池图像检测模块。

2.根据权利要求1所述的一种激光焊缝自动焊接系统，其特征在于，所述电信号模块用于检测焊接过程电流电源波动；所述图像采集触发模块用于通过电信号对相机进行触发；所述熔池图像检测模块用于拍摄熔池图像和焊丝位置。

3.根据权利要求2所述的一种激光焊缝自动焊接系统，其特征在于，所述熔池图像检测模块固定在焊接机器人末端20-25cm处。

4.根据权利要求3所述的一种激光焊缝自动焊接系统，其特征在于，所述熔池图像检测模块采用单目视觉或双目视觉检测。

5.根据权利要求1所述的一种激光焊缝自动焊接系统，其特征在于，所述控制器中包括深度学习算法模型。

6.根据权利要求5所述的一种激光焊缝自动焊接系统，其特征在于，所述深度学习算法模型包括判断模型和预测模型。

7.一种激光焊缝自动识别跟踪方法，其特征在于，使用如权利要求1-6中任意一项所述的一种激光焊缝自动焊接系统，包括如下步骤：

S1、通过电信号模块检测焊接过程中的电流电源波动，传递至控制器中的深度学习算法模型中；

S2、控制器根据电信号触发图像采集模块；

S3、图像采集触发模块控制熔池图像检测模块对熔池图像和焊丝位置进行采集，采集后的图像传输至深度学习算法模型中；

S4、控制器根据深度学习算法模型中的判断模型的结果进行分析，判断当前的焊接进程，焊接进程通过显示器显示出来；

S5、控制器根据深度学习算法模型中的预测模型的结果进行预测，预测焊缝情况，预测的焊缝情况通过显示器显示出来。

8.根据权利要求7所述的一种激光焊缝自动识别跟踪方法，其特征在于，所述焊缝情况包括打底焊、填充焊或盖面焊的焊缝尺寸。

9.根据权利要求8所述的一种激光焊缝自动识别跟踪方法，其特征在于，所述预测模型还可以根据焊缝尺寸对焊接缺陷进行预测。

10.根据权利要求7所述的一种激光焊缝自动识别跟踪方法，其特征在于，通过深度学习算法对图像畸变问题进行校正。