The invention discloses an intelligent control system for laser cladding quality and an intelligent control method thereof, which comprises a robot laser cladding belt automatic tracking module, an image preprocessing module, a defect detection module, a data processing module and a feedback control module. The invention realizes accurate, fast positioning, high degree of intelligence, constructs closed-loop control of laser cladding process, reduces the influence of man-made factors in production process, realizes intelligent control, adjusts laser parameters in real time according to detection results of surface defects of cladding layer, improves production efficiency, and automatically identifies laser cladding using depth learning technology. A laser cladding quality intelligent control system with good real-time performance, high reliability, strong universality and high intelligence is constructed.
【技术实现步骤摘要】
一种激光熔覆质量智能控制系统及其智能控制方法
本专利技术涉及一种激光熔覆质量智能控制系统及其智能控制方法。
技术介绍
激光熔覆技术是一种基于大功率激光器而兴起的一种新的材料表面改性技术,其具体实现方式如下:在激光束作用下将合金粉末或陶瓷粉末与基体表面迅速加热并熔化,光束移开后自激冷却在基体表面冶金结合形成一个稀释率极低的表面涂层。激光熔覆技术能够显著改善基体表面的耐磨性、耐蚀性、耐热性、抗氧化性等。但激光熔覆质量受到激光功率、光斑形状尺寸、扫描速度、搭接率、基体材料和熔覆层材料等多重因素的影响,熔覆带质量的稳定性难以得到保障。利用计算机视觉技术并结合转化深度学习中物体检测技术,将激光熔覆带出现的缺陷类型作为特殊的物体目标对缺陷类型和数量进行检测,实现机器人对工件的自主激光熔覆加工并实时检测控制熔覆带质量实现加工智能化,具有巨大的应用潜能和广阔的市场前景。随着计算机视觉技术、深度学习物体检测技术的发展和应用,实现激光熔覆层质量的在线检测控制不仅能提高生产效率,而且能够确保熔覆层质量的稳定。机器视觉技术因其具有灵活性、非直接接触性可在激光熔覆过程中加以应用,实时采集图像并预处理,处理后图片输入至物体检测网络提取图像特征,得到检测结果后反馈至控制系统实现智能控制。从而改变激光熔覆过程中采用人工识别且识别效率低、准确度不高的状况。
技术实现思路
为了解决上述不足,本专利技术一种激光熔覆质量智能控制系统,将计算机视觉和深度学习物体检测技术应用在激光熔覆熔覆层质量控制系统中,实现一种精度高、速度快、稳定性好、智能化程度高的激光熔覆加工质量在线检测闭环控制工作系统。本专利技 ...
【技术保护点】
1.一种激光熔覆质量智能控制系统,其特征在于:包括机器人激光熔覆带自动跟踪模块、图像预处理模块、缺陷检测模块、数据处理模块和反馈控制模块;机器人激光熔覆带自动跟踪模块是利用计算机视觉函数库中的摄像机模型,根据摄像机的参数和焊枪尖端坐标和焊枪方向角组成的特征向量建立模型,控制焊枪逐步移动到熔覆位置;图像预处理模块包括图像获取模块、图像处理模块;图像获取模块由摄像机、光学镜头、光源和夹持装置等组成,完成图像的采集功能;图像处理模块是在计算机端利用计算机视觉函数库,将采集的图像经过图像去噪、图像增强与复原、目标分割的处理,以便进行下一步分析;缺陷检测模块为利用深度学习物体检测模型微调后用于激光熔覆带缺陷检测,包括对预先采集的图片数据集的处理和缺陷检测模型的建立,将预先采集得到的激光熔覆带缺陷类型图片,每张图片人工标注缺陷类型和缺陷位置坐标;数据处理模块根据缺陷检测模块的缺陷检测模型输出的缺陷类型和对应缺陷类型面积值输入到激光参数控制器中,根据已有实验得到的激光参数与缺陷类型、对应缺陷面积值的对应关系调整激光熔覆系统的送粉速度、激光功率、离焦量、搭接率;反馈控制模块包括伺服电机、控制电路装置, ...
【技术特征摘要】
1.一种激光熔覆质量智能控制系统,其特征在于:包括机器人激光熔覆带自动跟踪模块、图像预处理模块、缺陷检测模块、数据处理模块和反馈控制模块;机器人激光熔覆带自动跟踪模块是利用计算机视觉函数库中的摄像机模型,根据摄像机的参数和焊枪尖端坐标和焊枪方向角组成的特征向量建立模型,控制焊枪逐步移动到熔覆位置;图像预处理模块包括图像获取模块、图像处理模块;图像获取模块由摄像机、光学镜头、光源和夹持装置等组成,完成图像的采集功能;图像处理模块是在计算机端利用计算机视觉函数库,将采集的图像经过图像去噪、图像增强与复原、目标分割的处理,以便进行下一步分析;缺陷检测模块为利用深度学习物体检测模型微调后用于激光熔覆带缺陷检测,包括对预先采集的图片数据集的处理和缺陷检测模型的建立,将预先采集得到的激光熔覆带缺陷类型图片,每张图片人工标注缺陷类型和缺陷位置坐标;数据处理模块根据缺陷检测模块的缺陷检测模型输出的缺陷类型和对应缺陷类型面积值输入到激光参数控制器中,根据已有实验得到的激光参数与缺陷类型、对应缺陷面积值的对应关系调整激光熔覆系统的送粉速度、激光功率、离焦量、搭接率;反馈控制模块包括伺服电机、控制电路装置,用于调整激光参数和伺服电机转速。2.根据权利要求1所述的一种激光熔覆质量智能控制系统,其特征在于:图像去燥是去除消除图像采集过程中产生的噪声,降低对图像质量的不良影响;图像增强与复原是有目的地强调图像的局部特征,将原来不清晰的部分变清晰或者强调感兴趣的部分,扩大图像中不同物体特征之间的差别,抑制不感兴趣的特征,进而改善图像质量、丰富图像信息量,加强图像判读和识别效果;目标分割是将经过图像去噪、图像增强和复原后将图片切割成固定尺寸。3.根据权利要求1所述的一种激光熔覆质量智能控制系统,其特征在于:缺陷检测模型的建立分为两个阶段,包括缺陷检测模型的训练、验证、测试阶段和缺陷检测模型的应用阶段。4.根据权利要求3所述的一种激光熔覆质量智能控制系统,其特征在于:缺陷检测模型的训练、验证和测试阶段为保证缺陷检测模型的泛化能力,首先将图片数据集按照比例拆分为训练集、验证集和测试集,训练集用于模型的训练,验证集用于训练过程中参数调整后的模型的验证,测试集用于训练完成后模型的泛化能力的测试;缺陷检测模型训练过程中先将采集得到的激光熔覆带缺陷类型图片经过翻转、剪切等图片增强方法,扩充数据集,使模型能够得到充分训练,学习到更多特征;缺陷检测模型采用迁移学习技术,选择当前...
【专利技术属性】
技术研发人员:刘文杰,吴国庆,张旭东,朱维南,曹宇鹏,姚剑南,宋晨光,吴树谦,张明盛,姚宏凯,
申请(专利权)人:南通大学,
类型:发明
国别省市:江苏,32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。