【技术实现步骤摘要】
焊缝参数测量方法及装置
本专利技术涉及焊接技术，尤其涉及一种焊缝参数测量方法及装置。
技术介绍
随着技术的发展，自动化操作普遍增多。其中，对圆管自动焊接的时候可以采用焊接机器人进行焊接。而焊接机器人需要对焊缝进行识别，从而准确的完成焊接操作。目前，基于激光的焊缝参数测量是基于激光测量技术，通过激光从管的一段扫描至另一端，根据图像中激光测量的数据差异，计算焊缝的参数数据，例如焊缝的宽度、深度。但基于激光测量方法普遍存在需要长时间扫描，降低了工作生产效率，并且激光测量高度受到一定的限制，通常需要根据不同管径大小调整激光器的位置，这就需要加入外部机械协同，使得测量装置结构较为复杂，加之激光器的高成本，使得整体成本较高。因此，现有技术对焊缝参数测量过程复杂，且成本较高。
技术实现思路
本专利技术实施例提供一种焊缝参数测量方法及装置，提高了测量效率，且降低了焊缝参数测量的复杂性，降低了成本。本专利技术实施例的第一方面，提供一种焊缝参数测量方法，包括：获取焊缝数据，根据所述焊缝数据获取...
【技术保护点】
1.一种焊缝参数测量方法，其特征在于，包括：/n获取焊缝数据，根据所述焊缝数据获取焊缝形状；/n获取第一标注图片，其中，所述第一标注图片是对所述焊缝形状的左端边沿点、最低点以及右端边沿点进行标注处理得到的；/n根据预设的CNN识别模型对所述第一标注图片进行标注识别处理，获取对应所述左端边沿点、所述最低点以及所述右端边沿点的坐标数据；/n根据所述左端边沿点、所述最低点以及所述右端边沿点的坐标数据，获取所述焊缝参数数据。/n
【技术特征摘要】
1.一种焊缝参数测量方法，其特征在于，包括：
获取焊缝数据，根据所述焊缝数据获取焊缝形状；
获取第一标注图片，其中，所述第一标注图片是对所述焊缝形状的左端边沿点、最低点以及右端边沿点进行标注处理得到的；
根据预设的CNN识别模型对所述第一标注图片进行标注识别处理，获取对应所述左端边沿点、所述最低点以及所述右端边沿点的坐标数据；
根据所述左端边沿点、所述最低点以及所述右端边沿点的坐标数据，获取所述焊缝参数数据。
2.根据权利要求1所述的方法，其特征在于，在所述获取第一标注图片之后，还包括：
对所述第一标注图片进行扩展处理，获取多张第二标注图片；
所述根据预设的CNN识别模型对所述第一标注图片进行标注识别处理，获取对应所述左端边沿点、所述最低点以及所述右端边沿点的坐标数据，包括：
所述根据预设的CNN识别模型对所述多张第二标注图片进行标注识别处理，获取对应所述左端边沿点、所述最低点以及所述右端边沿点的坐标数据。
3.根据权利要求2所述的方法，其特征在于，在所述对所述第一标注图片进行扩展处理，获取多张第二标注图片之后，还包括：
根据预设的像素值对多张所述第二标注图片进行像素缩放处理，获取多张缩放图像；
对多张所述缩放图像进行灰度处理，获取多张第三标注图片；
相应地，所述根据预设的CNN识别模型对所述第一标注图片进行标注识别处理，获取对应所述左端边沿点、所述最低点以及所述右端边沿点的坐标数据，包括：
所述根据预设的CNN识别模型对所述多张第三标注图片进行标注识别处理，获取对应所述左端边沿点、所述最低点以及所述右端边沿点的坐标数据。
4.根据权利要求1所述的方法，其特征在于，所述预设的CNN识别模型包括输入层、隐藏层和输出层，所述输入层与所述隐藏层相邻，所述隐藏层与所述输出层相邻；
其中，所述输入层的输入神经元数据为1，所述输出层的输出神经元数目为6。
5.根据权利要求4所述的方法，其特征在于，所述根据预设的CNN识别模型对所述第一标注图片进行标注识别处理，获取对应所述左端边沿点、所述最低点以及所述右端边沿点的坐标数据，包括：
根据所述输入层接收所述第一标注图片，并根据所述输出层输出6个数据；
根据所述6个数据，获取对应所述左端边沿点、所述最低点以及所述右端边沿点的3个坐标数据。
6.根据权利要求1所述的方法，其特征在于，所述焊缝参数数据包括焊缝坡口深度；
根据所述左端边沿点、所述最低点以及所述右端边沿点的坐标数据，获取所述焊缝参数数据，包括：
根据第一策略对所述左端边沿点、所述最低点和所述右端边沿点的坐标数据进行处理，获取所述焊缝坡口深...
【专利技术属性】
技术研发人员：景岩，梁桉洋，康承飞，夏浩，田原，秦伟铭，陈昱杉，
申请(专利权)人：西咸新区大熊星座智能科技有限公司，
类型：发明
国别省市：陕西;61
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。