【技术实现步骤摘要】
补焊处理方法及系统
[0001]本专利技术涉及焊接
,特别涉及一种补焊处理方法及系统。
技术介绍
[0002]焊接是金属加工领域最重要的工艺之一,通过焊接制造出来的成品被广泛应用于各个领域,因此焊接工件的焊接质量和焊接完成度都是十分重要的指标。
[0003]目前的焊接大多是焊接机器人流水线批量生产,但由于工件表面油污、组对精度不高、焊接工艺或焊接设备本身等问题,很容易出现工件漏焊现象。
[0004]现有技术中,对于上述工件漏焊的主要应对方法,一般为人工目视点检并手动补焊,不但耗费大量人力,导致焊接成本增高,且人工目视点检容易遗漏,导致工件焊接质量受到影响。
技术实现思路
[0005]本专利技术的目的是提供一种降低焊接成本且提高焊接质量的补焊处理方法及系统。
[0006]为达到上述目的,本专利技术提供了一种补焊处理方法,其包括:
[0007]采集焊接后的工件图像数据;
[0008]利用工件漏焊检测模型对所述工件图像数据进行分析,确定漏焊的焊缝;
[0009]
【技术保护点】
【技术特征摘要】
1.一种补焊处理方法,其特征在于,包括:采集焊接后的工件图像数据;利用工件漏焊检测模型对所述工件图像数据进行分析,确定漏焊的焊缝;确定工件类型;根据漏焊的焊缝和工件类型,确定补焊路径;基于所述补焊路径,进行补焊。2.根据权利要求1所述的补焊处理方法,其特征在于,确定工件类型,包括:接收工件类型。3.根据权利要求1所述的补焊处理方法,其特征在于,确定工件类型,包括:将所述工件图像数据,输入工件识别模型中,确定工件类型。4.根据权利要求3所述的补焊处理方法,其特征在于,所述工件识别模型是预先建立的,用于对输入的工件图像数据进行类型判定,得到工件类型。5.根据权利要求4所述的补焊处理方法,其特征在于,预先建立所述工件识别模型的过程,包括:获取多张工件图像和每张工件图像对应的工件类型,形成第一训练集;建立以工件类型为输出,工件图像为输入的第一卷积神经网络模型;利用所述第一训练集对所述第一卷积神经网络模型进行训练,得到所述工件识别模型。6.根据权利要求1所述的补焊处理方法,其特征在于,根据漏焊的焊缝和工件类型,确定补焊路径,包括:根据所述工件类型,确定所述工件类型对应的焊接工作路径;根据漏焊的焊缝,在所述焊接工作路径中选取所述焊缝对应的路径;对所述焊缝进行扫描,得到所述焊缝的位置扫描结果;基于所述焊缝的位置扫描结果,修正所述焊缝对应的路径,得到补焊路径。7.根据权利要求1所述的补焊处理方法,其特征在于,所述工件漏焊检测模型是预先建立的,用于对输入的工件图像数据进行焊接结果检测,确定是否存在漏焊的焊缝以及漏焊的焊缝。8.根据权利要求7所述的补焊处理方法,其特征在于,预先建立所述工件漏焊检测模型的过程,包括:获取多张工件图像和每张工件...
【专利技术属性】
技术研发人员:李江,闫伟男,董郑康,刘金龙,
申请(专利权)人:唐山松下产业机器有限公司,
类型:发明
国别省市:
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。