激光金属切割机及其控制方法技术

公开了一种激光金属切割机及其控制方法，其采用基于机器视觉的人工智能检测技术，以通过对于待切割金属的检测图像进行图像畸变校正后提取出其在大尺寸的块空间的方向梯度直方图，并以这两者在高维空间中的深浅融合特征分布信息来综合进行所述带切割金属的表面平整度是否满足预定要求的检测判断。这样，能够准确地对于待切割金属的表面平整度进行智能检测。检测。检测。

【技术实现步骤摘要】
激光金属切割机及其控制方法


[0001]本申请涉及金属切割
，且更为具体地，涉及一种激光金属切割机及其控制方法。

技术介绍

[0002]随着工业技术的不断发展，激光切割机的应用越来越广泛，目前市面上用于对铝基板、铜基板等金属基板进行切割的激光切割机存在如下缺点：由于铝基板、铜基板等金属基板的厚度较薄，但是目前市面上的激光切割机又无法实现对铝基板、铜基板等金属基板的可靠支撑，这样一来，在固定铝基板、铜基板等金属基板时，容易导致铝基板、铜基板等金属基板出现弯曲的现象，从而会影响对铝基板、铜基板等金属基板的切割精度，且会使得切割后的铝基板、铜基板等金属基板存在很多毛刺，同时存在材料浪费多的缺陷。
[0003]因此，期望一种优化的激光金属切割机。

技术实现思路

[0004]为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种激光金属切割机及其控制方法，其采用基于机器视觉的人工智能检测技术，以通过对于待切割金属的检测图像进行图像畸变校正后提取出其在大尺寸的块空间的方向梯度直方图，并以这两者在高维空间中的深浅融合特征分本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种激光金属切割机，其特征在于，包括：摄像单元，用于获取待切割金属的检测图像；畸变校正单元，用于将所述检测图像通过基于自动编解码器的图像畸变矫正器以得到校正后检测图像；纹理特征图提取单元，用于提取所述校正后检测图像的方向梯度直方图；多通道聚合单元，用于将所述方向梯度直方图和所述校正后检测图像沿着通道维度进行聚合以得到多通道输入图像；图像特征提取单元，用于将所述多通道输入图像通过包含深浅特征融合模块的卷积神经网络模型以得到分类特征图；以及平整度判定结果生成单元，用于将所述分类特征图通过分类器以得到分类结果，所述分类结果用于表示待切割金属的表面平整度是否满足预定要求。2.根据权利要求1所述的激光金属切割机，其特征在于，所述畸变校正单元，包括：图像编码单元，用于将所述检测图像输入所述图像畸变矫正器的编码器，其中，所述编码器使用卷积层对所述检测图像进行显式空间编码以得到图像特征；以及特征解码单元，用于将所述图像特征输入所述图像畸变矫正器的解码器，其中，所述解码器使用反卷积层对所述图像特征进行反卷积处理以得到所述校正后检测图像。3.根据权利要求2所述的激光金属切割机，其特征在于，所述纹理特征图提取单元，进一步用于：对所述校正后检测图像进行均匀划分以得到多个细胞空间；计算所述多个细胞空间中各个细胞空间内各像素点的梯度，并根据梯度分布生成多个细胞方向梯度直方图；以及基于所述多个细胞方向梯度直方图，生成所述方向梯度直方图。4.根据权利要求3所述的激光金属切割机，其特征在于，所述图像特征提取单元，进一步用于使用所述卷积神经网络模型的各层在层的正向传递中分别对输入数据进行卷积处理、池化处理和非线性激活处理以由所述卷积神经网络模型的各层分别输出特征图。5.根据权利要求4所述的激光金属切割机，其特征在于，所述图像特征提取单元，进一步用于：从所述卷积神经网络模型的第M层得到浅层特征图，其中，所述M大于等于4且小于等于6；从所述卷积神经网络模型的第N层得到深层特征图，其中，N/M大于等于5且小于等于10；以及使用所述卷积神经网络模型的深浅特征融合模块来融合所述浅层特征图和所述深层特征图以得到分类特征图。6.根据权利要求5所述的激光金属切割机，其特征在于，所述平整度判定结果生成单元，包括：展开单元，用于将分类特征图中各个分类特征矩阵按照行向量或者列向量展开为一维特征向量后进行级联以得到分类特征向量；全连接编码单元，用于使用所述分类器的全连接层对所述分类特征向量进行全连接编码以得到编码分类特征向量；以及分类结果生成单元，用于将所述编码分类特征向量输入所述分类器的Softmax分类函数以得到所述分类结果。7.根据权利要求6所述的激光金属切割机，其特征在于，...

【专利技术属性】
技术研发人员：罗群，
申请(专利权)人：东莞市新法拉数控设备有限公司，
类型：发明
国别省市：