一种焊缝表面形貌和熔透状态同步在线监测方法技术

本发明专利技术涉及焊接监测技术领域，并提出了一种焊缝表面形貌和熔透状态同步在线监测方法，包括以下步骤：S1、由高速相机获取焊接区域连续的监测图像；S2、裁剪监测图像上的ROI区域，并筛选ROI图像；S3、对多张ROI图像中的熔池区域进行像素级别标注，获得训练数据集；S4、搭建轻量化熔池图像语义分割模型，并采用训练数据集对其进行训练；S5、实际焊接过程中，高速相机拍摄焊接区域实时图像，将实时图像输入轻量化熔池图像语义分割模型，获得语义分割图像，并提取熔池区域形态特征；S6、根据熔池形态特征评估焊缝宽度是否合格，并判断焊缝所属的熔透状态；S7、基于熔池轮廓图像等间隔融合方法重构焊缝表面形貌，分析焊缝堆高是否合格。分析焊缝堆高是否合格。分析焊缝堆高是否合格。

【技术实现步骤摘要】
一种焊缝表面形貌和熔透状态同步在线监测方法


[0001]本专利技术涉及焊接监测
，尤其涉及一种焊缝表面形貌和熔透状态同步在线监测方法。

技术介绍

[0002]激光焊接因其诸多优点（热输入小、焊接速度快和易于实现自动化等）已经广泛应用于工业生产中，激光焊接过程稳定性受加工环境、拼装状态和工件变形等因素影响，产生焊缝尺寸不合格、未熔透和过熔透等缺陷。焊缝表面宽度不合格时易形成钉子头焊缝，当焊缝余高异常时会产生驼峰等缺陷；焊缝形貌尺寸的剧烈波动，易导致在尺寸不合格位置形成应力集中，影响焊缝服役性能，造成安全隐患。未熔透、过熔透是非常严重的焊接缺陷，直接导致焊缝质量不合格，需要焊后额外的加工工序进行修补，影响构件生产效率，甚至会导致整个构件报废，增加制造成本。
[0003]目前，焊接过程实时监控技术成为学科前沿和研究热点，具有广阔的应用前景。该技术能够精准感知焊接过程状态，并根据感知信息实时反馈控制工艺参数抑制缺陷生成，是保障焊接过程稳定性、提高焊接质量的关键。因此，实现焊缝表面形貌和熔透状态的精准、快速监测是解决形貌尺寸不合格、未熔透、过熔透缺陷，提高构件生产质量和效率的基础。焊接过程中熔融金属不断沿熔池尾部边缘凝固形成焊缝，熔池轮廓与焊缝表面形貌和熔透状态密切相关，可以通过熔池轮廓特征反映焊缝形貌变化和熔透状态。
[0004]例如公开号为CN111798477A的一种基于视觉技术的熔池监控方法，公开了采用相机与红外激光光源配合检测熔池尺寸的方法，然而，激光焊接过程金属蒸汽喷发剧烈，熔池前后亮度分布不均、熔池内反光干扰严重、熔池与母材边界区分度低，传统图像处理方法难以准确提取熔池轮廓，在实时焊接过程中，焊缝表面形貌连续变化，传统基于特征和机器学习的形貌尺寸预测方法不能直观反映焊缝形貌变化，基于多特征和机器学习的焊缝表面形貌和熔透状态监测方法，受提取特征影响，监测延迟和精度难以平衡。

技术实现思路

[0005]有鉴于此，本专利技术提出了一种焊缝表面形貌和熔透状态同步在线监测方法，具有监测精度高、运行时间短、抗干扰能力强等特点，以满足复杂工况下焊接过程监测要求。
[0006]本专利技术的技术方案是这样实现的：本专利技术提供了一种焊缝表面形貌和熔透状态同步在线监测方法，包括以下步骤：S1、由高速相机获取焊接区域连续的监测图像；S2、裁剪监测图像上的ROI区域，提取焊后焊缝宽度数据，并筛选ROI图像；S3、对多张ROI图像中的熔池区域进行像素级别标注，获得训练数据集；S4、搭建轻量化熔池图像语义分割模型，并采用训练数据集对其进行训练；S5、实际焊接过程中，高速相机拍摄焊接区域实时图像，将实时图像输入轻量化熔池图像语义分割模型，获得语义分割图像，并提取熔池区域形态特征；
S6、根据熔池形态特征评估焊缝宽度是否合格，并判断焊缝所属的熔透状态；S7、基于熔池轮廓图像等间隔融合方法重构焊缝表面形貌，分析焊缝堆高是否合格。
[0007]在以上技术方案的基础上，优选的，所述步骤S2还包括，通过焊接过程中所形成的熔融小孔形态特征对ROI图像进行筛选。
[0008]进一步优选的，所述步骤S2包括以下子步骤：S21、提取焊接完成后焊缝的宽度数据，计算焊缝宽度均值；S22、通过阈值分割方法获得ROI图像的二值图像；S23、去除二值图像中的干扰部分，并提取熔融小孔的形态特征；S24、将熔融小孔宽度大于焊缝宽度均值的ROI图像剔除。
[0009]在以上技术方案的基础上，优选的，所述步骤S3包括以下子步骤：S31、对筛选后的ROI图像，每间隔若干个图像进行一次语义分割标注，形成语义分割的准确标签；S32、将标注后ROI图像的准确标签共享给筛选前与其临近的ROI图像，得到具有自动标签的监测图像；S33、采用数据增强方法处理具有标签的监测图像，得到训练数据集。
[0010]进一步优选的，所述步骤S4包括以下子步骤：S41、搭建轻量化熔池图像语义分割模型；S42、采用训练数据集训练与验证模型；S43、绘制模型训练/验证损失值与训练代数、MIoU值与训练代数、MPA值与训练代数变化曲线；S44、根据损失、MIoU、MPA变化曲线的收敛情况判断模型是否被充分训练，并保存最优模型。
[0011]在以上技术方案的基础上，优选的，所述步骤S5包括以下子步骤：S51、高速相机连续拍摄焊接区域，得到连续的实时图像；S52、使用轻量化熔池图像语义分割模型连续处理实时图像，获得连续的语义分割图像；S53、对语义分割图像进行通道提取，获得语义分割二值图像；S54、通过边缘检测提取熔池轮廓、宽度、长度和面积。
[0012]在以上技术方案的基础上，优选的，所述步骤S6包括以下子步骤：S61、根据熔池区域形态特征绘制宽度曲线图；S62、通过滤波算法去除熔池宽度异常值；S63、设定焊缝宽度合格阈值，根据熔池宽度特征值是否在阈值范围内判断焊缝宽度是否合格；S64、熔透状态分为未熔透、仅熔池透、适度熔透和过熔透，采用熔池形态特征作为输入、熔透状态为输出训练SVM模型，通过训练后的SVM模型，实现熔透状态分类。
[0013]在以上技术方案的基础上，优选的，所述步骤S7包括以下子步骤：S71、根据熔池区域形态特征获取时的端点，将熔池轮廓分为前端与后端两个部分，后端为熔池尾部轮廓；
S72、根据实时图像像素与实际尺寸换算关系，确定像素间隔t对应的实际尺寸s；S73、根据焊接速度v和高速相机采样频率f，通过s=nv/f确定提取熔池尾部轮廓图像的间隔n；S74、根据间隔n提取熔池尾部轮廓图像，每经过像素间隔t融合一张熔池轮廓图像，获得焊缝形貌重构图像；S75、通过焊缝形貌重构图像中，熔池尾部轮廓间疏密和均匀程度判断焊缝堆高是否合格。
[0014]在以上技术方案的基础上，优选的，还包括步骤S8，输出焊缝形貌和熔透状态监测报告，所述监测报告包括焊缝形貌尺寸不合格、未熔透、过熔透缺陷位置信息。
[0015]在以上技术方案的基础上，优选的，所述轻量化熔池图像语义分割模型基于Unet深度学习模型和DANet注意力机制构建，并以VGG16模型为主框架，采用对称的编码器和解码器结构。
[0016]本专利技术的焊缝表面形貌和熔透状态同步在线监测方法相对于现有技术具有以下有益效果：（1）能够实现焊接过程焊缝表面形貌和熔透状态同步在线监测，快速智能分析焊缝是否存在表面形貌不合格、未熔透或者过熔透缺陷，以及评估缺陷对焊缝质量的影响程度，实现焊接质量追溯；另外，能够根据监测结果为焊接参数反馈控制提供准确依据，为实现焊接过程实时监控奠定基础；（2）采用熔池尾部轮廓图像等间隔融合方法获得焊缝表面形貌重构图像，根据熔池尾部轮廓线的稀疏和均匀程度判断焊缝堆高是否合格，为焊接监测提供充分的数据支撑；（3）通过图像处理方法提取熔池轮廓，然后获取熔池的长、宽、面积等形态特征；接着根据熔池形态特征评估焊缝宽度是否合格，基于SVM模型评估焊缝的熔透状态，为焊接监测提供充分的数据支撑。
附图说明
[0017]为了更清楚地说明本专利技术实施例或现有本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种焊缝表面形貌和熔透状态同步在线监测方法，其特征在于，包括以下步骤：S1、由高速相机获取焊接区域连续的监测图像；S2、裁剪监测图像上的ROI区域，提取焊后焊缝宽度数据，并筛选ROI图像；S3、对多张ROI图像中的熔池区域进行像素级别标注，获得训练数据集；S4、搭建轻量化熔池图像语义分割模型，并采用训练数据集对其进行训练；S5、实际焊接过程中，高速相机拍摄焊接区域实时图像，将实时图像输入轻量化熔池图像语义分割模型，获得语义分割图像，并提取熔池区域形态特征；S6、根据熔池形态特征评估焊缝宽度是否合格，并判断焊缝所属的熔透状态；S7、基于熔池轮廓图像等间隔融合方法重构焊缝表面形貌，分析焊缝堆高是否合格。2.如权利要求1所述的焊缝表面形貌和熔透状态同步在线监测方法，其特征在于，所述步骤S2还包括，通过焊接过程中所形成的熔融小孔形态特征对ROI图像进行筛选。3.如权利要求2所述的焊缝表面形貌和熔透状态同步在线监测方法，其特征在于，所述步骤S2包括以下子步骤：S21、提取焊接完成后焊缝的宽度数据，计算焊缝宽度均值；S22、通过阈值分割方法获得ROI图像的二值图像；S23、去除二值图像中的干扰部分，并提取熔融小孔的形态特征；S24、将熔融小孔宽度大于焊缝宽度均值的ROI图像剔除。4.如权利要求1所述的焊缝表面形貌和熔透状态同步在线监测方法，其特征在于，所述步骤S3包括以下子步骤：S31、对筛选后的ROI图像，每间隔若干个图像进行一次语义分割标注，形成语义分割的准确标签；S32、将标注后ROI图像的准确标签共享给筛选前与其临近的ROI图像，得到具有自动标签的监测图像；S33、采用数据增强方法处理具有标签的监测图像，得到训练数据集。5.如权利要求4所述的焊缝表面形貌和熔透状态同步在线监测方法，其特征在于，所述步骤S4包括以下子步骤：S41、搭建轻量化熔池图像语义分割模型；S42、采用训练数据集训练与验证模型；S43、绘制模型训练/验证损失值与训练代数、MIoU值与训练代数、MPA值与训练代数变化曲线；S44、根据损失、MIoU、MPA变化曲线的收敛情况判断模型是...

【专利技术属性】
技术研发人员：蔡旺，曹龙超，周奇，舒乐时，耿韶宁，高飘，张丽彬，
申请(专利权)人：武汉纺织大学，
类型：发明
国别省市：