【技术实现步骤摘要】
本专利技术涉及焊缝缺陷识别，具体涉及基于机器视觉的焊缝缺陷识别和分类方法。
技术介绍
1、焊缝是在焊接过程中形成的一个连接点，它通过加热和冷却的过程将两个或多个金属构件或母材连接在一起，焊缝修补是一种常见的焊接作业，用于修复由于各种原因造成的焊缝损坏；
2、而在进行焊缝修补之前，需要对其进行清理和准备工作，确保焊缝不受影响，而对其焊缝修补前清理策略的判定，当前的一种方式是基于焊缝修补清理判定模型，利用焊缝过程中的实时视频数据将其输入到焊缝修补清理判定模型中，借助模型识别并输出对应的清理策略，通过这种方式可以准确的得到对应焊缝修补的清理策略，避免了不必要的因素导致的焊缝修补失败情况的发生，然而，输入到焊缝修补清理判定模型中的实时视频数据并不是每一帧的图片都是有用的，过多无用的视频数据输入到焊缝修补清理判定模型中将不仅造成了搭载该模型的服务器运算过量且会影响模型输出的速率，导致针对模型的使用不智能；
3、为了解决上述问题，本专利技术提出了一种解决方案。
技术实现思路
1、本专利技术的目的在于提供基于机器视觉的焊缝缺陷识别和分类方法，为了解决现有技术中将焊缝过程中的实时视频数据输入到焊缝修补清理判定模型中没有对实时视频数据进行缩减导致过多无用的视频数据输入到焊缝修补清理判定模型中将不仅造成了搭载该模型的服务器运算过量且会影响模型输出的速率，造成针对模型的使用不智能的问题；
2、本专利技术的目的可以通过以下技术方案实现：
3、基于机器视觉的焊
4、步骤一：当前工件焊接完成后，由焊接监测模块采集得到其的焊接视频数据；
5、步骤二：焊缝缺陷识别模块将接收到的传输的当前工件的焊接视频数据输入到焊缝缺陷识别模型中得到当前工件的缺陷识别结果数据，所述当前工件的缺陷识别结果数据中包括缺陷识别信号，缺陷识别信号为数字“1”或“0”，“1”为识别出焊缝缺陷，“0”为未识别出焊缝缺陷；
6、步骤三：焊缝缺陷识别模块对当前工件缺陷识别结果数据中的缺陷识别信号进行“0”或者“1”判定，基于判定结果，选择将当前工件缺陷识别结果数据和焊接视频数据传输到回溯截取单元还是分类存储模块；
7、步骤四：回溯截取单元若接收到传输的当前工件缺陷识别结果数据和焊接视频数据则按照预设回溯截取规则从当前工件焊接视频数据中截取出其的清理基准视频数据；
8、步骤五：修补策略生成单元将接收到的当前工件的清理基准视频数据输入到清理策略生成模型得到当前工件对应的清理策略。
9、进一步的，上述步骤三，若当前工件缺陷识别结果数据中的缺陷识别信号为“1”，则将当前工件缺陷识别结果数据和焊接视频数据传输到回溯截取单元，反之，则将其传输到分类存储模块进行存储。
10、进一步的，分析处理模块按照预设分析处理步骤对过去所有缺陷识别信号为“1”的工件的焊接视频数据、缺陷识别结果数据和预清理区域进行分析处理，具体如下：
11、s21：首先选定一种规格的工件为待处理工件，选定待处理工件对应的一种焊缝缺陷为待处理缺陷；
12、s22：获取一个处理周期内所有识别出为待处理缺陷的待处理工件，依次标记为a1、a2、...、aa，a≥1；
13、s23：从构成待处理工件a1缺陷标注视频数据中获取第一帧图像对应的摄像时刻，将其标定为待处理工件a1的追溯时刻；
14、s24：按照预设后置规则计算获取待处理工件a1的后置追溯时长；
15、s25：按照预设前置规则计算获取待处理工件a1的前置追溯时长；
16、s26：按照s22到s26，依次计算获取待处理工件a1、a2、...、aa的前置追溯时长并利用加和求平均公式计算获取其均值，将其重新标定为待处理工件基于待处理缺陷的前置回溯时长；
17、依次计算获取待处理工件a1、a2、...、aa的后置追溯时长并利用加和求平均公式计算获取其均值，将其重新标定为待处理工件基于待处理缺陷的后置回溯时长；
18、s26：依次选定待处理工件对应的所有焊缝缺陷为待处理缺陷，按照s22到s25依次计算获取待处理工件基于其对应的所有焊缝缺陷的前置回溯时长和后置回溯时长，并依据其生成待处理工件的工件回溯表；
19、s27：按照s21到s26依次选定所有种规格的工件为待处理工件，计算获取其的工件回溯表。
20、本专利技术的有益效果：
21、本专利技术通过采集得到当前工件的焊接视频数据，采用焊接缺陷识别模型对其进行识别判定，基于识别判定结果数据中包含的缺陷识别信号为“1”的情况，依据周期性对过去所有缺陷识别信号为“1”的工件的焊接视频数据、缺陷识别结果数据和预清理区域进行分析处理得到每种规格工件对应焊缝缺陷的前置回溯时长和后置回溯时长，以当前工件的追溯时刻为基点，从其的焊接视频数据截取出清理基准视频数据，输入到清理策略生成模型得到当前工件对应的清理策略，通过这种方式，对工件的焊接视频数据中过多不必要的视频数据进行缩减，不仅使输入到清理策略生成模型中的数据大大降低，提高了清理策略生成模型识别的效率，且缩减过程中保留了必要的视频数据，保证了模型识别的质量，也进一步减少了搭载模型的服务器运算量，使清理策略生成模型的使用更加的智能；
22、本专利技术依据缺陷识别结果数据中包含的焊缝缺陷类型，对过去所有缺陷识别信号为“1”的工件的焊接视频数据、缺陷识别结果数据和预清理区域进行分类处理，可以帮助周期性分析每种规格工件对应焊缝缺陷的前置回溯时长和后置回溯时长，提高分析的效率，且对其进行分类处理，更容易维护和更新。
本文档来自技高网...【技术保护点】
1.基于机器视觉的焊缝缺陷识别和分类方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于机器视觉的焊缝缺陷识别和分类方法，其特征在于，上述步骤三，若当前工件缺陷识别结果数据中的缺陷识别信号为“1”，则将当前工件缺陷识别结果数据和焊接视频数据传输到回溯截取单元，反之，则将其传输到分类存储模块进行存储。
3.根据权利要求1所述的基于机器视觉的焊缝缺陷识别和分类方法，其特征在于，所述步骤五中，得到当前工件对应的清理策略中包括当前工件的预清理区域和对应的清理方式。
4.根据权利要求1所述的基于机器视觉的焊缝缺陷识别和分类方法，其特征在于，分类存储模块中存储有过去所有缺陷识别信号为“1”的工件的焊接视频数据、缺陷识别结果数据和预清理区域。
5.根据权利要求1所述的基于机器视觉的焊缝缺陷识别和分类方法，其特征在于，当缺陷识别信号为“1”时，焊缝缺陷识别模型输出的缺陷识别结果数据中还包括缺陷标准视频数据和焊缝缺陷类型。
6.根据权利要求4所述的基于机器视觉的焊缝缺陷识别和分类方法，其特征在于，所述分类存储模块依据缺陷识别结果
7.根据权利要求3所述的基于机器视觉的焊缝缺陷识别和分类方法，其特征在于，分析处理模块按照预设分析处理步骤对过去所有缺陷识别信号为“1”的工件的焊接视频数据、缺陷识别结果数据和预清理区域进行分析处理，具体如下：
8.根据权利要求7所述的基于机器视觉的焊缝缺陷识别和分类方法，其特征在于，所述S24，计算得到待处理工件A1的后置追溯时长的预设后置规则具体如下：
9.根据权利要求7所述的基于机器视觉的焊缝缺陷识别和分类方法，其特征在于，从当前工件焊接视频数据中截取出其的清理基准视频数据的预设回溯截取规则如下：
...【技术特征摘要】
1.基于机器视觉的焊缝缺陷识别和分类方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于机器视觉的焊缝缺陷识别和分类方法，其特征在于，上述步骤三，若当前工件缺陷识别结果数据中的缺陷识别信号为“1”，则将当前工件缺陷识别结果数据和焊接视频数据传输到回溯截取单元，反之，则将其传输到分类存储模块进行存储。
3.根据权利要求1所述的基于机器视觉的焊缝缺陷识别和分类方法，其特征在于，所述步骤五中，得到当前工件对应的清理策略中包括当前工件的预清理区域和对应的清理方式。
4.根据权利要求1所述的基于机器视觉的焊缝缺陷识别和分类方法，其特征在于，分类存储模块中存储有过去所有缺陷识别信号为“1”的工件的焊接视频数据、缺陷识别结果数据和预清理区域。
5.根据权利要求1所述的基于机器视觉的焊缝缺陷识别和分类方法，其特征在于，当缺陷识别信号为“1”时，焊缝缺陷识别模型输出的缺陷识别结果...
【专利技术属性】
技术研发人员：张国良，张小伟，李治玉，
申请(专利权)人：常州市武进顺达精密钢管有限公司，
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。