【技术实现步骤摘要】
本专利技术属于工业装备修复及计算机视觉与模式识别，涉及工业装备的磨损检测与修复，具体是一种基于深度学习的工业装备增材修复差异模型重构方法，通过输入原始模型和磨损部件照片，可输出磨损区域的三维点云数据及磨损量信息，为激光熔覆等增材修复提供准确的修复模型。
技术介绍
1、工业装备，尤其是大型钢铁铸造设备、轧制设备以及挖掘设备等在长时期运行过程中经常会面临磨损问题，局部磨损会导致连接松动、机械精度变差等问题，甚至影响整体设备的稳定性和安全性。磨损的产生是由多种因素共同作用的结果，包括机械摩擦、化学腐蚀、热应力和疲劳等。在这些因素的长期影响下，设备表面的材料逐渐被磨损，进而导致设备性能的下降。传统的更换维修方式不仅成本高昂，而且往往需要长时间停机，造成经济损失。因此，如何有效地对这些大型工业装备进行现场修复和维护，成为了工业领域亟需解决的关键技术问题之一。
2、针对上述问题，近年来发展起来的利用激光熔覆方法为设备局部磨损区域的现场修复提供了有效解决方案，该技术利用激光束作为热源，将金属粉末或丝材料熔敷到磨损区域表面形成新的耐磨涂层。...
【技术保护点】
1.一种基于深度学习的工业装备增材修复差异模型重构方法，其特征在于，所述差异模型重构方法在实施时主要包括以下步骤：
2.根据权利要求1所述的基于深度学习的工业装备增材修复差异模型重构方法，其特征在于，上述步骤SS1中，所获取的原始三维几何模型数据为采用基于测量仪或三维扫描仪获得的三维点云数据，或基于CAD建模生成的几何模型数据；所获取的实物图像数据通过高分辨率摄像设备获取。
3.根据权利要求1所述的基于深度学习的工业装备增材修复差异模型重构方法，其特征在于，上述步骤SS2中，对原始三维几何模型进行的位置和姿态调整变换，至少包括平移变换及旋转变换...
【技术特征摘要】
1.一种基于深度学习的工业装备增材修复差异模型重构方法，其特征在于，所述差异模型重构方法在实施时主要包括以下步骤：
2.根据权利要求1所述的基于深度学习的工业装备增材修复差异模型重构方法，其特征在于，上述步骤ss1中，所获取的原始三维几何模型数据为采用基于测量仪或三维扫描仪获得的三维点云数据，或基于cad建模生成的几何模型数据；所获取的实物图像数据通过高分辨率摄像设备获取。
3.根据权利要求1所述的基于深度学习的工业装备增材修复差异模型重构方法，其特征在于，上述步骤ss2中，对原始三维几何模型进行的位置和姿态调整变换，至少包括平移变换及旋转变换在内的刚体变换；切片处理过程则采用基于网格模型或点云模型的切片算法，生成的切片面与磨损部件的主平面平行且间距相等。
4.根据权利要求1所述的基于深度学习的工业装备增材修复差异模型重构方法，其特征在于，上述步骤ss3中，对待修复磨损部件的实物图像数据进行标定处理以校正图像中由于小孔成像带来的畸变效应，并对标定后的图像数据进行重投影，使其与原始三维模型的切片点云数据进行空间对齐。
5.根据权利要求1所述的基于深度学习的工业装备增材修复差异模型重构方法，其特征在于，上述步骤ss4中，所述特征匹配算法采用尺度不变特征变换算法或加速稳健特征算法，以实现高鲁棒性和高精度的特征匹配，提高重投影图像点数据与原始模型切片点云数据的匹配效率和准确性。
<...【专利技术属性】
技术研发人员：杜宝瑞，王殿政，姚俊，李恺伦，
申请(专利权)人：中国科学院工程热物理研究所，
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。