本發(fā)明涉及焊接質(zhì)量檢測，具體是涉及一種基于機器視覺的耐壓殼激光-電弧復合焊質(zhì)量檢測方法及系統(tǒng)。

背景技術：

1、耐壓殼焊接質(zhì)量直接關系到潛水器的安全性和可靠性。激光-電弧復合焊作為焊接工藝中的關鍵部分，其質(zhì)量對焊縫的成形和整體焊接結構的性能起著決定性作用。然而，焊接過程中可能出現(xiàn)的缺陷，如未熔合、氣孔、裂紋等，嚴重影響了焊縫的致密性和結構完整性。

2、激光-電弧復合焊技術因其高效、低熱輸入等優(yōu)點在焊接領域得到了廣泛應用，但其焊接過程復雜，實時監(jiān)控和質(zhì)量控制難度較大，尤其是對焊接過程中熔池形態(tài)、坡口特征等關鍵物理量的精確提取和分析要求高?，F(xiàn)有的監(jiān)控系統(tǒng)在復雜環(huán)境中往往難以準確評估焊縫質(zhì)量，無法滿足日益提高的焊接質(zhì)量要求。

技術實現(xiàn)思路

1、發(fā)明目的：針對以上問題，本發(fā)明提供一種高效、精準檢測焊接質(zhì)量的基于機器視覺的耐壓殼激光-電弧復合焊質(zhì)量檢測方法及系統(tǒng)。

2、技術方案：為解決上述問題，本發(fā)明采用一種基于機器視覺的耐壓殼激光-電弧復合焊質(zhì)量檢測方法，包括以下步驟：

3、(1)獲取耐壓殼激光-電弧復合焊不同視角的焊接實時圖像；

4、(2)對獲取的不同視角的焊接實時圖像進行處理，提取不同視角下熔池和坡口的特征圖像；

5、(3)將不同視角下熔池和坡口的特征圖像進行三維融合，得到融合后的特征圖像；

6、(4)對融合后的特征圖像進行時間序列轉(zhuǎn)換，并將轉(zhuǎn)換后的時間序列采用集合經(jīng)驗模態(tài)進行分解，得到本征模態(tài)分量imf及殘差；

7、(5)以本征模態(tài)分量imf及殘差作為雙向長短期記憶網(wǎng)絡模型的輸入，焊接狀態(tài)和焊縫質(zhì)量作為雙向長短期記憶網(wǎng)絡模型的輸出，通過訓練樣本得到訓練好的雙向長短期記憶網(wǎng)絡模型；

8、(6)根據(jù)得到的固有模態(tài)函數(shù)imf及殘差，通過訓練好的雙向長短期記憶網(wǎng)絡模型，識別焊接狀態(tài)和焊縫質(zhì)量實現(xiàn)耐壓殼激光-電弧復合焊質(zhì)量檢測。

9、進一步的，所述步驟(2)中對獲取的不同視角的焊接實時圖像進行處理包括：噪聲去除、邊緣增強、直方圖均衡化、灰度拉伸、形態(tài)學處理。

10、進一步的，所述噪聲去除包括高斯濾波，邊緣增強采用canny邊緣檢測；形態(tài)學處理包括膨脹、腐蝕。

11、進一步的，所述將不同視角下熔池和坡口的特征圖像進行三維融合具體步驟為：將不同視角下熔池和坡口的特征圖像進行坐標系轉(zhuǎn)換，通過三維重建算法，基于特征點匹配，得到融合后的特征圖像。

12、進一步的，所述對融合后的特征圖像進行時間序列轉(zhuǎn)換包括將熔池形態(tài)、坡口特征以及焊接過程中的光學變化作為時間序列數(shù)據(jù)。

13、進一步的，所述采用集合經(jīng)驗模態(tài)進行分解的具體公式為：

14、

15、其中，imfi(t)為最終得到的第i個本征模態(tài)函數(shù)，x(t)為原始信號，即轉(zhuǎn)換后的時間序列；nj(t)為第j次添加的白噪聲；k為emd分解得到的imfs數(shù)量；emd(x(t)+nj(t))為對加噪信號進行emd的結果；(emd(x(t)+nj(t)))i為第i個本征模態(tài)分量imf；m為白噪聲樣本的數(shù)量。

16、進一步的，所述步驟(5)中訓練好的雙向長短期記憶網(wǎng)絡模型通過正則化與網(wǎng)格搜索超參數(shù)調(diào)優(yōu)來優(yōu)化和增強。

17、進一步的，所述雙向長短期記憶網(wǎng)絡模型識別過程的公式為：

18、

19、其中，ht是時間步t的雙向長短期記憶網(wǎng)絡模型bilstm隱藏狀態(tài)，是前向隱藏狀態(tài)和反向隱藏狀態(tài)的連接；和分別是前向lstm和反向lstm的權重矩陣；和是前向lstm和反向lstm的偏置向量；σ為sigmoid激活函數(shù)；表示連接操作，xt為輸入數(shù)據(jù)。

20、進一步的，所述焊接狀態(tài)包括熔池穩(wěn)定性和坡口完整性；所述焊縫質(zhì)量包括熔池穩(wěn)定性、坡口的完整性、焊縫的致密性和表面光潔度。

21、本發(fā)明還采用一種基于機器視覺的耐壓殼激光-電弧復合焊質(zhì)量檢測系統(tǒng)，包括：

22、焊接圖像采集模塊，用于獲取耐壓殼激光-電弧復合焊不同視角的焊接實時圖像；

23、圖像預處理模塊，用于對獲取的不同視角的焊接實時圖像進行處理，提取不同視角下熔池和坡口的特征圖像；將不同視角下熔池和坡口的特征圖像進行三維融合，得到融合后的特征圖像；

24、時序分析模塊，用于對融合后的特征圖像進行時間序列轉(zhuǎn)換，并將轉(zhuǎn)換后的時間序列采用集合經(jīng)驗模態(tài)進行分解，得到本征模態(tài)分量imf及殘差；

25、模型構建模塊，用于以本征模態(tài)分量imf及殘差作為雙向長短期記憶網(wǎng)絡模型的輸入，焊接狀態(tài)和焊縫質(zhì)量作為雙向長短期記憶網(wǎng)絡模型的輸出，通過訓練樣本得到訓練好的雙向長短期記憶網(wǎng)絡模型；

26、檢測模塊，用于根據(jù)得到的固有模態(tài)函數(shù)imf及殘差，通過訓練好的雙向長短期記憶網(wǎng)絡模型，識別焊接狀態(tài)和焊縫質(zhì)量實現(xiàn)耐壓殼激光-電弧復合焊質(zhì)量檢測。

27、有益效果：本發(fā)明相對于現(xiàn)有技術，其顯著優(yōu)點是采用了多角度視覺信息采集與高效圖像處理相結合的方式，全面提升了焊接過程中對耐壓殼焊接質(zhì)量的實時監(jiān)測能力?；趀emd-bilstm深度學習模型，實現(xiàn)了對耐壓殼激光-電弧復合焊質(zhì)量的精準實時檢測。通過集合經(jīng)驗模態(tài)分解方法有效提取時頻特征，并結合雙向長短期記憶網(wǎng)絡(bilstm)，提升了對焊接狀態(tài)和焊縫質(zhì)量的分類準確性與魯棒性。減少了對傳統(tǒng)無損檢測技術的依賴，實現(xiàn)對壓力殼激光-電弧復合焊質(zhì)量的快速檢測與反饋，極大地提升了生產(chǎn)過程中的檢測效率和可靠性。

技術特征：

1.一種基于機器視覺的耐壓殼激光-電弧復合焊質(zhì)量檢測方法，其特征在于，包括以下步驟：

2.根據(jù)權利要求1所述的耐壓殼激光-電弧復合焊質(zhì)量檢測方法，其特征在于，所述步驟(2)中對獲取的不同視角的焊接實時圖像進行處理包括：噪聲去除、邊緣增強、直方圖均衡化、灰度拉伸、形態(tài)學處理。

3.根據(jù)權利要求2所述的耐壓殼激光-電弧復合焊質(zhì)量檢測方法，其特征在于，所述噪聲去除包括高斯濾波，邊緣增強采用canny邊緣檢測；形態(tài)學處理包括膨脹、腐蝕。

4.根據(jù)權利要求3所述的耐壓殼激光-電弧復合焊質(zhì)量檢測方法，其特征在于，所述將不同視角下熔池和坡口的特征圖像進行三維融合具體步驟為：將不同視角下熔池和坡口的特征圖像進行坐標系轉(zhuǎn)換，通過三維重建算法，基于特征點匹配，得到融合后的特征圖像。

5.根據(jù)權利要求4所述的耐壓殼激光-電弧復合焊質(zhì)量檢測方法，其特征在于，所述對融合后的特征圖像進行時間序列轉(zhuǎn)換包括將熔池形態(tài)、坡口特征以及焊接過程中的光學變化作為時間序列數(shù)據(jù)。

6.根據(jù)權利要求5所述的耐壓殼激光-電弧復合焊質(zhì)量檢測方法，其特征在于，所述采用集合經(jīng)驗模態(tài)進行分解的具體公式為：

7.根據(jù)權利要求6所述的耐壓殼激光-電弧復合焊質(zhì)量檢測方法，其特征在于，所述步驟(5)中訓練好的雙向長短期記憶網(wǎng)絡模型通過正則化與網(wǎng)格搜索超參數(shù)調(diào)優(yōu)來優(yōu)化和增強。

8.根據(jù)權利要求7所述的耐壓殼激光-電弧復合焊質(zhì)量檢測方法，其特征在于，所述雙向長短期記憶網(wǎng)絡模型識別過程的公式為：

9.根據(jù)權利要求8所述的耐壓殼激光-電弧復合焊質(zhì)量檢測方法，其特征在于，所述焊接狀態(tài)包括熔池穩(wěn)定性和坡口完整性；所述焊縫質(zhì)量包括熔池穩(wěn)定性、坡口的完整性、焊縫的致密性和表面光潔度。

10.一種基于機器視覺的耐壓殼激光-電弧復合焊質(zhì)量檢測系統(tǒng)，其特征在于，包括：

技術總結
本發(fā)明公開了一種基于機器視覺的耐壓殼激光?電弧復合焊質(zhì)量檢測方法及系統(tǒng)，獲取耐壓殼激光?電弧復合焊不同視角的焊接實時圖像并進行處理，提取不同視角下熔池和坡口的特征圖像；將特征圖像進行三維融合并進行時間序列轉(zhuǎn)換，并將轉(zhuǎn)換后的時間序列采用集合經(jīng)驗模態(tài)進行分解，得到本征模態(tài)分量IMF及殘差；根據(jù)得到的固有模態(tài)函數(shù)IMF及殘差，通過訓練好的雙向長短期記憶網(wǎng)絡模型，識別焊接狀態(tài)和焊縫質(zhì)量實現(xiàn)耐壓殼激光?電弧復合焊質(zhì)量檢測。采用了多角度視覺信息采集與高效圖像處理相結合的方式，全面提升了焊接過程中對耐壓殼焊接質(zhì)量的實時監(jiān)測能力?；贓EMD?BiLSTM深度學習模型，實現(xiàn)了對耐壓殼激光?電弧復合焊質(zhì)量的精準實時檢測。

技術研發(fā)人員：謝陽,梅術龍,劉金鋒,張建,周宏根,狄陳陽
受保護的技術使用者：江蘇科技大學
技術研發(fā)日：
技術公布日：2024/12/26