[發明專利]一種激光熔覆質量智能控制系統及其智能控制方法

在審

• 申請號: 201810908159.1
• 申請日: 2018-08-10
• 公開（公告）號: CN108624880A
• 公開（公告）日: 2018-10-09
• 發明（設計）人: 劉文杰;吳國慶;張旭東;朱維南;曹宇鵬;姚劍南;宋晨光;吳樹謙;張明盛;姚宏凱
• 申請（專利權）人: 南通大學
• 主分類號: C23C24/10
• 分類號: C23C24/10;G06T7/00
• 代理公司: 南京正聯知識產權代理有限公司 32243
• 代理人: 錢靚

1.一種激光熔覆質量智能控制系統，其特征在于：包括機器人激光熔覆帶自動跟蹤模塊、圖像預處理模塊、缺陷檢測模塊、數據處理模塊和反饋控制模塊；

機器人激光熔覆帶自動跟蹤模塊是利用計算機視覺函數庫中的攝像機模型，根據攝像機的參數和焊槍尖端坐標和焊槍方向角組成的特征向量建立模型，控制焊槍逐步移動到熔覆位置；

圖像預處理模塊包括圖像獲取模塊、圖像處理模塊；圖像獲取模塊由攝像機、光學鏡頭、光源和夾持裝置組成，完成圖像的采集功能；圖像處理模塊是在計算機端利用計算機視覺函數庫，將采集的圖像經過圖像去噪、圖像增強與復原、目標分割的處理，以便進行下一步分析；

缺陷檢測模塊為利用深度學習物體檢測模型微調后用于激光熔覆帶缺陷檢測，包括對預先采集的圖片數據集的處理和缺陷檢測模型的建立，將預先采集得到的激光熔覆帶缺陷類型圖片，每張圖片人工標注缺陷類型和缺陷位置坐標；

數據處理模塊根據缺陷檢測模塊的缺陷檢測模型輸出的缺陷類型和對應缺陷類型面積值輸入到激光參數控制器中，根據已有實驗得到的激光參數與缺陷類型、對應缺陷面積值的對應關系調整激光熔覆系統的送粉速度、激光功率、離焦量、搭接率；

反饋控制模塊包括伺服電機、控制電路裝置，用于調整激光參數和伺服電機轉速；

缺陷檢測模型的建立分為兩個階段，包括缺陷檢測模型的訓練、驗證、測試階段和缺陷檢測模型的應用階段；

缺陷檢測模型的訓練、驗證和測試階段為保證缺陷檢測模型的泛化能力，首先將圖片數據集按照比例拆分為訓練集、驗證集和測試集，訓練集用于模型的訓練，驗證集用于訓練過程中參數調整后的模型的驗證，測試集用于訓練完成后模型的泛化能力的測試；缺陷檢測模型訓練過程中先將采集得到的激光熔覆帶缺陷類型圖片經過翻轉、剪切圖片增強方法，擴充數據集，使模型能夠得到充分訓練，學習到更多特征；缺陷檢測模型采用遷移學習技術，選擇當前已有的深度學習圖像物體分類模型中較好的圖像物體分類模型，對該模型進行微調，重置最后一個全連接層或修改為1×1的卷積層，后接Softmax層輸出缺陷類型的分類，并另添加一個并行的全連接層或1×1的卷積層，后接位置回歸層輸出對應缺陷類型的面積值；缺陷檢測模型在訓練過程中為了保證模型能夠收斂，需要設計缺陷檢測模型的損失函數，該缺陷檢測模型損失函數為：L(p, u，s) = L_cls(p, u) +r × L_s(s)，其中L_cls(p, u) =-log p_u代表分類預測與真實標注的缺陷類型之間的損失值，L_s(s)為檢測到的不同缺陷類型對應的面積損失值，r為調和參數；缺陷檢測模型建立好之后，將準備好的訓練數據集輸入到此模型中進行模型訓練，每輸入一張圖片使模型的參數得到一次調整，每次參數調整后的缺陷檢測模型需要進行模型的驗證，將驗證集圖片輸入到參數調整后的缺陷檢測模型中，得到模型的驗證集精確度，以上過程不斷循環，直到損失函數值不再減小或者精度達到預定的值時可停止缺陷檢測模型的訓練；將測試集輸入到訓練完成的缺陷檢測模型中，得到缺陷檢測模型在測試集上的精度，達到要求后的缺陷檢測模型即可用于激光熔覆層質量智能控制系統中；

缺陷檢測模型的應用階段是指在將缺陷檢測模型應用到系統中，將圖像預處理模塊處理好的圖片輸入到缺陷檢測模型中進行激光熔覆帶缺陷類型檢測分類識別，輸出檢測出的激光熔覆帶上的缺陷類型和對應的缺陷類型面積值。

2.根據權利要求1所述的一種激光熔覆質量智能控制系統，其特征在于：圖像去噪是去除消除圖像采集過程中產生的噪聲，降低對圖像質量的不良影響；圖像增強與復原是有目的地強調圖像的局部特征，將原來不清晰的部分變清晰或者強調感興趣的部分，擴大圖像中不同物體特征之間的差別，抑制不感興趣的特征，進而改善圖像質量、豐富圖像信息量，加強圖像判讀和識別效果；目標分割是將經過圖像去噪、圖像增強和復原后將圖片切割成固定尺寸。

3.根據權利要求1所述的一種激光熔覆質量智能控制系統的控制方法，其特征在于：首先激光熔覆機器人根據攝像機的參數和焊槍尖端坐標和焊槍方向角組成的特征向量建立模型，控制焊槍逐步移動到熔覆位置；實施激光熔覆過程中，攝像機將實時采集的熔覆帶圖像傳輸到電腦端，利用計算機視覺函數庫對圖像進行圖像預處理后再輸入到利用深度學習中物體檢測技術建立的缺陷檢測模型，對處理后的圖像熔覆層表面缺陷類型和對應的缺陷類型面積值進行智能識別檢測；識別檢測完成后輸出當前熔覆帶表面的缺陷類型和對應的缺陷類型面積值；計算機根據已有實驗得到的缺陷類型、對應的缺陷類型面積值與激光熔覆系統的送粉速度、激光功率、離焦量、搭接率參數之間的關系，發出調整參數指令到控制電路，由控制電路控制伺服電機、激光設備；根據調整后的參數，激光熔覆系統生產新的激光熔覆帶再由攝像機拍攝熔覆層表面圖片，重復以上過程，控制熔覆帶表面的缺陷面積達到預期效果，從而實現激光熔覆過程的智能控制。