CN117260046A - 门窗的无缝焊接系统及其方法 - Google Patents

Abstract

本发明公开了一种门窗的无缝焊接系统及其方法，其选择符合预定要求的门窗型材，并准备打磨设备和无缝焊接设备；使用所述打磨设备对所述门窗型材的侧边进行打磨以形成凹槽；使用丙酮清洗所述门窗型材的焊缝区域以去除氧化膜和杂质，其中，所述焊缝区域包括所述门窗型材的边框和边框四角；使用所述无缝焊接设备对所述焊缝区域进行焊接；以及，对所述焊缝区域进行基于焊接质量的检测。这样，可以及时发现和修复焊接缺陷，保证门窗的安全性和耐久性。

Description

门窗的无缝焊接系统及其方法

技术领域

本发明涉及智能化焊接技术领域，尤其涉及一种门窗的无缝焊接系统及其方法。

背景技术

采用铝合金挤压型材为框、梃、扇料制作的门窗称为铝合金门窗，简称铝门窗。铝合金具有密度小、比强度和比刚度高、优异的铸造性和良好的加工性能，同时还具有良好的阻尼减震性能等特点，非常适合用作门窗材料。

但是目前市面上的铝合金门窗在组装过程中容易产生缝隙，防尘防水效果减小；而且铝由于季节变化会发生热胀冷缩现象可能导致让铝合金门窗出现缝隙而发生渗水，使得内部型材遭到腐蚀，影响铝合金门窗的使用寿命。

因此，期待一种优化的焊接方案。

发明内容

本发明实施例提供一种门窗的无缝焊接系统及其方法，其选择符合预定要求的门窗型材，并准备打磨设备和无缝焊接设备；使用所述打磨设备对所述门窗型材的侧边进行打磨以形成凹槽；使用丙酮清洗所述门窗型材的焊缝区域以去除氧化膜和杂质，其中，所述焊缝区域包括所述门窗型材的边框和边框四角；使用所述无缝焊接设备对所述焊缝区域进行焊接；以及，对所述焊缝区域进行基于焊接质量的检测。这样，可以及时发现和修复焊接缺陷，保证门窗的安全性和耐久性。

本发明实施例还提供了一种门窗的无缝焊接方法，其包括：

选择符合预定要求的门窗型材，并准备打磨设备和无缝焊接设备；

使用所述打磨设备对所述门窗型材的侧边进行打磨以形成凹槽；

使用丙酮清洗所述门窗型材的焊缝区域以去除氧化膜和杂质，其中，所述焊缝区域包括所述门窗型材的边框和边框四角；

使用所述无缝焊接设备对所述焊缝区域进行焊接；以及

对所述焊缝区域进行基于焊接质量的检测。

本发明实施例还提供了一种门窗的无缝焊接系统，其包括：

门窗型材选择模块，用于选择符合预定要求的门窗型材，并准备打磨设备和无缝焊接设备；

打磨模块，用于使用所述打磨设备对所述门窗型材的侧边进行打磨以形成凹槽；

清洗模块，用于使用丙酮清洗所述门窗型材的焊缝区域以去除氧化膜和杂质，其中，所述焊缝区域包括所述门窗型材的边框和边框四角；

焊接模块，用于使用所述无缝焊接设备对所述焊缝区域进行焊接；以及

检测模块，用于对所述焊缝区域进行基于焊接质量的检测。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在附图中：

图1为本发明实施例中提供的一种门窗的无缝焊接方法的流程图。

图2为本发明实施例中提供的一种门窗的无缝焊接方法的系统架构的示意图。

图3为本发明实施例中提供的一种门窗的无缝焊接方法中步骤150的子步骤的流程图。

图4为本发明实施例中提供的一种门窗的无缝焊接系统的框图。

图5为本发明实施例中提供的一种门窗的无缝焊接方法的应用场景图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚明白，下面结合附图对本发明实施例做进一步详细说明。在此，本发明的示意性实施例及其说明用于解释本发明，但并不作为对本发明的限定。

如本发明和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其他的步骤或元素。

本发明中使用了流程图用来说明根据本发明的实施例的系统所执行的操作。应当理解的是，前面或下面操作不一定按照顺序来精确地执行。相反，根据需要，可以按照倒序或同时处理各种步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。

以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。

在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。

铝合金的密度相对较低，约为钢的1/3，因此铝合金制品相对较轻便，尽管轻巧，铝合金仍具有较高的强度，能够承受较大的载荷。铝合金具有良好的导热性和导电性，可以迅速传导热量和电流，适用于需要散热或导电的应用领域。铝合金在空气中形成一层致密的氧化膜，能够有效防止进一步的氧化和腐蚀，这使得铝合金具有较好的耐腐蚀性，适用于户外和潮湿环境中的使用。铝合金具有良好的可塑性和加工性，可以通过挤压、拉伸、锻造、铸造等加工工艺制成各种形状和尺寸的产品，这使得铝合金在制造业中应用广泛且灵活。铝合金是可回收的材料，可以循环利用，减少资源消耗和环境污染，回收利用铝合金还能节约能源和降低二氧化碳排放。

铝合金具有轻质高强、良好的导热性和导电性、耐腐蚀性、可塑性和加工性以及可回收性等特点，使其成为广泛应用于各个领域的重要材料之一。

铝合金门窗是采用铝合金挤压型材制作的门窗产品，铝合金是一种具有优异性能的材料，适用于门窗制造。以下是铝合金门窗的一些特点和优势：

轻巧耐用：铝合金具有较低的密度，因此铝合金门窗相比于其他材料的门窗更轻便。同时，铝合金具有良好的强度和耐久性，能够承受日常使用和各种气候条件下的影响。

良好的加工性能：铝合金易于加工和成型，能够满足各种门窗的设计需求。通过挤压、切割、焊接等加工工艺，可以制作出各种形状和尺寸的门窗产品。

耐腐蚀性：铝合金具有良好的耐腐蚀性能，不易受到氧化、腐蚀和腐蚀性气体的侵蚀。这使得铝合金门窗能够在潮湿或多雨的环境下长期使用，不易生锈或腐蚀。

良好的隔热性能：铝合金门窗可以采用断桥铝型材，通过断桥技术在铝合金型材中设置隔热条，从而提高门窗的隔热性能，减少热量传导，提高能源效率。

多样的设计风格：铝合金门窗可以根据个人喜好和建筑风格进行设计，提供多种颜色、表面处理和型材样式选择，满足不同用户的需求。

环保可持续：铝合金是可回收利用的材料，具有较低的能耗和环境影响。使用铝合金门窗有助于减少资源消耗和环境污染。

但是，在铝合金门窗的组装过程中，可能会出现尺寸不准确，如果门窗的尺寸测量或切割不准确，可能导致门窗无法正确安装或与墙体不匹配，这可能需要重新测量和调整尺寸，或者重新制作门窗。焊接问题，对于需要焊接的铝合金门窗，焊接质量是关键。焊接不牢固或焊接缺陷可能导致门窗的结构不稳定或易受损，确保焊接过程中的技术和操作正确是很重要的。玻璃安装问题，玻璃是门窗的重要组成部分，安装不当可能导致玻璃破裂或漏水，确保玻璃的安装过程正确，包括使用适当的密封胶和正确的安装方法。五金配件问题，门窗的五金配件，如铰链、锁具、滑轨等，对门窗的使用和功能起着重要作用，如果五金配件选择不当或安装不正确，可能导致门窗开启、关闭不顺畅或功能受限。密封问题，铝合金门窗需要进行密封处理，以确保其具有良好的隔热、防水和防尘性能，如果密封处理不当，可能导致门窗漏风、漏水或进尘。

这些问题在门窗制造和安装过程中是可以避免的。确保使用高质量的材料和配件，严格按照制造商的指导和标准进行操作，进行仔细的检查和测试，可以减少这些问题的发生，并确保铝合金门窗的质量和性能。

在本发明的一个实施例中，图1为本发明实施例中提供的一种门窗的无缝焊接方法的流程图。如图1所示，根据本发明实施例的门窗的无缝焊接方法100，包括：110，选择符合预定要求的门窗型材，并准备打磨设备和无缝焊接设备；120，使用所述打磨设备对所述门窗型材的侧边进行打磨以形成凹槽；130，使用丙酮清洗所述门窗型材的焊缝区域以去除氧化膜和杂质，其中，所述焊缝区域包括所述门窗型材的边框和边框四角；140，使用所述无缝焊接设备对所述焊缝区域进行焊接；以及，150，对所述焊缝区域进行基于焊接质量的检测。

在所述步骤110中，选择质量可靠、符合设计要求的门窗型材，确保其适用于无缝焊接。准备好必要的打磨设备和无缝焊接设备，包括打磨机、无缝焊接机等。在所述步骤120中，在门窗型材的侧边进行打磨，以形成凹槽，为后续的焊接提供更好的接触面。打磨时要注意保持凹槽的一致性和平整度，确保焊接质量。在所述步骤130中，使用丙酮或其他适当的清洁剂清洗焊缝区域，去除氧化膜和杂质，确保焊接区域的清洁度。清洗后，确保焊缝区域完全干燥，以免影响焊接质量。在所述步骤140中，使用无缝焊接设备对门窗型材的焊缝区域进行焊接，确保焊接质量和稳定性。操作无缝焊接设备时，要遵循设备操作说明和安全操作规程。在所述步骤150中，对焊缝区域进行检测，以确保焊接质量符合要求。可使用目视检查、非破坏性检测或其他适当的检测方法，如X射线检测、超声波检测等。

其中，注意选择合适的门窗型材和设备，确保符合预定要求；打磨和清洗门窗型材，确保焊接区域的准备工作充分；使用专业的无缝焊接设备进行焊接，确保焊接质量和稳定性；对焊缝区域进行检测，确保焊接质量符合要求，提高门窗的质量和可靠性。这样，可以确保门窗的无缝焊接质量和性能达到预期要求，并提高门窗的耐用性和外观质量。

在实际进行门窗的焊接过程中，如果焊接质量不合格，可能导致门窗的结构不稳定或部件松动。这会增加门窗在使用过程中发生意外事故的风险，如门窗脱落、倾斜或碎裂等，对人身安全造成威胁。因此，在本申请的技术方案中，期待对所述焊缝区域进行基于焊接质量的检测，以及时发现和修复焊接缺陷，保证门窗的安全性和耐久性。具体地，在150步骤中，本申请的技术构思为：利用传统特征提取手段与基于深度学习的图像特征提取技术，从焊接区域的焊接图像中提取关于焊接质量的隐含特征，并以此来进行智能化地焊接质量的判断。

也就是说，在本申请的技术方案中，期待将传统图像特征与深度图像特征进行融合以丰富特征表达。具体而言，传统图像特征和深度图像特征在表达方式上存在差异，它们可以互补彼此的缺点。传统图像特征在处理纹理信息方面较为擅长，而深度图像特征则对图像的本质语义表达更敏感。将两者的特征进行融合，可以使得融合后的特征信息具有更为出色的特征表达能力。

图2为本发明实施例中提供的一种门窗的无缝焊接方法的系统架构的示意图。图3为本发明实施例中提供的一种门窗的无缝焊接方法中步骤150的子步骤的流程图。如图2和图3所示，对所述焊缝区域进行基于焊接质量的检测，包括：151，获取由摄像头采集的所述焊接区域的焊接图像；152，对所述焊接图像进行图像特征提取以得到多尺度焊接区域特征向量；及，153，基于所述多尺度焊接区域特征向量，确定焊接质量是否符合预定标准。

首先，获取由摄像头采集的所述焊接区域的焊接图像。使用摄像头或其他图像采集设备获取焊接区域的图像。确保摄像头角度和位置适当，以获取清晰、准确的焊接图像。然后，对所述焊接图像进行图像特征提取以得到多尺度焊接区域特征向量。对焊接图像进行图像处理和特征提取，提取多尺度的焊接区域特征。可使用计算机视觉技术、图像处理算法等方法，提取焊接图像的特征信息。最后，基于所述多尺度焊接区域特征向量，确定焊接质量是否符合预定标准。根据多尺度焊接区域特征向量，进行焊接质量的评估和判断。基于预定的标准和阈值，对特征向量进行分析和比较，确定焊接质量是否符合要求。

这样，使用高质量的摄像头和图像采集设备，确保获取清晰、准确的焊接图像。在图像特征提取过程中，选择合适的算法和方法，确保提取到具有代表性的焊接区域特征。建立准确的焊接质量评估模型，根据多尺度焊接区域特征向量进行客观的质量判断。根据预定标准和阈值，确定焊接质量是否符合要求，提供及时的反馈和判定结果。

通过引入图像处理和特征提取技术，可以实现对焊接质量的自动化检测和评估，提高焊接质量的可靠性和一致性，有助于减少人为判断的主观性，并提供更客观、准确的焊接质量分析结果。

基于此，在本申请的技术方案中，首先，获取由摄像头采集的焊接区域的焊接图像。通过分析焊接图像，可以提取焊缝的形状、宽度、深度等信息，以评估焊缝的质量，例如，可以检查焊缝是否均匀、完全填充以及是否存在焊接缺陷（如裂纹、夹渣等）。焊接图像可以用于检测焊接缺陷，例如气孔、夹渣、焊缝偏移等，通过分析图像中的亮度、形状和纹理等特征，可以自动或半自动地检测和识别这些缺陷。焊接图像可以用于测量焊接尺寸和几何特征，例如焊缝宽度、深度、角度等，这些测量结果可以与预定标准进行比较，以确定焊接质量是否符合要求。焊接图像可以提供有关焊接熔池状态的信息，例如熔池的形状、颜色和稳定性，这些信息可以用于评估焊接过程的稳定性和一致性。通过连续采集焊接图像，可以实时监控焊接过程中的变化和异常情况，例如，可以检测焊接过程中的喷溅、温度变化等，并及时采取措施进行调整和修正。

通过提取焊接图像中的这些有用信息，可以实现对焊接质量的自动化检测、评估和控制，提高焊接的可靠性和一致性。

获取由摄像头采集的焊接区域的焊接图像在确定焊接质量是否符合预定标准方面起着重要的作用。焊接图像提供了对焊接质量的直观视觉评估，通过观察焊接图像，可以检查焊缝的形状、均匀性、焊缝的完整性以及是否存在焊接缺陷等信息，这样可以快速判断焊接质量是否达到预定标准。

焊接图像可以用于检测焊接缺陷，如焊缝偏移、焊缝不完全填充、气孔、夹渣等，通过对焊接图像进行分析和比较，可以识别和定位潜在的焊接缺陷，并与预定标准进行对比，判断焊接质量是否合格。焊接图像可以用于测量焊接尺寸和几何特征，如焊缝宽度、焊缝深度、焊接角度等，将测量结果与预定标准进行比较，可以确定焊接质量是否符合要求。通过采集和保存焊接图像，可以建立焊接质量的数据库，这些数据可以用于后续的分析和统计，以评估焊接过程的稳定性和一致性，并进行质量改进和优化。

获取由摄像头采集的焊接区域的焊接图像可以提供直观的视觉信息，用于评估焊接质量是否符合预定标准，帮助检测焊接缺陷、测量尺寸和几何特征，并提供数据记录和分析的基础，以支持焊接质量的控制和改进。

在本申请的一个实施例中，对所述焊接图像进行图像特征提取以得到多尺度焊接区域特征向量，包括：提取所述焊接图像中的传统特征以得到焊接区域传统特征向量；提取所述焊接图像中的深度特征以得到焊接区域深度特征向量；以及，融合所述焊接区域传统特征向量和所述焊接区域深度特征向量以得到所述多尺度焊接区域特征向量。

首先，传统特征和深度特征分别从不同的角度捕捉了焊接图像的信息，传统特征可以包括边缘、纹理、颜色等视觉特征，而深度特征则反映了图像中的空间结构和深度信息。将这两种类型的特征融合在一起，可以综合考虑不同层面的信息，提高对焊接区域的表征能力。

然后，融合传统特征和深度特征可以实现多尺度的焊接区域表示，传统特征可以捕捉局部细节和纹理信息，而深度特征则提供了更全局的空间结构信息。通过融合这两种特征，可以在不同尺度上对焊接区域进行描述，从而更全面地理解焊接质量。

传统特征和深度特征在对焊接图像的表征能力上具有互补性，传统特征对光照变化和噪声有一定的鲁棒性，而深度特征对视角变化和部分遮挡有较好的适应性。通过融合这两种特征，可以提高对焊接图像的鲁棒性，减少因环境变化引起的误判。

多尺度焊接区域特征向量可以作为输入用于分类和检测任务，传统特征和深度特征的融合可以提供更丰富的信息，从而提高分类和检测的性能。例如，可以利用这些特征进行焊缝缺陷检测、焊缝质量评估等任务，帮助自动化实现焊接质量控制。

提取传统特征和深度特征，并融合它们以得到多尺度焊接区域特征向量，可以提高对焊接区域的表征能力、鲁棒性和分类/检测性能，从而有助于实现更准确、可靠的焊接质量评估和控制。

接着，提取所述焊接图像中的传统特征以得到焊接区域传统特征向量。在本申请的一个具体示例中，提取所述焊接图像中的传统特征以得到焊接区域传统特征向量的编码过程，包括：先从所述焊接图像提取边缘特征HOG特征和纹理特征LBP特征；再将所述边缘特征HOG特征和所述纹理特征LBP特征进行级联以得到焊接区域传统特征向量。

应可以理解，边缘特征HOG特征是一种用于描述图像边缘信息的特征表示方法，通过计算图像局部区域的梯度方向直方图来捕捉边缘的方向和强度。HOG特征在图像的不同区域对应不同的梯度方向直方图，从而提供了对局部边缘结构的描述，通过将图像划分为多个小的细胞单元，并计算每个细胞单元内像素的梯度方向直方图，可以得到整个图像的HOG特征向量。HOG特征在目标检测、行人识别等任务中得到广泛应用。

纹理特征LBP特征是一种用于描述图像纹理信息的特征表示方法，通过比较像素与其邻域像素的灰度值来构建二进制编码，用于表示局部纹理模式。对于每个像素，将其邻域像素与中心像素进行比较，如果邻域像素的灰度值大于等于中心像素，则将对应位置的二进制编码位置设置为1，否则设置为0。对整个图像进行这样的操作，可以得到LBP特征图或LBP直方图。LBP特征对于纹理的细节和局部模式具有较好的描述能力，常用于纹理分类、人脸识别等任务。

提取焊接图像中的边缘特征HOG和纹理特征LBP，可以通过计算每个图像区域的对应特征表示，并将它们组合成特征向量。这些特征向量可以用于描述焊接区域的边缘结构和纹理模式，从而提供有关焊接质量和缺陷的信息。这种传统特征提取方法在计算效率和表征能力上具有优势，并且可以与深度特征相结合，实现多尺度的焊接区域特征表示。

然后，提取所述焊接图像中的深度特征以得到焊接区域深度特征向量。在本申请的一个具体示例中，提取所述焊接图像中的深度特征以得到焊接区域深度特征向量的编码过程，包括：将所述焊接图像通过基于金字塔网络的焊接图像特征提取器以得到焊接区域深度特征向量。

其中，金字塔网络是一种用于处理多尺度输入的神经网络结构，可以有效地提取图像数据的多尺度特征，从而在不同尺度上对目标进行建模和识别。金字塔网络的主要思想是通过构建多个分辨率的图像金字塔来处理输入数据，图像金字塔是由原始图像的一系列缩放版本组成，每个版本都对应着不同的尺度。通常，金字塔的底层包含原始图像，而上层则是通过降采样操作得到的较小尺寸的图像。

在金字塔网络中，每个金字塔层都有一个对应的神经网络模块，用于提取该层上的特征，这些模块可以是卷积神经网络（Convolutional Neural Network，CNN）或其他类型的网络结构，每个模块负责处理对应尺度的图像，并提取其特征表示。

金字塔网络的优势在于能够同时处理不同尺度的输入数据，并且能够捕捉到不同尺度下的特征信息，通过在不同尺度上提取特征，金字塔网络可以更全面地理解图像中的结构和内容，从而提高对复杂目标的识别和理解能力。

在焊接图像处理中，基于金字塔网络的焊接图像特征提取器可以用于提取焊接区域的深度特征，通过构建图像金字塔，网络可以同时处理不同尺度的焊接图像，并提取每个尺度上的特征表示。这样可以获得多尺度的深度特征向量，用于描述焊接区域的空间结构和细节信息，这种多尺度的特征表示有助于提高焊接区域的表征能力和分类性能。

继而，融合所述焊接区域传统特征向量和所述焊接区域深度特征向量以得到多尺度焊接区域特征向量。

在本申请的一个实施例中，基于所述多尺度焊接区域特征向量，确定焊接质量是否符合预定标准，包括：将所述多尺度焊接区域特征向量通过分类器以得到分类结果，所述分类结果用于表示焊接质量是否符合预定标准。

多尺度焊接区域特征向量可以输入到分类器中，以得到对焊接质量的分类结果。分类器是一个训练好的机器学习模型，可以学习从特征向量到预定标准的映射关系。分类器包括支持向量机（Support Vector Machine，SVM）、决策树（Decision Tree）、随机森林（Random Forest）等，分类器会根据特征向量的模式和分布进行分类决策，判断焊接质量是否符合预定标准。

通过将多尺度焊接区域特征向量输入到分类器中，可以得到分类结果，用于表示焊接质量是否符合预定标准。分类结果可以是二元的，表示焊接质量合格或不合格；也可以是多类别的，表示不同质量等级或缺陷类型。这样的分类结果可以为焊接质量评估和控制提供决策依据，帮助判断焊接的良好与否，并采取相应的措施进行调整和改进。

通过多尺度焊接区域特征向量和应用分类器，可以实现对焊接质量的自动化评估和判定。这种方法可以提高评估的准确性和效率，帮助实现对焊接过程的实时监控和质量控制。

将所述多尺度焊接区域特征向量通过分类器以得到分类结果，所述分类结果用于表示焊接质量是否符合预定标准。

分类器是一种机器学习模型，用于将输入数据映射到预定义的类别或标签。在焊接质量评估中，分类器可以将多尺度焊接区域特征向量作为输入，并输出表示焊接质量是否符合预定标准的分类结果。

SVM是一种二分类模型，通过构建一个最优的超平面来将不同类别的样本分开，可以处理线性可分和线性不可分的数据，并具有较好的泛化能力。SVM在焊接质量评估中可以学习从特征向量到合格/不合格标签的映射关系。

决策树是一种基于树结构的分类模型，通过一系列的决策规则将数据划分为不同的类别。每个决策规则对应于树中的一个节点，根据特征的取值进行分支，决策树具有可解释性强的优点，并且可以处理离散和连续特征。在焊接质量评估中，决策树可以根据特征向量的属性进行分类判定。

随机森林是一种集成学习方法，由多个决策树组成。每个决策树都是通过对训练数据进行有放回抽样（bootstrap）和随机特征选择构建而成，随机森林通过对多个决策树的投票或平均来确定最终的分类结果。它具有较好的鲁棒性和泛化能力，在焊接质量评估中可以用于处理复杂的特征和类别关系。

在本申请的技术方案中，所述焊接区域传统特征向量和所述焊接区域深度特征向量以得到多尺度焊接区域特征向量分别表达所述焊接图像的传统图像特征和基于金字塔网络的多尺度多深度融合图像语义特征，由此，考虑到传统特征和基于深度神经网络的深度语义特征之间的特征分布的显著差异，在融合所述焊接区域传统特征向量和所述焊接区域深度特征向量时，如果将所述焊接图像的传统图像特征和基于金字塔网络的多尺度多深度融合图像语义特征作为前景对象特征，则特征融合也会引入与传统特征和深度特征本身的特征分布干涉相关的背景融合噪声，并且，所述多尺度焊接区域特征向量也具有特征阶次、尺度和深度下的分级特征表达，由此，所述多尺度焊接区域特征向量在通过分类器进行分类时，所述分类器的权重矩阵也会存在相对于归属于预定特征表达维度下的图像语义特征的类标签的收敛困难，影响分类器的训练效果。

因此，本申请在将所述多尺度焊接区域特征向量通过分类器进行分类时，在训练的每一轮迭代中，对所述多尺度焊接区域特征向量进行权重空间迭代递归的定向提议化优化。

在本申请的一个实施例中，所述门窗的无缝焊接系统，还包括：训练步骤，用于在将所述多尺度焊接区域特征向量通过分类器进行分类时，在训练的每一轮迭代中，对所述多尺度焊接区域特征向量进行权重空间迭代递归的定向提议化优化以得到优化多尺度焊接区域特征向量；

其中，对所述多尺度焊接区域特征向量进行权重空间迭代递归的定向提议化优化以得到优化多尺度焊接区域特征向量，包括：以如下优化公式对所述多尺度焊接区域特征向量进行权重空间迭代递归的定向提议化优化以得到所述优化多尺度焊接区域特征向量；

其中，所述优化公式为：其中，/>和/>分别是上次和本次迭代的权重矩阵，其中在首次迭代时，采用不同的初始化策略设置/>和，（例如，/>设置为单位矩阵而/>设置为待分类特征向量的均值对角矩阵），/>是所述多尺度焊接区域特征向量，/>是第一特征向量，/>是第二特征向量，/>是所述优化多尺度焊接区域特征向量，/>表示矩阵乘法，/>、/>分别表示按位置加法和按位置点乘。

这里，所述权重空间迭代递归的定向提议化优化可以通过将初始的待分类的所述多尺度焊接区域特征向量作为锚点，来在权重空间内基于权重矩阵迭代的对应于所述多尺度焊接区域特征向量/>的不同特征表达维度方向获得图像语义特征分布维度下的锚点足迹（anchor footprint），以作为在权重空间迭代递归的定向提议（orientedproposal），从而基于预测提议地提升权重矩阵收敛的类置信度和局部精确性，以提升所述多尺度焊接区域特征向量通过分类器的训练效果。

综上，基于本发明实施例的门窗的无缝焊接方法100被阐明，其利用传统特征提取手段与基于深度学习的图像特征提取技术，从焊接区域的焊接图像中提取关于焊接质量的隐含特征，并以此来进行智能化地焊接质量的判断。

在本发明的一个实施例中，图4为本发明实施例中提供的一种门窗的无缝焊接系统的框图。如图4所示，根据本发明实施例的门窗的无缝焊接系统200，包括：门窗型材选择模块210，用于选择符合预定要求的门窗型材，并准备打磨设备和无缝焊接设备；打磨模块220，用于使用所述打磨设备对所述门窗型材的侧边进行打磨以形成凹槽；清洗模块230，用于使用丙酮清洗所述门窗型材的焊缝区域以去除氧化膜和杂质，其中，所述焊缝区域包括所述门窗型材的边框和边框四角；焊接模块240，用于使用所述无缝焊接设备对所述焊缝区域进行焊接；以及，检测模块250，用于对所述焊缝区域进行基于焊接质量的检测。

在所述门窗的无缝焊接系统中，所述检测模块，包括：图像获取单元，用于获取由摄像头采集的所述焊接区域的焊接图像；图像特征提取单元，用于对所述焊接图像进行图像特征提取以得到多尺度焊接区域特征向量；及，焊接质量确定单元，用于基于所述多尺度焊接区域特征向量，确定焊接质量是否符合预定标准。

在所述门窗的无缝焊接系统中，所述图像特征提取单元，用于：提取所述焊接图像中的传统特征以得到焊接区域传统特征向量；提取所述焊接图像中的深度特征以得到焊接区域深度特征向量；以及，融合所述焊接区域传统特征向量和所述焊接区域深度特征向量以得到所述多尺度焊接区域特征向量。

这里，本领域技术人员可以理解，上述门窗的无缝焊接系统中的各个单元和模块的具体功能和操作已经在上面参考图1到图3的门窗的无缝焊接方法的描述中得到了详细介绍，并因此，将省略其重复描述。

如上所述，根据本发明实施例的门窗的无缝焊接系统200可以实现在各种终端设备中，例如用于门窗的无缝焊接的服务器等。在一个示例中，根据本发明实施例的门窗的无缝焊接系统200可以作为一个软件模块和/或硬件模块而集成到终端设备中。例如，该门窗的无缝焊接系统200可以是该终端设备的操作系统中的一个软件模块，或者可以是针对于该终端设备所开发的一个应用程序；当然，该门窗的无缝焊接系统200同样可以是该终端设备的众多硬件模块之一。

替换地，在另一示例中，该门窗的无缝焊接系统200与该终端设备也可以是分立的设备，并且门窗的无缝焊接系统200可以通过有线和/或无线网络连接到该终端设备，并且按照约定的数据格式来传输交互信息。

图5为本发明实施例中提供的一种门窗的无缝焊接方法的应用场景图。如图5所示，在该应用场景中，首先，获取由摄像头采集的所述焊接区域的焊接图像（例如，如图5中所示意的C）；然后，将获取的焊接图像输入至部署有门窗的无缝焊接算法的服务器（例如，如图5中所示意的S）中，其中所述服务器能够基于门窗的无缝焊接算法对所述焊接图像进行处理，以确定焊接质量是否符合预定标准。

以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种门窗的无缝焊接方法，其特征在于，包括：

选择符合预定要求的门窗型材，并准备打磨设备和无缝焊接设备；

使用所述打磨设备对所述门窗型材的侧边进行打磨以形成凹槽；

使用丙酮清洗所述门窗型材的焊缝区域以去除氧化膜和杂质，其中，所述焊缝区域包括所述门窗型材的边框和边框四角；

使用所述无缝焊接设备对所述焊缝区域进行焊接；以及

对所述焊缝区域进行基于焊接质量的检测。

2.根据权利要求1所述的门窗的无缝焊接方法，其特征在于，对所述焊缝区域进行基于焊接质量的检测，包括：

获取由摄像头采集的所述焊接区域的焊接图像；

对所述焊接图像进行图像特征提取以得到多尺度焊接区域特征向量；及

基于所述多尺度焊接区域特征向量，确定焊接质量是否符合预定标准。

3.根据权利要求2所述的门窗的无缝焊接方法，其特征在于，对所述焊接图像进行图像特征提取以得到多尺度焊接区域特征向量，包括：

提取所述焊接图像中的传统特征以得到焊接区域传统特征向量；

提取所述焊接图像中的深度特征以得到焊接区域深度特征向量；以及

融合所述焊接区域传统特征向量和所述焊接区域深度特征向量以得到所述多尺度焊接区域特征向量。

4.根据权利要求3所述的门窗的无缝焊接方法，其特征在于，提取所述焊接图像中的传统特征以得到焊接区域传统特征向量，包括：

从所述焊接图像提取边缘特征HOG特征和纹理特征LBP特征；以及

将所述边缘特征HOG特征和所述纹理特征LBP特征进行级联以得到所述焊接区域传统特征向量。

5.根据权利要求4所述的门窗的无缝焊接方法，其特征在于，提取所述焊接图像中的深度特征以得到焊接区域深度特征向量，包括：

将所述焊接图像通过基于金字塔网络的焊接图像特征提取器以得到所述焊接区域深度特征向量。

6.根据权利要求5所述的门窗的无缝焊接方法，其特征在于，基于所述多尺度焊接区域特征向量，确定焊接质量是否符合预定标准，包括：

将所述多尺度焊接区域特征向量通过分类器以得到分类结果，所述分类结果用于表示焊接质量是否符合预定标准。

7.根据权利要求6所述的门窗的无缝焊接方法，其特征在于，还包括：训练步骤，用于在将所述多尺度焊接区域特征向量通过分类器进行分类时，在训练的每一轮迭代中，对所述多尺度焊接区域特征向量进行权重空间迭代递归的定向提议化优化以得到优化多尺度焊接区域特征向量；

其中，对所述多尺度焊接区域特征向量进行权重空间迭代递归的定向提议化优化以得到优化多尺度焊接区域特征向量，包括：以如下优化公式对所述多尺度焊接区域特征向量进行权重空间迭代递归的定向提议化优化以得到所述优化多尺度焊接区域特征向量；

其中，所述优化公式为：其中，/>和/>分别是上次和本次迭代的权重矩阵，/>是所述多尺度焊接区域特征向量，/>是第一特征向量，/>是第二特征向量，/>是所述优化多尺度焊接区域特征向量，/>表示矩阵乘法，/>、/>分别表示按位置加法和按位置点乘。

8.一种门窗的无缝焊接系统，其特征在于，包括：

门窗型材选择模块，用于选择符合预定要求的门窗型材，并准备打磨设备和无缝焊接设备；

打磨模块，用于使用所述打磨设备对所述门窗型材的侧边进行打磨以形成凹槽；

清洗模块，用于使用丙酮清洗所述门窗型材的焊缝区域以去除氧化膜和杂质，其中，所述焊缝区域包括所述门窗型材的边框和边框四角；

焊接模块，用于使用所述无缝焊接设备对所述焊缝区域进行焊接；以及

检测模块，用于对所述焊缝区域进行基于焊接质量的检测。

9.根据权利要求8所述的门窗的无缝焊接系统，其特征在于，所述检测模块，包括：

图像获取单元，用于获取由摄像头采集的所述焊接区域的焊接图像；

图像特征提取单元，用于对所述焊接图像进行图像特征提取以得到多尺度焊接区域特征向量；及

焊接质量确定单元，用于基于所述多尺度焊接区域特征向量，确定焊接质量是否符合预定标准。

10.根据权利要求9所述的门窗的无缝焊接系统，其特征在于，所述图像特征提取单元，用于：

提取所述焊接图像中的传统特征以得到焊接区域传统特征向量；

提取所述焊接图像中的深度特征以得到焊接区域深度特征向量；以及

融合所述焊接区域传统特征向量和所述焊接区域深度特征向量以得到所述多尺度焊接区域特征向量。