CN118081171A - 应用于金属板焊接下的异常智能识别方法及系统 - Google Patents

Abstract

本发明涉及金属板焊接异常识别技术领域，揭露一种应用于金属板焊接下的异常智能识别方法及系统，所述方法包括：采集待焊接金属板的表面图像，进行表面缺陷检测，在检测为合格时，得到目标金属板；识别目标金属板及焊接物的材料属性，以分析其断裂韧性；提取目标金属板的焊接工艺数据，利用焊接工艺数据和断裂韧性，计算焊接支持度，并在焊接支持度大于预设支持度时，采集目标金属板的焊接画面，以分析焊接物的相变程度和目标金属板的晶粒粗化程度，以分析目标金属板的材料形变程度；提取目标金属板的焊接成品图像，进行成品检测，利用材料形变程度与成品检测的结果，构建待焊接金属板的异常识别报告。本发明可以提高金属板焊接异常识别的准确性。

Description

应用于金属板焊接下的异常智能识别方法及系统

技术领域

本发明涉及金属板焊接异常识别技术领域，尤其涉及一种应用于金属板焊接下的异常智能识别方法及系统。

背景技术

金属板焊接是一种常见的金属加工工艺，通过热源（火焰、电弧、激光等）或压力使金属板材件之间产生持久性连接的过程。在金属板焊接中，通常会使用适当的焊接材料（焊丝、焊条等）来填充焊缝，并通过热量将金属板件熔化以形成连接。这种连接可以是永久性的，并提供高强度和耐用性，适用于各种行业和领域，如制造业、建筑业、汽车制造等。金属板焊接是广泛应用的重要工艺，被用于制造各种金属构件和结构件。在金属板焊接过程中可能会出现熔滴飞溅、晶粒粗化、硬化及变形等问题，导致金属板焊接出现质量问题，因此在金属板焊接过程中进行异常识别，及时发现问题并排除问题具有重大意义 。

目前，对于金属板焊接的异常识别方法一般基于基于视觉检测技术，通过识别焊接完成的金属板表面是否存在裂缝，气泡等异常来判断是否存在异常，然而通过这样的方法无法及时发现在焊接过程中是否存在异常，如焊接参数异常导致的金属板承受压力过大、出现质量问题，以及焊接头有异物导致的焊接不够牢固等一系列问题，从而导致金属焊接板的焊接要求不符合质量标准。

发明内容

为了解决上述问题，本发明提供了一种应用于金属板焊接下的异常智能识别方法，可以提高金属板焊接异常识别的准确性。

第一方面，本发明提供了一种应用于金属板焊接下的异常智能识别方法，包括：

采集待焊接金属板的表面图像，利用所述表面图像，对所述待焊接金属板进行表面缺陷检测，在所述表面缺陷检测为合格时，则将所述待焊接金属板作为目标金属板；

识别所述目标金属板及所述目标金属板对应的焊接物的材料属性，基于所述材料属性，分析所述目标金属板与所述焊接物的断裂韧性；

提取所述目标金属板的焊接工艺数据，利用所述焊接工艺数据和所述断裂韧性，计算所述焊接物在所述目标金属板焊接过程中的焊接支持度，并在所述焊接支持度大于预设支持度时，采集所述目标金属板与所述焊接物在进行金属板焊接过程中的焊接画面；

利用所述焊接画面分析所述焊接物的相变程度，利用所述焊接画面分析所述目标金属板的晶粒粗化程度，利用所述相变程度和所述晶粒粗化程度，分析所述目标金属板的材料形变程度；

提取所述目标金属板在焊接完成时的成品图像，根据所述成品图像，对所述焊接金属板进行成品缺陷检测，得到成品检测结果，利用所述材料形变程度与所述成品检测结果，构建所述待焊接金属板的异常识别报告。

在第一方面的一种可能实现方式中，所述利用所述表面图像，对所述待焊接金属板进行表面缺陷检测，包括：

对所述表面图像进行平滑操作，得到平滑图像；

提取所述平滑图像的图像纹理、图像形状、图像颜色；

根据所述图像纹理、所述图像形状及所述图像颜色识别所述待焊接金属板的表面缺陷。

在第一方面的一种可能实现方式中，所述基于所述材料属性，分析所述目标金属板与所述焊接物的断裂韧性，包括：

根据所述材料属性，分析所述目标金属板与所述焊接物的抗拉伸强度；

基于所述抗拉伸强度对所述目标金属板与所述焊接物进行冲击测试；

基于所述冲击测试的结果，确定所述目标金属板与所述焊接物的断裂韧性。

在第一方面的一种可能实现方式中，所述利用所述焊接工艺数据和所述断裂韧性，计算所述焊接物在所述目标金属板焊接过程中的焊接支持度，包括：

提取所述焊接工艺数据中关于所述目标金属板的焊接时间；

根据所述焊接时间结合下述公式计算所述目标金属板的焊接热应力：

；

其中，表示焊接热应力，/>表示热扩散率，/>表示温度随时间的变化率，/>表示焊接时间， />，/>表示目标金属板在二维坐标平面下的热传导方向；

根据所述焊接热应力，结合下述公式计算所述目标金属板的形变应力：

；

其中，表示形变应力，/>表示目标金属板的弹性应变增量，/>表示目标金属板的塑性应变增量，/>表示焊接热应力；

将所述断裂韧性转化为韧性向量，将所述形变应力转换为应力向量；

基于所述韧性向量和所述应力向量，计算所述焊接物在所述目标金属板焊接过程中的焊接支持度。

在第一方面的一种可能实现方式中，所述利用所述焊接画面分析所述焊接物的相变程度，包括：

提取所述焊接画面中焊接前图像与焊接后图像；

利用下述公式计算所述焊接前图像的焊接前梯度值：

；

其中，表示焊接前梯度值，/>表示焊接前图像的长度，/>表示焊接前图像的宽度，/>表示焊接前图像第s个像素点，/>表示所述第/>个像素点在焊接前图像中的水平方向的梯度，/>表示第/>个像素点在焊接前图像中的垂直方向的梯度；

利用下述公式计算所述焊接后图像的焊接后梯度值：

；

其中，表示焊接后梯度值，/>表示焊接后图像的长度，/>表示焊接后图像的宽度，/>表示焊接后图像第s个像素点，/>表示所述第/>个像素点在焊接后图像中的水平方向的梯度，/>表示第/>个像素点在焊接后图像中的垂直方向的梯度；

利用所述焊接前梯度值与所述焊接后梯度值计算所述焊接前图像与所述焊接后图像的梯度变化值；

利用所述梯度变化值分析所述焊接物的相变程度。

在第一方面的一种可能实现方式中，所述利用所述焊接画面分析所述目标金属板的晶粒粗化程度，包括：

提取所述焊接画面中目标金属板的焊接前金属板图像与焊接后金属板图像；

利用下述公式计算所述焊接前金属板图像与所述焊接后金属板图像的结构变化度：

；

其中，表示结构变化度，l表示焊接前金属板图像与焊接后金属板图像亮度比，c表示焊接前金属板图像与焊接后金属板图像的长径比、s表示焊接前金属板图像与的焊接后金属板图像的结构度对比度，/>、/>、/>为常数，/>表示焊接前金属板图像中第i个图像区域，/>表示焊接后金属板图像的第i个区域，m表示焊接前金属板图像与焊接后金属板图像对比区域的数量；

根据所述结构变化度，分析所述目标金属板的晶粒粗化程度。

在第一方面的一种可能实现方式中，所述利用所述相变程度和所述晶粒粗化程度，分析所述目标金属板的材料形变程度，包括：

根据所述相变程度分析所述目标金属板的结构变化水平；

根据所述晶粒粗化程度分析所述目标金属板的晶界特征变化水平；

基于所述结构变化水平和所述晶界特征变化水平确定所述目标金属板的材料形变程度。

在第一方面的一种可能实现方式中，所述根据所述成品图像，对所述焊接金属板进行成品缺陷检测，得到成品检测结果，包括：

对所述成品图像进行图像边缘检测；

基于所述图像边缘检测的结果，对所述成品图像进行图像分割，得到分割图像；

识别所述分割图像的图像特征，基于所述图像特征对所述焊接金属板进行成品缺陷检测，得到成品检测结果。

在第一方面的一种可能实现方式中，所述利用所述材料形变程度与所述成品检测结果，构建所述待焊接金属板的异常识别报告，包括：

提取所述待焊接金属板在焊接过程中的焊接数据；

基于所述焊接数据、所述材料形变程度及所述成品检测结果，对所述待焊接金属板进行回归分析，得到回归分析结果；

基于所述回归分析结果构建所述待焊接金属板的异常识别报告。

第二方面，本发明提供了一种应用于金属板焊接下的异常智能识别系统，所述系统包括：

缺陷检测模块，用于采集待焊接金属板的表面图像，利用所述表面图像，对所述待焊接金属板进行表面缺陷检测，在所述表面缺陷检测为合格时，则将所述待焊接金属板作为目标金属板；

材料分析模块，用于识别所述目标金属板及所述目标金属板对应的焊接物的材料属性，基于所述材料属性，分析所述目标金属板与所述焊接物的断裂韧性；

焊接画面采集模块，用于提取所述目标金属板的焊接工艺数据，利用所述焊接工艺数据和所述断裂韧性，计算所述焊接物在所述目标金属板焊接过程中的焊接支持度，并在所述焊接支持度大于预设支持度时，采集所述目标金属板与所述焊接物在进行金属板焊接过程中的焊接画面；

材料形变分析模块，用于利用所述焊接画面分析所述焊接物的相变程度，利用所述焊接画面分析所述目标金属板的晶粒粗化程度，利用所述相变程度和所述晶粒粗化程度，分析所述目标金属板的材料形变程度；

异常识别模块，用于提取所述目标金属板在焊接完成时的成品图像，根据所述成品图像，对所述焊接金属板进行成品缺陷检测，得到成品检测结果，利用所述材料形变程度与所述成品检测结果，构建所述待焊接金属板的异常识别报告。

与现有技术相比，本方案的技术原理及有益效果在于：

本发明实施例通过采集待焊接金属板的表面图像可以检查金属板表面是否有缺陷、污渍或瑕疵，确保焊接区域表面光滑干净，并识别所述目标金属板及所述目标金属板对应的焊接物的材料属性可以建立质量控制标准，确保焊接材料符合规格要求，从而避免焊缝裂纹、气孔等质量问题，进一步地，本发明实施例通过提取所述目标金属板的焊接工艺数据可以及时发现焊接过程中是否出现异常或偏差，以保证焊接质量符合要求，在一些自动化焊接场景中，通过查询提前设备好的焊接工艺数据可以分析出在焊接时是否会出现意外等情况，以及利用所述焊接画面分析所述焊接物的相变程度可以了解在进行金属板焊接时，焊接材料因为焊接压力而发生变化的程度，进而分析所述所述焊接材料后续使用是否影响，进一步地，本发明实施例通过提取所述目标金属板在焊接完成时的成品图像可以观察所述目标金属板在焊接完成时是否存在缺陷，影响使用，并利用所述材料形变程度与所述成品检测结果，构建所述待焊接金属板的异常识别报告可以可以帮助用户优化生产流程、提高产品质量、增加生产效率，从而降低成本，提高竞争力，并推动持续改进和创新。本发明实施例提出的一种应用于金属板焊接下的异常智能识别方法及系统，可以提高金属板焊接异常识别的准确性。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。

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，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明一实施例提供的一种应用于金属板焊接下的异常智能识别方法的流程示意图；

图2为本发明一实施例提供的一种应用于金属板焊接下的异常智能识别系统的模块示意图。

具体实施方式

应当理解，此处所描述的具体实施方式仅仅用以解释本发明，并不用于限定本发明。

本发明实施例提供一种应用于金属板焊接下的异常智能识别方法，所述一种应用于金属板焊接下的异常智能识别方法的执行主体包括但不限于服务端、终端等能够被配置为执行本发明实施例提供的该方法的电子设备中的至少一种 。换言之，所述一种应用于金属板焊接下的异常智能识别方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。所述服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content Delivery Network，CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。

参阅图1所示，是本发明一实施例提供的一种应用于金属板焊接下的异常智能识别方法的流程示意图。其中，图1中描述的一种应用于金属板焊接下的异常智能识别方法包括：

S1、采集待焊接金属板的表面图像，利用所述表面图像，对所述待焊接金属板进行表面缺陷检测，在所述表面缺陷检测为合格时，则将所述待焊接金属板作为目标金属板。

本发明实施例通过所述采集待焊接金属板的表面图像可以检查金属板表面是否有缺陷、污渍或瑕疵，确保焊接区域表面光滑干净，所述表面图像可以通过高清扫描仪采集。

进一步的，本发明实施例通过所述利用所述表面图像，对所述待焊接金属板进行表面缺陷检测可以及早发现金属板表面的缺陷，如裂纹、凹凸不平、氧化等，确保焊接区域表面光滑干净，从而避免因缺陷导致的焊接质量问题。

作为本发明的一个实施例，所述利用所述表面图像，对所述待焊接金属板进行表面缺陷检测，包括：对所述表面图像进行平滑操作，得到平滑图像，提取所述平滑图像的图像纹理、图像形状、图像颜色，根据所述图像纹理、所述图像形状及所述图像颜色识别所述待焊接金属板的表面缺陷。

可选的，所述对所述表面图像进行平滑操作，得到平滑图像是指对所述表面图像进行去噪处理，以提高所述表面图像的识别度，可通过滤波器实现，所述图像纹理是指图像中重复出现的视觉元素或模式，这些元素可能在空间上有规律地排列，形成一种特定的纹理效果可通过目标检测算法提取，所述图像形状是指图像中物体或区域在空间中的轮廓、边界和外形可通过几何变换技术提取，所述图像颜色是指图像中呈现出的各种色彩和色调可通过RGB模型来表示区分得到，所述根据所述图像纹理、所述图像形状及所述图像颜色识别所述待焊接金属板的表面缺陷通过利用所述图像纹理和所述图像形状分析所述待焊接金属板表面是否有裂纹，通过所述图像颜色分析所述待焊接金属板表面是否有异物。

S2、识别所述目标金属板及所述目标金属板对应的焊接物的材料属性，基于所述材料属性，分析所述目标金属板与所述焊接物的断裂韧性。

本发明实施例通过所述识别所述目标金属板及所述目标金属板对应的焊接物的材料属性可以建立质量控制标准，确保焊接材料符合规格要求，从而避免焊缝裂纹、气孔等质量问题。其中，所述材料属性是指材料在特定条件下所具有的性质、特征或特性如硬度、熔点、热传导性和膨胀系数等属性，可通过访问matwab数据库查询与所述对应目标金属板及所述焊接物识别。

进一步的，本发明实施例通过所述基于所述材料属性，分析所述目标金属板与所述焊接物的断裂韧性可以了解所述目标金属板与所述焊接物的焊接承压能力。其中，所述断裂韧性是指材料抵抗断裂的能力。

作为本发明的一个实施例，所述基于所述材料属性，分析所述目标金属板与所述焊接物的断裂韧性，包括：根据所述材料属性，分析所述目标金属板与所述焊接物的抗拉伸强度，基于所述抗拉伸强度对所述目标金属板与所述焊接物进行冲击测试，基于所述冲击测试的结果，确定所述目标金属板与所述焊接物的断裂韧性。

可选的，所述根据所述材料属性，分析所述目标金属板与所述焊接物的抗拉伸强度可通过查询所述目标金属板与所述焊接物对应的金属制造商或供应商索取材料的技术数据表得到。

S3、提取所述目标金属板的焊接工艺数据，利用所述焊接工艺数据和所述断裂韧性，计算所述焊接物在所述目标金属板焊接过程中的焊接支持度，并在所述焊接支持度大于预设支持度时，采集所述目标金属板与所述焊接物在进行金属板焊接过程中的焊接画面。

本发明实施例通过所述提取所述目标金属板的焊接工艺数据可以及时发现焊接过程中是否出现异常或偏差，以保证焊接质量符合要求，在一些自动化焊接场景中，通过查询提前设备好的焊接工艺数据可以分析出在焊接时是否会出现意外等情况。其中，所述工艺数据是指在焊接过程中记录和收集的各种关键参数和信息，用于确保焊接作业的质量和可追溯性，如焊接电流、电压、焊接速度、焊接时间以及气体流量等数据。

进一步的，本发明实施例通过所述利用所述焊接工艺数据和所述断裂韧性，计算所述焊接物在所述目标金属板焊接过程中的焊接支持度可以了解在设定好的工艺参数下所述目标金属板是否能够承受焊接压力。其中，所述焊接支持度是指所述目标金属板的材料属性能够承受的焊接压力。

作为本发明的一个实施例，所述利用所述焊接工艺数据和所述断裂韧性，计算所述焊接物在所述目标金属板焊接过程中的焊接支持度，包括：提取所述焊接工艺数据中关于所述目标金属板的焊接时间，根据所述焊接时间结合下述公式计算所述目标金属板的焊接热应力：

；

其中，表示焊接热应力，/>表示热扩散率，/>表示温度随时间的变化率，/>表示焊接时间， />，/>表示目标金属板在二维坐标平面下的热传导方向；

根据所述焊接热应力，结合下述公式计算所述目标金属板的形变应力：

其中，表示形变应力，/>表示目标金属板的弹性应变增量，/>表示目标金属板的塑性应变增量，/>表示焊接热应力；

将所述断裂韧性转化为韧性向量，将所述形变应力转换为应力向量，基于所述韧性向量和所述应力向量，计算所述焊接物在所述目标金属板焊接过程中的焊接支持度。

可选的，所述将所述断裂韧性转化为韧性向量，将所述形变应力转换为应力向量通过向量矩阵转换，所述基于所述韧性向量和所述应力向量，计算所述焊接物在所述目标金属板焊接过程中的焊接支持度通过比较所述韧性向量和所述应力向量的长度计算，若所述韧性向量的长度大于所述应力向量，则表示所述焊接支持度为支持。

S4、利用所述焊接画面分析所述焊接物的相变程度，利用所述焊接画面分析所述目标金属板的晶粒粗化程度，利用所述相变程度和所述晶粒粗化程度，分析所述目标金属板的材料形变程度。

本发明实施例通过所述利用所述焊接画面分析所述焊接物的相变程度可以了解在进行金属板焊接时，焊接材料因为焊接压力而发生变化的程度，进而分析所述所述焊接材料后续使用是否影响。其中，所述相变程度是指材料在温度、压力等外部条件下发生的物理或化学性质的改变的程度。

作为本发明的一个实施例，所述利用所述焊接画面分析所述焊接物的相变程度，包括：提取所述焊接画面中焊接前图像与焊接后图像，利用下述公式计算所述焊接前图像的焊接前梯度值：

；

其中，表示焊接前梯度值，/>表示焊接前图像的长度，/>表示焊接前图像的宽度，/>表示焊接前图像第s个像素点，/>表示所述第/>个像素点在焊接前图像中的水平方向的梯度，/>表示第/>个像素点在焊接前图像中的垂直方向的梯度；

利用下述公式计算所述焊接后图像的焊接后梯度值：

；

其中，表示焊接后梯度值，/>表示焊接后图像的长度，/>表示焊接后图像的宽度，/>表示焊接后图像第s个像素点，/>表示所述第/>个像素点在焊接后图像中的水平方向的梯度，/>表示第/>个像素点在焊接后图像中的垂直方向的梯度；

利用所述焊接前梯度值与所述焊接后梯度值计算所述焊接前图像与所述焊接后图像的梯度变化值，利用所述梯度变化值分析所述焊接物的相变程度。

可选的，所述利用所述梯度变化值分析所述焊接物的相变程度的过程为：

利用下述公式计算所述焊接前图像与所述焊接后图像的梯度变化值：

；

其中，数值越大表示所述焊接物的相变程度越大。

进一步的，本发明实施例通过所述利用所述焊接画面分析所述目标金属板的晶粒粗化程度可以可以评估金属材料的质量，并检测是否存在生产过程中的问题或缺陷。其中，所述晶粒粗化程度是指在金属材料或合金中，晶粒的尺寸增大或变粗的现象，相变是指材料在温度、压力等外部条件下发生的物理或化学性质的改变程度。

作为本发明的一个实施例，所述利用所述焊接画面分析所述目标金属板的晶粒粗化程度，包括：提取所述焊接画面中目标金属板的焊接前金属板图像与焊接后金属板图像，利用下述公式计算所述焊接前金属板图像与所述焊接后金属板图像的结构变化度：

；

其中，表示结构变化度，l表示焊接前金属板图像与焊接后金属板图像亮度比，c表示焊接前金属板图像与焊接后金属板图像的长径比、s表示焊接前金属板图像与的焊接后金属板图像的结构度对比度，/>、/>、/>为常数，/>表示焊接前金属板图像中第i个图像区域，/>表示焊接后金属板图像的第i个区域，m表示焊接前金属板图像与焊接后金属板图像对比区域的数量，

根据所述结构变化度，分析所述目标金属板的晶粒粗化程度。

本发明实施例通过所述利用所述相变程度和所述晶粒粗化程度，分析所述目标金属板的材料形变程度可以对材料的加工、设计、性能评估、质量检测和寿命预测等方面产生积极影响，帮助优化生产流程，提高产品质量，并确保材料的可靠性和稳定性。

作为本发明的一个实施例，所述利用所述相变程度和所述晶粒粗化程度，分析所述目标金属板的材料形变程度，包括：根据所述相变程度分析所述目标金属板的结构变化水平，根据所述晶粒粗化程度分析所述目标金属板的晶界特征变化水平，基于所述结构变化水平和所述晶界特征变化水平确定所述目标金属板的材料形变程度。

可选的，所述根据所述相变程度分析所述目标金属板的结构变化水平通过声发射分析技术监测所述目标金属板内部微裂纹和位移等变化，进而评估所述目标金属板结构的变化水平，所述根据所述晶粒粗化程度分析所述目标金属板的晶界特征变化水平通过数值模拟和晶粒生长动力学理论，分析所述目标金属在不同温度和加工条件下的晶粒粗化趋势，进而分析晶界特征的变化。

S5、提取所述目标金属板在焊接完成时的成品图像，根据所述成品图像，对所述焊接金属板进行成品缺陷检测，得到成品检测结果，利用所述材料形变程度与所述成品检测结果，构建所述待焊接金属板的异常识别报告。

本发明实施例通过所述提取所述目标金属板在焊接完成时的成品图像可以观察所述目标金属板在焊接完成时是否存在缺陷，影响使用，所述成品图像可通过高清摄像装置提取。

进一步的，本发明实施例通过所述根据所述成品图像，对所述焊接金属板进行成品缺陷检测，得到成品检测结果可以了解所述目标金属板在焊接完成后，有无问题，是否影响使用。

作为本发明的一个实施例，所述根据所述成品图像，对所述焊接金属板进行成品缺陷检测，得到成品检测结果，包括：对所述成品图像进行图像边缘检测，基于所述图像边缘检测的结果，对所述成品图像进行图像分割，得到分割图像，识别所述分割图像的图像特征，基于所述图像特征对所述焊接金属板进行成品缺陷检测，得到成品检测结果。

可选的，所述对所述成品图像进行图像边缘检测是指在数字图像处理中，识别和定位图像中物体边界的过程，通过Canny边缘检测实现，所述基于所述图像边缘检测的结果，对所述成品图像进行图像分割，得到分割图像通过目标分割算法实现，所述识别所述分割图像的图像特征通过卷积神经网络算法实现，所述基于所述图像特征对所述焊接金属板进行成品缺陷检测，得到成品检测结果通过深度学习模型收集的大量与所述焊接金属板成品相关的成品图像进行图像匹配分析。

进一步的，本发明实施例通过所述利用所述材料形变程度与所述成品检测结果，构建所述待焊接金属板的异常识别报告可以可以帮助用户优化生产流程、提高产品质量、增加生产效率，从而降低成本，提高竞争力，并推动持续改进和创新。

作文本发明的一个实施例，所述利用所述材料形变程度与所述成品检测结果，构建所述待焊接金属板的异常识别报告，包括：提取所述待焊接金属板在焊接过程中的焊接数据，基于所述焊接数据、所述材料形变程度及所述成品检测结果，对所述待焊接金属板进行回归分析，得到回归分析结果，基于所述回归分析结果构建所述待焊接金属板的异常识别报告。

其中，所述焊接数据是指所述待焊接金属板在焊接过程中产生的数据，如温度、材料形变等，需要说明的是相同的材料在相同的环境中产生的焊接数据也可能不同，所述基于所述焊接数据、所述材料形变程度及所述成品检测结果，对所述待焊接金属板进行回归分析，得到回归分析结果通过将所述焊接数据作为所述材料形变程度的自变量，将所述成品检测结果作为所述焊接数据的因变量，基于所述自变量和所述因变量，构建所述待焊接金属板的多元线性回归模型，并利用所述多元线性回归模型对所述待焊接金属板进行回归分析，基于所述回归分析结果构建所述待焊接金属板的异常识别报告通过将所述回归分析结果的数据输入至预构建的可视化图表中生成得到。

如图2所示，是本发明一种应用于金属板焊接下的异常智能识别系统功能模块图。

本发明所述一种应用于金属板焊接下的异常智能识别系统200可以安装于电子设备中。根据实现的功能，所述一种应用于金属板焊接下的异常智能识别系统可以包括缺陷检测模块201、材料分析模块202、焊接画面采集模块203、材料形变分析模块204以及异常识别模块205。本发明所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。

在本发明实施例中，关于各模块/单元的功能如下：

所述缺陷检测模块201，用于采集待焊接金属板的表面图像，利用所述表面图像，对所述待焊接金属板进行表面缺陷检测，在所述表面缺陷检测为合格时，则将所述待焊接金属板作为目标金属板；

所述材料分析模块202，用于识别所述目标金属板及所述目标金属板对应的焊接物的材料属性，基于所述材料属性，分析所述目标金属板与所述焊接物的断裂韧性；

所述焊接画面采集模块203，用于提取所述目标金属板的焊接工艺数据，利用所述焊接工艺数据和所述断裂韧性，计算所述焊接物在所述目标金属板焊接过程中的焊接支持度，并在所述焊接支持度大于预设支持度时，采集所述目标金属板与所述焊接物在进行金属板焊接过程中的焊接画面；

所述材料形变分析模块204，用于利用所述焊接画面分析所述焊接物的相变程度，利用所述焊接画面分析所述目标金属板的晶粒粗化程度，利用所述相变程度和所述晶粒粗化程度，分析所述目标金属板的材料形变程度；

所述异常识别模块205，用于提取所述目标金属板在焊接完成时的成品图像，根据所述成品图像，对所述焊接金属板进行成品缺陷检测，得到成品检测结果，利用所述材料形变程度与所述成品检测结果，构建所述待焊接金属板的异常识别报告。

详细地，本发明实施例中所述一种应用于金属板焊接下的异常智能识别系统200中的所述各模块在使用时采用与上述的图1中所述的一种应用于金属板焊接下的异常智能识别方法一样的技术手段，并能够产生相同的技术效果，这里不再赘述。

在本发明所提供的几个实施例中，应该理解到，所揭露的系统和方法，可以通过其它的方式实现。例如，以上所描述的系统实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。

所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。

因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。

需要说明的是，在本文中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

以上所述仅是本发明的具体实施方式，使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所发明的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.一种应用于金属板焊接下的异常智能识别方法，其特征在于，所述方法包括：

采集待焊接金属板的表面图像，利用所述表面图像，对所述待焊接金属板进行表面缺陷检测，在所述表面缺陷检测为合格时，则将所述待焊接金属板作为目标金属板；

识别所述目标金属板及所述目标金属板对应的焊接物的材料属性，基于所述材料属性，分析所述目标金属板与所述焊接物的断裂韧性；

提取所述目标金属板的焊接工艺数据，利用所述焊接工艺数据和所述断裂韧性，计算所述焊接物在所述目标金属板焊接过程中的焊接支持度，并在所述焊接支持度大于预设支持度时，采集所述目标金属板与所述焊接物在进行金属板焊接过程中的焊接画面；

利用所述焊接画面分析所述焊接物的相变程度，利用所述焊接画面分析所述目标金属板的晶粒粗化程度，利用所述相变程度和所述晶粒粗化程度，分析所述目标金属板的材料形变程度；

提取所述目标金属板在焊接完成时的成品图像，根据所述成品图像，对所述焊接金属板进行成品缺陷检测，得到成品检测结果，利用所述材料形变程度与所述成品检测结果，构建所述待焊接金属板的异常识别报告。

2.根据权利要求1所述的方法，其特征在于，所述利用所述表面图像，对所述待焊接金属板进行表面缺陷检测，包括：

对所述表面图像进行平滑操作，得到平滑图像；

提取所述平滑图像的图像纹理、图像形状、图像颜色；

根据所述图像纹理、所述图像形状及所述图像颜色识别所述待焊接金属板的表面缺陷。

3.根据权利要求1所述的方法，其特征在于，所述基于所述材料属性，分析所述目标金属板与所述焊接物的断裂韧性，包括：

根据所述材料属性，分析所述目标金属板与所述焊接物的抗拉伸强度；

基于所述抗拉伸强度对所述目标金属板与所述焊接物进行冲击测试；

基于所述冲击测试的结果，确定所述目标金属板与所述焊接物的断裂韧性。

4.根据权利要求1所述的方法，其特征在于，所述利用所述焊接工艺数据和所述断裂韧性，计算所述焊接物在所述目标金属板焊接过程中的焊接支持度，包括：

提取所述焊接工艺数据中关于所述目标金属板的焊接时间；

根据所述焊接时间结合下述公式计算所述目标金属板的焊接热应力：

；

其中，表示焊接热应力，/>表示热扩散率，/>表示温度随时间的变化率，/>表示焊接时间， />，/>表示目标金属板在二维坐标平面下的热传导方向；

根据所述焊接热应力，结合下述公式计算所述目标金属板的形变应力：

；

其中，表示形变应力，/>表示目标金属板的弹性应变增量，/>表示目标金属板的塑性应变增量，/>表示焊接热应力；

将所述断裂韧性转化为韧性向量，将所述形变应力转换为应力向量；

基于所述韧性向量和所述应力向量，计算所述焊接物在所述目标金属板焊接过程中的焊接支持度。

5.根据权利要求1所述的方法，其特征在于，所述利用所述焊接画面分析所述焊接物的相变程度，包括：

提取所述焊接画面中焊接前图像与焊接后图像；

利用下述公式计算所述焊接前图像的焊接前梯度值：

；

其中，表示焊接前梯度值，/>表示焊接前图像的长度，/>表示焊接前图像的宽度，表示焊接前图像第s个像素点，/>表示所述第/>个像素点在焊接前图像中的水平方向的梯度，/>表示第/>个像素点在焊接前图像中的垂直方向的梯度；

利用下述公式计算所述焊接后图像的焊接后梯度值：

；

其中，表示焊接后梯度值，/>表示焊接后图像的长度，/>表示焊接后图像的宽度，表示焊接后图像第s个像素点，/>表示所述第/>个像素点在焊接后图像中的水平方向的梯度，/>表示第/>个像素点在焊接后图像中的垂直方向的梯度；

利用所述焊接前梯度值与所述焊接后梯度值计算所述焊接前图像与所述焊接后图像的梯度变化值；

利用所述梯度变化值分析所述焊接物的相变程度。

6.根据权利要求1所述的方法，其特征在于，所述利用所述焊接画面分析所述目标金属板的晶粒粗化程度，包括：

提取所述焊接画面中目标金属板的焊接前金属板图像与焊接后金属板图像；

利用下述公式计算所述焊接前金属板图像与所述焊接后金属板图像的结构变化度：

；

其中，表示结构变化度，l表示焊接前金属板图像与焊接后金属板图像亮度比，c表示焊接前金属板图像与焊接后金属板图像的长径比、s表示焊接前金属板图像与的焊接后金属板图像的结构度对比度，/>、/>、/>为常数，/>表示焊接前金属板图像中第i个图像区域，/>表示焊接后金属板图像的第i个区域，m表示焊接前金属板图像与焊接后金属板图像对比区域的数量；

根据所述结构变化度，分析所述目标金属板的晶粒粗化程度。

7.根据权利要求1所述的方法，其特征在于，所述利用所述相变程度和所述晶粒粗化程度，分析所述目标金属板的材料形变程度，包括：

根据所述相变程度，分析所述目标金属板的结构变化水平；

根据所述晶粒粗化程度，分析所述目标金属板的晶界特征变化水平；

基于所述结构变化水平和所述晶界特征变化水平，确定所述目标金属板的材料形变程度。

8.根据权利要求1所述的方法，其特征在于，所述根据所述成品图像，对所述焊接金属板进行成品缺陷检测，得到成品检测结果，包括：

对所述成品图像进行图像边缘检测；

基于所述图像边缘检测的结果，对所述成品图像进行图像分割，得到分割图像；

识别所述分割图像的图像特征，基于所述图像特征对所述焊接金属板进行成品缺陷检测，得到成品检测结果。

9.根据权利要求1所述的方法，其特征在于，所述利用所述材料形变程度与所述成品检测结果，构建所述待焊接金属板的异常识别报告，包括：

提取所述待焊接金属板在焊接过程中的焊接数据；

基于所述焊接数据、所述材料形变程度及所述成品检测结果，对所述待焊接金属板进行回归分析，得到回归分析结果；

基于所述回归分析结果构建所述待焊接金属板的异常识别报告。

10.一种应用于金属板焊接下的异常智能识别系统，其特征在于，所述系统包括：

缺陷检测模块，用于采集待焊接金属板的表面图像，利用所述表面图像，对所述待焊接金属板进行表面缺陷检测，在所述表面缺陷检测为合格时，则将所述待焊接金属板作为目标金属板；

材料分析模块，用于识别所述目标金属板及所述目标金属板对应的焊接物的材料属性，基于所述材料属性，分析所述目标金属板与所述焊接物的断裂韧性；

焊接画面采集模块，用于提取所述目标金属板的焊接工艺数据，利用所述焊接工艺数据和所述断裂韧性，计算所述焊接物在所述目标金属板焊接过程中的焊接支持度，并在所述焊接支持度大于预设支持度时，采集所述目标金属板与所述焊接物在进行金属板焊接过程中的焊接画面；

材料形变分析模块，用于利用所述焊接画面分析所述焊接物的相变程度，利用所述焊接画面分析所述目标金属板的晶粒粗化程度，利用所述相变程度和所述晶粒粗化程度，分析所述目标金属板的材料形变程度；

异常识别模块，用于提取所述目标金属板在焊接完成时的成品图像，根据所述成品图像，对所述焊接金属板进行成品缺陷检测，得到成品检测结果，利用所述材料形变程度与所述成品检测结果，构建所述待焊接金属板的异常识别报告。