申请/专利权人:苏州德星云智能装备有限公司
申请日:2024-01-15
公开(公告)日:2024-03-22
公开(公告)号:CN117564533B
主分类号:B23K31/02
分类号:B23K31/02;B23K37/00;B23K101/22
优先权:
专利状态码:有效-授权
法律状态:2024.03.22#授权;2024.03.08#实质审查的生效;2024.02.20#公开
摘要:本发明公开了一种基于机器视觉的金属网承载物焊接方法,该焊接方法分别采集承载物被金属网遮蔽和不遮蔽两种图像,通过构建图像二分类模型训练特征向量计算单元,通过构建图像生成模型生成目标图像,并通过计算目标图像的全局图像损失和局部图像损失来计算整个模型的损失,并对模型进行反复训练,使训练好的模型能够更精细的修复图像中的局部特征,能将承载物被金属网遮蔽的特征修复的更加完整,进而可使金属网交叉点与承载物焊接位置定位更加的精确,从而实现金属网与承载物的精确焊接,提高设备的焊接质量。
主权项:1.一种基于机器视觉的金属网承载物焊接方法,其特征在于,其包括如下步骤:S1、样本采集及分类:在承载物上方设置相机,将金属网设置在承载物的上方,拍摄金属网及承载物的照片作为第一初始图像,再将金属网固定在承载物的下方,拍摄金属网及承载物的照片作为第二初始图像;调整承载物及金属网的参数特征,采集多个第一初始图像及第二初始图像,标注第二初始图像中承载物位置,将第一初始图像、第二初始图像及承载物位置作为第一训练样本,将第一初始图像、第二初始图像作为第二训练样本,承载物位置为承载物在图像中最小平行外接矩形的坐标;S2、构建及训练图像二分类模型:所述图像二分类模型用于判断图像为第一初始图像还是第二初始图像,所述图像二分类模型包括特征向量计算单元和结果输出单元,所述特征向量计算单元用于将输入图像转换为图像特征向量,所述结果输出单元可根据图像特征向量输出判断结果,所述图像二分类模型通过第二训练样本进行训练;S3、构建及训练图像生成模型:所述图像生成模型用于根据第一初始图像生成目标图像,训练时根据承载物位置分别截取目标图像承载物位置截图及第二初始图像承载物位置截图,将目标图像、目标图像承载物位置截图、第二初始图像、第二初始图像承载物位置截图分别输入到图像二分类模型的特征向量计算单元中转换为相应的图像特征向量,计算目标图像与第二初始图像的图像特征向量差值作为全局图像损失,计算目标图像承载物位置截图与第二初始图像承载物位置截图的图像特征向量差值作为局部图像损失,将全局图像损失与局部图像损失相加作为图像生成模型损失,调整图像生成模型参数,通过第一训练样本进行反复训练,直至图像生成模型损失收敛至规定阈值;S4、在目标图像上确定金属网交叉点坐标:拍摄需要焊接的金属网与承载物的第一初始图像,将第一初始图像输入到训练好的图像生成模型中生成目标图像,对第一初始图像进行处理,定位金属网的交叉点位置,结合目标图像中承载物的位置,在目标图像上获得与承载物位置对应的金属网交叉点坐标;S5、根据步骤S4中获得的金属网交叉点坐标,引导焊接设备焊接金属网与承载物。
全文数据:
权利要求:
百度查询: 苏州德星云智能装备有限公司 基于机器视觉的金属网承载物焊接方法、装置及存储介质
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。