[发明专利]一种基于语义分割的焊接起弧状态实时检测方法

说明书

本发明公开了一种基于语义分割的焊接起弧状态实时检测方法，首先采集实际焊接过程中的高频电流数据，并进行预处理。通过搭建基于FCN网络结构的语义分割模型并进行训练，对入模数据进行分类，输出每个样本中各电流点的数据标签，并按照该标签确定实际焊接过程中的起弧区间，实时检测焊接过程的起弧连续性。此外，针对实际焊接过程中可能存在的连续起弧、瞬时熄弧等情况，本发明还设计了辅助的修正方法，解决了语义分割模型预测结果可能存在的冗余问题，可以更加精准的判断起弧状态持续时间。

技术领域

本发明属于焊接起弧状态检测技术领域，特别涉及一种基于语义分割的焊接起弧状态实时检测方法。

背景技术

智慧焊接是智能制造领域中最重要的研究课题之一。而传感技术及其信息处理则是实现焊接过程智能化及自动化的关键要素。焊接起弧状态检测是指检测每次焊接的起弧时间和结束时间，这在焊接技术中具有非常重要的作用，焊接起弧连续性跟焊接质量以及焊工的能力都紧密相关。一方面，频繁起弧，即起弧连续性过短，会造成焊接一致性问题，导致焊接接头过多，更容易存在缺陷隐患；另一方面，起弧连续性能够反映出焊工的操作能力，通过起弧状态检测可以统计焊工每天的长时焊接和短时焊接，对工艺和人员绩效评价都具有非常重要的意义。

考虑到焊接过程充满剧烈光、热和噪声，当前的焊接起弧连续性检测主要依靠焊接完成后的视觉检查和抽检，具有检测不准确、延迟大、闭环管控难等缺陷。

发明内容

发明目的：针对上述背景技术中存在的问题，本发明提供了一种基于语义分割的焊接起弧状态实时检测方法，通过采集高频电流数据，并输入至基于FCN网络结构的语义分割模型中，预测出每个样本中各电流数据点的焊接状态，并判断出起弧区间。针对起弧过程中存在的计数冗余，本发明设计了辅助的修正判断方法，调整模型预测结果，使其输出起弧状态区间更加准确。

技术方案：一种基于语义分割的焊接起弧状态实时检测方法，包括以下步骤：

步骤S1、采集焊接过程中的高频电流数据并进行预处理，包括对电流数据进行滑窗采样；对滑窗采样后的样本进行数据标注，并进行维度扩展；最后按预设比例划分训练集、验证集和测试集；

步骤S2、搭建基于FCN网络结构的语义分割模型；将步骤S1中预处理的样本输入至语义分割模型，输出各样本中每个电流点的焊接状态；

步骤S3、训练语义分割模型，确定起弧电流点和熄弧电流点，输出焊接起弧连续性检测结果；

步骤S4、基于训练好的语义分割模型进行焊接起弧连续性实时检测，并设计起弧连续性修正方法进行辅助调整，最终输出修正后的起弧连续性结果。

进一步地，所述步骤S1中对电流数据进行预处理，主要包括：

步骤S1.1、将采集到的高频电流数据按照预设窗长进行滑窗采样；其中采样时间为T，采样频率为F；

步骤S1.2、对滑窗样本进行数据标注，赋予每个电流点一个标签；寻找样本中的起弧电流点start_point和熄弧电流点end_point，将起弧电流点和熄弧电流点间所有的电流点均标注为1，代表正在进行焊接，其他电流点均标注为0，代表未进行焊接；当样本无起弧电流时，全部标注为0；当样本维持正常焊接电流时，则全部标注为1；

步骤S1.3、分别针对每个样本及对应的标签进行维度扩展；

步骤S1.4、将预处理后的所有带标签的样本进行随机乱序，按照预设比例分别划分为训练集train_data、验证集dev_data和测试集test_data。

进一步地，所述步骤S2中基于FCN网络结构的语义分割模型包括依次级联的若干个TCN网络块和卷积网络块；其中每一级TCN网络块均连接有一层最大池化下采样层；输入电流样本，每一级TCN网络块后的最大池化下采样层输出依次为x1、x2、…、xi；将xi依次输入至卷积网络块，最后一级卷积网络块输出为x；