로봇 레이저 용접을 위한 딥러닝 기반 비전 시스템: 심 추적 및 간격 너비 추정

소개

현대 제조업에서는로봇 레이저 용접정확성, 속도, 깊은 침투력으로 높이 평가됩니다. 그러나 고성능을 위해서는 레이저 빔과 접합부 사이의 완벽한 정렬이 필요합니다. 전통적인비전 시스템일관되지 않은 조명, 스패터 및 복잡한 접합 형상으로 인해 종종 어려움을 겪어 결함이 발생합니다. 이곳은딥러닝분야에 혁명을 일으키고 있습니다. 고급 병합을 통해딥러닝강력한 알고리즘비전 시스템, 제조업체는 다음과 같은 분야에서 전례 없는 정확도를 달성할 수 있습니다.솔기 추적그리고간격 너비 추정, 의 신뢰성을 변화시킵니다.로봇 레이저 용접.

레이저 용접의 핵심 과제

효율성로봇 레이저 용접이음매의 경로를 정확하게 찾는 것(추적)과 결합할 부품 간의 물리적 간격을 측정하는 것(추정)이라는 두 가지 시각적 작업이 중요합니다. 사소한 오정렬이나 예상치 못한 간격 변화도 다공성, 언더컷 또는 불완전한 침투와 같은 심각한 결함을 유발할 수 있습니다. 기존 레이저 비전 센서는 구조화된 조명과 기하학적 알고리즘을 사용합니다. 제어된 설정에서는 효과적이지만 부서지기 쉬울 수 있습니다. 높은 반사율, 산화 또는 용접 공정 자체의 강렬한 눈부심으로 인해 쉽게 혼동될 수 있습니다. 이로 인해 보다 지능적이고 적응력이 뛰어난 솔루션에 대한 중요한 요구가 발생합니다.비전 시스템.

딥 러닝이 비전 시스템을 변화시키는 방법

딥러닝특히 CNN(Convolutional Neural Network)은 패러다임 전환을 제공합니다. 규칙 기반 알고리즘과 달리딥러닝모델은 다양한 조건에서 용접 이음새에 대한 수천 개의 이미지를 학습할 수 있습니다. 인간의 시각적 인지와 유사한 방식으로 소음, 튀김, 반사 변화에도 불구하고 솔기의 특징을 인식하는 방법을 학습합니다.

• 솔기 추적용: CNN은 실시간 이미지를 처리할 수 있습니다.비전 시스템의 카메라를 사용하여 솔기 중심선의 정확한 픽셀 좌표를 출력합니다. 놀라운 견고함으로 이음새와 배경 소음을 구별하여로봇 레이저 용접실시간 경로 수정을 수행하는 팔입니다.

• 간격 너비 추정용: 마찬가지로, 모델은 관절의 두 가장자리를 식별하고 그 사이의 픽셀 거리를 계산하도록 훈련될 수 있으며, 이는 실제 세계로 변환됩니다.간격 너비 추정. 이 측정은 레이저 출력이나 와이어 공급 속도를 동적으로 조정하여 특히 고유한 가변성이 있는 맞춤에서 일관된 용접 품질을 보장하는 데 중요합니다.

에 발표된 중요한 연구기계지능 연구이 접근 방식을 검증합니다. 연구는 다음을 개발했습니다.딥러닝-기반을 둔비전 시스템특별히로봇 레이저 용접. 시스템은 다음에서 뛰어난 성능을 보여주었습니다.솔기 추적정확성과 실시간간격 너비 추정기존 방법과 비교하여 산업적 응용 가능성을 강조합니다.

시스템 아키텍처 및 워크플로우

실용적인 딥러닝 기반비전 시스템~을 위한로봇 레이저 용접일반적으로 다음이 포함됩니다.

1. 데이터 수집 및 교육: 다양한 조명 및 재료 조건 하에서 수천 개의 레이블이 지정된 이미지(알려진 위치 및 간격 너비가 있는 이음새 표시)의 데이터 세트가 컴파일됩니다. CNN 모델(예: 정확한 픽셀 단위 분할을 위한 U-Net 아키텍처)은 이 데이터에 대해 훈련됩니다.

2. 실시간 추론: 훈련된 모델은 용접 토치 앞에 장착된 고속 카메라에 연결된 산업용 컴퓨터에 배포됩니다. 각 프레임을 밀리초 단위로 처리합니다.

3. 폐쇄 루프 제어: 솔기 중심선 좌표와 간격 너비 등의 출력이로봇 레이저 용접제어 장치. 로봇은 실시간으로 경로를 조정하고 용접 매개변수는간격 너비 추정, 완전히 적응 가능한 프로세스를 생성합니다.

이점 및 산업적 영향

통합딥러닝속으로비전 시스템실질적인 이점을 제공합니다.

• 향상된 정밀도 및 품질: 거의 완벽에 가깝습니다.솔기 추적, 결함 및 재작업 비율을 대폭 줄입니다.

• 향상된 프로세스 견고성: 기존 시스템을 손상시킬 수 있는 부품 맞춤, 표면 상태 및 주변 조명의 변화를 허용합니다.

• 유연성 향상: 하나의 시스템을 트레이닝하여 광범위한 재프로그래밍 없이 다양한 조인트 유형(버트, 랩, 필렛)을 처리할 수 있어 다품종 생산이 용이합니다.

이 혁신은로봇 레이저 용접전기 자동차 배터리 트레이 조립부터 품질 허용 오차가 매우 엄격한 정밀 항공우주 부품에 이르기까지 더욱 까다로운 응용 분야에 적합합니다.

지능형 용접의 미래

미래는 이러한 역량을 확장하는 데 달려 있습니다. 차세대 시스템은 스테레오 카메라나 레이저 스캐너를 사용하여 2D 비전에서 3D 인식으로 전환하여 훨씬 더 풍부한 데이터를 제공할 것입니다. 더욱이,딥러닝모델의 역할은 추적 및 측정을 넘어 실시간까지 확장됩니다.품질 예측- 용융된 용접 풀 형상을 분석하여 결함이 발생하기 전에 예측하고 진정한 공정 내 수정을 가능하게 합니다.

결론

융합딥러닝로봇식으로비전 시스템획기적인 도약을 의미합니다.로봇 레이저 용접. 매우 정확하고 강력하며 실시간으로 제공함으로써솔기 추적그리고간격 너비 추정, 이 지능형 기술은 자동 용접의 오랜 한계를 극복합니다. 이는 보다 자율적이고 유연하며 신뢰할 수 있는 제조 셀을 위한 길을 열어주며,로봇 레이저 용접무결점 생산을 추구하여 실현됩니다.