基于视觉的机器人激光熔覆过程损伤定位方法

长三角G60激光联盟导读

目前，再制造中的损伤识别和定位是一项人工视觉任务。这是费时费力的。并且可能导致不精确的修复。为了缓解这一问题，本文提出了一种基于视觉的自动损伤定位方法，该方法将摄像机集成在机器人激光熔覆修复单元中。进行了两个案例研究，分析了基于更快区域的卷积神经网络（R-CNN）的不同配置。本研究旨在选择最合适的配置来定位受损固定弯管上的磨损。收集图像用于测试和训练R-CNN，本研究结果表明训练和验证损失呈下降趋势，平均精度（mAP）为88.7%。

1介绍

激光熔覆（LC）或基于激光的直接金属沉积（LMD）是一种有吸引力的增材制造技术，在航空航天、石油和天然气工业以及机械工程中的应用引起了极大的兴趣。这一成熟的工业过程通过聚焦高功率激光束在基底上产生熔池，并通过同轴喷嘴将材料连续引导到熔池中，使其固化。与传统技术（如铸造、锻造和机械加工）相比，这种逐层制造技术具有提高时间和成本效率的能力[。

在机器人激光熔覆应用中，磨损区域的检查目前是一个手动过程。操作员通过视觉定位损伤，然后使用激光扫描仪捕捉缺陷的表面几何形状。此过程中的信息用于生成零件的维修策略。随着零件规模的增加，这一过程变得更加耗时、容易出错和劳动密集。

本文首先提出了在修复单元中集成视觉传感器以记录受损部件的图像数据。然后，利用两个不同的数据集进行了两个案例研究。这些案例研究进行了分析，以比较用于损伤检测的常用特征提取器的可行性、准确性和时间效率。最后，根据结果选择了合适的模型配置，并提供了结果和评估。

2.方法

本研究侧重于圆柱形固定弯管的损伤识别和定位，更具体地说，是固定弯管上的损伤和衬垫。这些是石油和天然气工业中使用的机械零件。对于磨损的固定弯头，必须区分衬垫的位置，因为衬垫是造成最大损坏的区域，必须进行维修。

2.1基于视觉的RLCRC

使用的机械臂是Fanuc-R-1000iA/80F，这是一种用于中等有效载荷的高速搬运机器人，相机是UVC-G3-Bullet/UVC-G3-AF。图1显示了单元设置的示意图。