高功率激光切割的切割参数反演方法、装置与存储介质与流程

本发明涉及激光切割，尤其涉及一种高功率激光切割的切割参数反演方法、一种计算机可读存储介质和一种高功率激光切割的切割参数反演装置。

背景技术：

1、随着智能制造的深入推进，高功率光纤激光切割已成为航空航天、船舶制造等高端装备制造领域的核心加工技术。在实际工业生产环境中，由于激光器功率衰减、热透镜效应引起的焦点偏移以及光学镜片污染等不可避免的扰动，作用于材料的实际能量密度经常发生改变，导致实际加工状态偏离数控系统预设的工艺参数。在传统的自动化进程中，依赖操作人员经验或预设参数进行质量控制存在根本性缺陷。基于切割后的断面光学形貌，反向预测实际的激光加工参数，对于加工状态的鲁棒评估、故障诊断和闭环工艺补偿具有迫切的需求。

2、在相关技术中，虽然数据驱动的深度学习模型已被广泛应用于工业缺陷检测，但现有端到端深度网络在处理激光切割截面图像时面临严重的“黑盒”瓶颈。现有模型通常将截面图像视为纯二维视觉数据，且受限于标准卷积的局部感受野。更为严重的是，由于缺乏熔融金属流动轨迹的显式空间引导，现有模型极易产生“注意力漂移”现象，即被金属表面的强镜面反射或底部的挂渣所误导，导致预测鲁棒性差，并完全丧失了物理可解释性。

技术实现思路

1、本发明旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本发明的第一个目的在于提出一种高功率激光切割的切割参数反演方法，能够利用显式物理先验引导深度神经网络，实现高功率激光切割速度和离焦量精准反演。

2、本发明的第二个目的在于提出一种计算机可读存储介质。

3、本发明的第三个目的在于提出一种高功率激光切割的切割参数反演装置。

4、为达到上述目的，本发明第一方面实施例提出的高功率激光切割的切割参数反演方法，包括：通过光学图像采集平台获取待测切割工件的切割断面图像，并对所述切割断面图像进行预处理与有效区域定位，获取包含有效切割断面的原始截面图像；对所述原始截面图像进行切割断面纹理曲线提取，获取包含各向异性强度与切向角的主纹理图像；将提取出的切割断面纹理曲线叠加至所述原始截面图像，获取包含切割断面纹理曲线的物理先验图像；构建基于imaf-convnext的多任务联合预测模型，并通过所述多任务联合预测模型基于所述原始截面图像、所述主纹理图像和所述物理先验图像，输出实际切割加工过程中的激光切割速度和离焦量预测结果。

5、根据本发明实施例的高功率激光切割的切割参数反演方法，通过光学图像采集平台获取待测切割工件的切割断面图像，并对切割断面图像进行预处理与有效区域定位，获取包含有效切割断面的原始截面图像，并且，对原始截面图像进行切割断面纹理曲线提取，获取包含各向异性强度与切向角的主纹理图像，以及，将提取出的切割断面纹理曲线叠加至原始截面图像，获取包含切割断面纹理曲线的物理先验图像，进而，构建基于imaf-convnext的多任务联合预测模型，并通过多任务联合预测模型基于原始截面图像、主纹理图像和物理先验图像，输出实际切割加工过程中的激光切割速度和离焦量预测结果。由此，利用显式物理先验引导深度神经网络，实现高功率激光切割速度和离焦量精准反演。

6、另外，根据本发明上述实施例的高功率激光切割的切割参数反演方法，还可以具有如下的附加技术特征：

7、根据本发明的一个实施例，所述获取包含有效切割断面的原始截面图像，包括：将所述切割断面图像转换为灰度图，并采用双边滤波进行保边去噪处理；采用自适应阈值将所述灰度图转换为二值化图像，并采用椭圆结构元素进行形态学闭运算，填充断面区域内部孔洞并连接断裂轮廓；通过轮廓检测提取所有外部轮廓，并根据轮廓面积筛选保留有效断面区域；获取所述有效断面区域的最小外接旋转矩形，并根据所述待测切割工件的倾斜角度对所述原始截面图像进行反向旋转校正，使断面纵向轴线与图像垂直轴线对齐；采用高覆盖率带状截取策略裁剪断面区域，并在所述原始截面图像上绘制所述有效切割断面的边界轮廓和包围矩形框，形成所述包含有效切割断面的原始截面图像。

8、根据本发明的一个实施例，所述获取包含各向异性强度与切向角的主纹理图像，包括：对所述原始截面图像进行图像去噪增强；采用sobel算子计算所述原始截面图像的图像水平梯度和图像垂直梯度，根据所述图像水平梯度和所述图像垂直梯度，构建局部结构张量矩阵；对所述局部结构张量矩阵进行特征值分解，获取主特征值和次特征值，并根据所述主特征值和所述次特征值，获取所述各向异性强度和所述切向角；将所述切向角映射至双角域中，结合有效断面掩膜构建两个连续的加权矢量分量场，并通过反三角函数从所述两个连续的加权矢量分量场中重构出全局连续无相位奇异的纯净切向场；对所述纯净切向场和所述各向异性强度进行离散欧拉积分轨迹跟踪，形成所述包含各向异性强度与切向角的主纹理图像。

9、根据本发明的一个实施例，所述对所述纯净切向场和所述各向异性强度进行离散欧拉积分轨迹跟踪，包括：在横向截面中心轴设定起始点，采用离散欧拉积分进行逐行向下步进，并定义第行的横向坐标状态更新方程为，其中，为受截面掩码约束的投影算子，以及，定义核心横向步进偏移量为，其中，动态权重函数，其中，和为常数，为第i行位置处纹理的局部切向角，为第i行位置处纹理的各向异性强度。

10、根据本发明的一个实施例，所述获取包含切割断面纹理曲线的物理先验图像，包括：通过三重联合正则化对所述提取出的切割断面纹理曲线进行平滑处理，生成亚像素连续纹理曲线；将所述亚像素连续纹理曲线渲染并叠加至所述原始截面图像，形成所述包含切割断面纹理曲线的物理先验图像。

11、根据本发明的一个实施例，所述通过三重联合正则化对所述提取出的切割断面纹理曲线进行平滑处理，包括：通过采用加权三次平滑样条初步抑制一维离散骨架的局部曲率突变，并引入包含二阶差分惩罚项的whittaker平滑模型，通过最小化能量泛函实现全局平滑，其中，为待最小化的能量函数，x为初始离散纹理骨架的观测坐标向量，z为平滑重建后的坐标向量，为数据保真项，为二阶差分算子矩阵，为曲率惩罚项，为自适应曲率惩罚权重，以及，通过采用一维高斯滤波器进行高频伪影微观抛光，最终坐标更新方程为，其中，为第i个点经过三重正则化后的最终平滑坐标，为 whittaker 平滑后第i个点的坐标，为标准差为的一维高斯平滑核，为卷积运算符号，为原始特征保留因子。

12、根据本发明的一个实施例，所述通过所述多任务联合预测模型基于所述原始截面图像、所述主纹理图像和所述物理先验图像，输出实际切割加工过程中的激光切割速度和离焦量预测结果，包括：通过所述多任务联合预测模型分别对所述原始截面图像、所述主纹理图像和所述物理先验图像进行浅层特征提取和局部特征精炼；将精炼后的局部特征进行工业多模态对齐与融合，获取融合特征，所述融合特征包含原始截面图像的微观粗糙度信息、纹理各向异性物理场信息与纹理曲线的显式空间引导信息；将所述融合特征输入至convnext骨干网络，使所述convnext骨干网络输出高维特征图；对所述高维特征图进行特征细化深度卷积，获取降维特征；将所述降维特征输入全局注意力模块，输出全局共享特征向量；将所述全局共享特征向量输入两个异构预测分支，分别获取所述激光切割速度和所述离焦量预测结果。

13、根据本发明的一个实施例，所述方法还包括：对所述原始截面图像执行基于局部中值统计模型的防挂渣截断处理，所述防挂渣截断处理包括：计算离散跟踪轨迹的绝对水平一阶差分，当检测到连续横向坐标突变超过自适应基准阈值时，判定跟踪轨迹已进入试件底部的排渣不良干扰区，主动激活截断机制以剔除挂渣部分。

14、为达到上述目的，本发明第二方面实施例提出的计算机可读存储介质，其上存储有高功率激光切割的切割参数反演程序，该高功率激光切割的切割参数反演程序被处理器执行时实现上述本发明实施例的高功率激光切割的切割参数反演方法。

15、根据本发明实施例的计算机可读存储介质，通过执行其上存储的高功率激光切割的切割参数反演程序，能够利用显式物理先验引导深度神经网络，实现高功率激光切割速度和离焦量精准反演。

16、为达到上述目的，本发明第三方面实施例提出的高功率激光切割的切割参数反演装置，包括：第一获取模块，用于通过光学图像采集平台获取待测切割工件的切割断面图像，并对所述切割断面图像进行预处理与有效区域定位，获取包含有效切割断面的原始截面图像；第二获取模块，用于对所述原始截面图像进行切割断面纹理曲线提取，获取包含各向异性强度与切向角的主纹理图像；第三获取模块，用于将提取出的切割断面纹理曲线叠加至所述原始截面图像，获取包含切割断面纹理曲线的物理先验图像；参数反演模块，用于构建基于imaf-convnext的多任务联合预测模型，并通过所述多任务联合预测模型基于所述原始截面图像、所述主纹理图像和所述物理先验图像，输出实际切割加工过程中的激光切割速度和离焦量预测结果。

17、根据本发明实施例的高功率激光切割的切割参数反演装置，通过第一获取模块通过光学图像采集平台获取待测切割工件的切割断面图像，并对切割断面图像进行预处理与有效区域定位，获取包含有效切割断面的原始截面图像，并且，通过第二获取模块对原始截面图像进行切割断面纹理曲线提取，获取包含各向异性强度与切向角的主纹理图像，以及，通过第三获取模块将提取出的切割断面纹理曲线叠加至原始截面图像，获取包含切割断面纹理曲线的物理先验图像，进而，通过参数反演模块构建基于imaf-convnext的多任务联合预测模型，并通过多任务联合预测模型基于原始截面图像、主纹理图像和物理先验图像，输出实际切割加工过程中的激光切割速度和离焦量预测结果。由此，利用显式物理先验引导深度神经网络，实现高功率激光切割速度和离焦量精准反演。

18、本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。