模型库构建方法、装置、设备、介质及产品与流程

本技术涉及计算机，具体而言，涉及一种模型库构建方法、装置、设备、介质及产品。

背景技术：

1、随着工业自动化与智能制造的快速推进，激光切割产线正朝着高速化、连续化和无人化的方向发展，这要求切割质量的检测与判定必须能够在生产节拍内实时、准确、定量地完成，并能够将检测结果快速转化为工艺参数的调整方案，以实现加工过程的闭环控制与持续优化。

2、目前，针对激光切割工件断面质量的检测与判定主要基于传统传感器的质量检测方法，通常采用声光传感器、光电传感器等对切割过程进行监测。

3、然而，上述方案多针对单一缺陷类型（如仅挂渣或仅过烧）开发检测算法，尚未形成覆盖挂渣、过烧、粗糙度、纹理趋势等多维度质量特征的、融合图像特征与物理机理的系统化模型库体系，这使得检测结果难以与具体的工艺调整方案建立定量关联，无法实现从质量检测到工艺优化的闭环控制。

技术实现思路

1、本技术的主要目的在于提供一种模型库构建方法、装置、设备、介质及产品，提升了检测准确度和效果。

2、为了实现上述目的，第一方面，本技术提供了一种模型库构建方法，包括：

3、对采集的激光切割工件的切口断面图像进行预处理，提取感兴趣区域；

4、对感兴趣区域进行图像特征提取与量化，得到图像特征参数；

5、建立图像特征参数与多物理场参数之间的第一量化关联关系，得到第一映射模型；

6、建立多物理场参数与激光加工工艺参数之间的第二量化关联关系，得到第二映射模型；

7、基于第一映射模型和第二映射模型，构建质量分类特征模型库。

8、在一实施例中，对采集的激光切割工件的切口断面图像进行预处理，提取感兴趣区域，包括：

9、对切口断面图像进行自适应滤波处理，得到滤波后图像；

10、对滤波后图像进行直方图均衡化处理，得到增强后图像；

11、对增强后图像进行边缘检测，分割出切口断面区域及挂渣边缘区域，得到感兴趣区域。

12、在一实施例中，对感兴趣区域进行图像特征提取与量化，得到图像特征参数，包括：

13、对感兴趣区域进行边缘轮廓跟踪，提取挂渣的投影面积比率、粘附高度和空间频率，并区分连续性挂渣和离散型挂渣，得到挂渣特征参数；

14、提取感兴趣区域中热影响区的宽度趋势并量化过烧程度，得到过烧特征参数；

15、采用灰度共生矩阵对感兴趣区域进行周期性频率分析，得到粗糙度特征参数；

16、测量感兴趣区域中切割条纹相对于板材法线方向的倾角，并采用最小二乘法拟合构建各层级纹理的趋势曲线方程，得到纹理趋势特征参数；

17、由挂渣特征参数、过烧特征参数、粗糙度特征参数和纹理趋势特征参数构成图像特征参数。

18、在一实施例中，建立图像特征参数与多物理场参数之间的第一量化关联关系，得到第一映射模型，包括：

19、对过烧特征参数和纹理趋势特征参数进行能量密度关联分析，建立单位体积内材料吸收的实际能量密度与过烧特征参数、纹理趋势特征参数之间的第一子映射关系，得到能量密度映射子模型；

20、对纹理趋势特征参数进行气流剥离强度关联分析，建立气流剥离强度及边界分层位置与纹理趋势特征参数之间的第二子映射关系，得到气流强度映射子模型；

21、基于能量密度映射子模型和气流强度映射子模型进行多相流转化效率评估，建立多相流转化效率与实际能量密度、气流剥离强度之间的第三子映射关系，得到多相流转化效率映射子模型；

22、由能量密度映射子模型、气流强度映射子模型和多相流转化效率映射子模型，构建第一映射模型。

23、在一实施例中，建立多物理场参数与激光加工工艺参数之间的第二量化关联关系，得到第二映射模型，包括：

24、对挂渣特征量化值与激光功率、加工速度和气体流量进行拟合关联，构建挂渣关联子模型；

25、对过烧特征参数与激光功率和光斑半径进行能量密度关联分析，构建过烧关联子模型；

26、对粗糙度特征参数进行区间判定标准定义并与线扫激光实测纹理进行关联标记，构建粗糙度关联子模型；

27、对纹理趋势特征参数进行最小二乘曲线拟合并提取切线确定加工速度和气体流量的关联关系，构建纹理关联子模型；

28、由挂渣关联子模型、过烧关联子模型、粗糙度关联子模型和纹理关联子模型，构建第二映射模型。

29、在一实施例中，基于第一映射模型和第二映射模型，构建质量分类特征模型库，包括：

30、对第一映射模型和第二映射模型进行机器学习离线训练，得到理论数据模型基准库；

31、对图像特征参数与理论数据模型基准库进行关联匹配，得到关联结果；

32、基于关联结果，对第一映射模型和第二映射模型进行融合优化，得到质量分类特征模型库。

33、在一实施例中，基于关联结果，对第一映射模型和第二映射模型进行融合优化，得到质量分类特征模型库之后，还包括：

34、对获取的待测激光切割工件的待测图像特征参数与质量分类特征模型库进行匹配，得到质量分类结果；

35、根据质量分类结果，对第二映射模型中的激光加工工艺参数进行匹配调整，得到工艺路径评估推荐方案。

36、第二方面，本技术实施例提供了一种模型库构建装置，包括：

37、预处理模块，用于对采集的激光切割工件的切口断面图像进行预处理，提取感兴趣区域；

38、特征提取模块，用于对感兴趣区域进行图像特征提取与量化，得到图像特征参数；

39、第一映射模块，用于建立图像特征参数与多物理场参数之间的第一量化关联关系，得到第一映射模型；

40、第二映射模块，用于建立多物理场参数与激光加工工艺参数之间的第二量化关联关系，得到第二映射模型；

41、模型库构建模块，用于基于第一映射模型和第二映射模型，构建质量分类特征模型库。

42、第三方面，本技术实施例提供了一种计算机设备，包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，处理器执行计算机程序时实现如上任一方法的步骤。

43、第四方面，本技术实施例提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现如上任一方法的步骤。

44、第五方面，本技术实施例提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时，实现如上任一方法的步骤。

45、本技术实施例提供了一种模型库构建方法、装置、设备、介质及产品，方法包括：对采集的激光切割工件的切口断面图像进行预处理，提取感兴趣区域；对感兴趣区域进行图像特征提取与量化，得到图像特征参数；建立图像特征参数与多物理场参数之间的第一量化关联关系，得到第一映射模型；建立多物理场参数与激光加工工艺参数之间的第二量化关联关系，得到第二映射模型；基于第一映射模型和第二映射模型，构建质量分类特征模型库。本技术建立了图像特征参数与多物理场参数之间的第一量化关联关系，以及多物理场参数与激光功率、加工速度、辅助气体流量等工艺参数之间的第二量化关联关系，形成了从图像特征到物理场状态再到工艺参数调整的完整技术链路，使质量检测结果能够直接驱动工艺参数的定量调整，可提升质量检测效率和效果。