上海交通大学宁波人工智能研究院马成获国家专利权
买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!
龙图腾网获悉上海交通大学宁波人工智能研究院申请的专利一种基于视听双模态的MIG焊焊缝状态监测系统与方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN116604151B 。
龙图腾网通过国家知识产权局官网在2025-09-23发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202310575668.8,技术领域涉及:B23K9/173;该发明授权一种基于视听双模态的MIG焊焊缝状态监测系统与方法是由马成;褚健;庄开宇;杨根科设计研发完成,并于2023-05-19向国家知识产权局提交的专利申请。
本一种基于视听双模态的MIG焊焊缝状态监测系统与方法在说明书摘要公布了:本发明公开了一种基于视听双模态的MIG焊焊缝状态监测系统与方法,涉及智能焊接技术领域,包括视听数据采集模块、视听数据处理模块和焊缝熔透状态识别模块。所述方法包括:步骤1、安装同步视听数据采集系统,进行数据采集,得到视听数据;步骤2、数据预处理,对采集的视听数据进行降噪、统一模态和数据标准化的处理;步骤3、搭建基于视听双模态的焊缝熔透状态识别模型;步骤4、训练焊缝熔透状态识别模型,调整和优化网络结构;步骤5、将焊缝熔透状态识别模型部署到工业现场实现实时检测。本发明提供的技术方案做到对焊接过程多源信息的整合和对模态特征的高质量提取,实现更好的焊缝熔透状态识别,大大提高焊接质量监测的效率和准确率。
本发明授权一种基于视听双模态的MIG焊焊缝状态监测系统与方法在权利要求书中公布了:1.一种基于视听双模态的MIG焊焊缝状态监测系统,其特征在于,包括: 视听数据采集模块,所述视听数据采集模块包括视觉数据采集单元、声音数据采集单元和同步采集通信单元,对焊接过程中产生的数据进行采集,得到视听数据;所述视觉数据采集单元是焊机和工业CCD相机通过GigEVision通信协议进行通信,在通信协议应用层通过GVCP协议和GVSP协议分别对所述工业CCD相机进行配置和数据流的传输,并在所述工业CCD相机的镜头前加上特定波长的滤光片; 所述声音数据采集单元是通过LabVIEW图像编程控制与声压传感器配套的NI的DAQExpress数据采集模块对声音信号进行实时采集与存储,所述声音信号通过麦克风收集后进入信号调节器转变为声压信号的csv文件并存储到指定文件中; 所述同步采集通信单元采用TCP传输协议实现所述焊机和数据采集设备间的同步通信,并通过监测所述焊机的焊接电流的有无来控制所述工业CCD相机和所述声压传感器的工作的起始和结束; 视听数据处理模块,所述视听数据处理模块连接所述视听数据采集模块,包括降噪单元、统一模态单元和数据标准化单元,分别对采集的所述视听数据进行降噪、统一模态和数据标准化的处理; 焊缝熔透状态识别模块,所述焊缝熔透状态识别模块连接所述视听数据处理模块,包括视觉特征提取单元、声音特征提取单元、视听特征融合单元以及焊缝熔透状态分类单元,通过所述视觉特征提取单元和所述声音特征提取单元对处理后的所述视听数据进行特征提取,并使用所述视听特征融合单元进行特征融合,再进入所述焊缝熔透状态分类单元实现对焊缝熔透状态的识别;所述视觉特征提取单元包括CNN网络和空间注意力机制;所述CNN网络包括若干个输入层、卷积层、激活函数、池化层和全连接层;所述CNN网络通过反向传播进行权值更新;所述空间注意力机制对所述CNN网络的特征层进行通道注意力和空间注意力的处理; 所述声音特征提取单元包括所述CNN网络和多尺度卷积核组合卷积层;所述多尺度卷积核组合卷积层通过调整卷积核的长宽并进行组合,提取到所述声音信号的更多时域和频域特征信息;所述多尺度卷积核组合卷积层设置在所述输入层之后; 所述视听特征融合单元将所述视觉特征提取单元提取的深层视觉特征和所述声音特征提取单元提取的深层声音特征分别展平为和的特征向量,并将所述特征向量进行连接组成的融合特征向量; 所述焊缝熔透状态分类单元包括两层全连接层、softmax层和输出层;经过所述两层全连接层,所述融合特征向量的维数降为待分类类别数,再由所述softmax层转化成对应类别的概率,最终由所述输出层输出得到的所述焊缝熔透状态。
如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人上海交通大学宁波人工智能研究院,其通讯地址为:315012 浙江省宁波市海曙区南门街道南站西路29号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。
以上内容由龙图腾AI智能生成。
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。

皖公网安备 34010402703815号
请提出您的宝贵建议,有机会获取IP积分或其他奖励