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！

龙图腾网获悉上海船舶工艺研究所(中国船舶集团有限公司第十一研究所)申请的专利一种焊缝检测及自适应焊枪能量调节系统及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：CN119794647B 。

龙图腾网通过国家知识产权局官网在2025-11-07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：202411789924.4，技术领域涉及：B23K31/12；该发明授权一种焊缝检测及自适应焊枪能量调节系统及方法是由黄凯华;周昌智;黄帅金;尹嘉雯;卢志鹏;吉宏林;陈志国;王嘉昕;张泽禹;顾晓松;段昊;周荣设计研发完成，并于2024-12-06向国家知识产权局提交的专利申请。

本一种焊缝检测及自适应焊枪能量调节系统及方法在说明书摘要公布了：本发明公开了一种焊缝检测及自适应焊枪能量调节系统及方法，涉及焊接控制技术领域。系统包括图像采集模块、图像数据处理模块、机器学习模型、能量检测模块、焊枪控制模块以及显示界面，图像采集模块负责采集焊接过程中的焊缝图像；数据处理模块对采集的图像进行预处理，如去噪、滤波等；机器学习模型采用神经网络对焊缝图像进行特征提取和分类；焊枪控制模块根据机器学习模型的输出结果，实时调节焊枪的能量输出；显示界面实时显示焊缝检测结果及焊枪能量调节情况。上述系统及方法能够通过实时分析焊缝特征数据，自动识别焊缝缺陷以提高焊缝检测的准确性和效率，并根据检测结果动态调整焊枪的能量参数，从而提高焊接质量和效率。

本发明授权一种焊缝检测及自适应焊枪能量调节系统及方法在权利要求书中公布了：1.一种焊缝检测及自适应焊枪能量调节方法，其特征在于，所述方法包括： 对焊缝焊接过程中的焊缝进行实时图像采集，对收集到的焊缝图像进行分类标注； 对采集到的焊缝图像进行预处理获取清晰焊缝图像，所述预处理包括去噪、增强、二值化处理中的至少一种； 构建机器学习模型，基于所述清晰焊缝图像对所述机器学习模型进行训练，训练后的所述机器学习模型分析焊缝图像中的焊缝特征数据，对焊缝特征提取并识别，获取预测的焊缝数据； 实时检测焊枪的能量输出参数，所述能量输出参数包括电流、电压、功率； 根据所述预测的焊缝数据调整焊枪的能量输出参数； 其中，所述构建机器学习模型包括： 设置所述机器学习模型包括输入层、多个卷积层、激活层、多个池化层和全连接层； 所述输入层用于接收经过预处理的清晰焊缝图像； 所述卷积层用于通过卷积核在所述清晰焊缝图像上滑动进行卷积操作，提取所述清晰焊缝图像中的特征，所述卷积层包含多级卷积核，在卷积过程中实现权值共享；设置所述卷积层中将互相关函数替换卷积运算，其中为第l层中第i个卷积核的第j'个权值，为第l层中第j个被卷积的局部区域，w为卷积核宽度，yli,j为表示在第l层位置i,j处的输出值； 所述激活层用于将RELU作为中间隐含单元的激活函数以增强卷积神经网络的非线性； 所述池化层用于对输入数据进行降维采样操作，在提取特征时实现卷积神经网络参数降维；设置所述池化层采用最大值池化以作为池化函数以获得与位置无关的特征，所述池化函数为其中，ali,t为第l层中第i映射图的第t神经单元的激活值；i和j分别代表池化窗口在长度和宽度方向上的位置，w是池化窗口的宽度，pli,j为池化层最大值； 所述全连接层用于对提取的特征向量进行分类操作，将末端池化层的输出铺展成一维特征向量作为全连接层的输入； 其中，所述基于所述清晰焊缝图像对所述机器学习模型进行训练包括： 划分数据集步骤，其为将所述清晰焊缝图像按照预设比例划分为训练集和测试集，其中所述训练集用于训练所述机器学习模型以使所述机器学习模型学习到焊缝图像的特征与分类或检测目标之间的关系，所述测试集用于在所述机器学习模型训练完成后评估所述机器学习模型的性能； 选择目标函数步骤，其为采用交叉熵代价函数作为目标函数，通过目标函数求解最优值得到训练逻辑回归模型的参数；所述交叉熵代价函数为其中，yi为真实标签，为模型预测概率，L为损失值，L代表模型预测结果与真实标签之间的差异程度，i为类别索引，N为样本中存在的不同类别数量； 选择优化器步骤，其为选择优化器根据损失函数对所述机器学习模型的权重进行更新，以逐步降低损失函数的值； 训练过程步骤，其为将所述训练集数据逐批次输入到所述机器学习模型中，计算所述机器学习模型的输出预测值与真实标签之间的损失函数值，利用选择的优化器对所述机器学习模型的权重进行更新，调整所述机器学习模型的参数，使得所述机器学习模型在所述训练集上的损失函数值逐渐降低，直至所述机器学习模型收敛； 模型评估步骤，其为将所述测试集数据输入到训练好的所述机器学习模型中，得到所述机器学习模型对所述测试集中焊缝图像的分类或检测预测结果；基于所述机器学习模型对所述测试集中焊缝图像的分类或检测预测结果进行分析评估，分析所述机器学习模型的优点和缺点。

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船舶工艺研究所(中国船舶集团有限公司第十一研究所)，其通讯地址为：200032 上海市徐汇区中山南二路851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。