脉冲激光除锈方法、设备、存储介质及装置与流程 专利技术说明

机械加工,机床金属加工设备的制造及其加工,应用技术1.本发明涉及激光除锈技术领域，尤其涉及一种脉冲激光除锈方法、设备、存储介质及装置。背景技术：2.随着机械工业、造船应用的发展，许多金属制品在加工的工程中，由于长时间暴露在空气中或由于磕碰很难避免工件生锈的情况发生，传统的工件除锈方法都是需要人工使用铁刷或化学试剂将锈蚀去除，除锈过程耗费大量人力物力，除锈效率低并且延长生产周期。3.上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。技术实现要素：4.本发明的主要目的在于提供一种脉冲激光除锈方法、设备、存储介质及装置，旨在解决现有技术人工使用铁刷或化学试剂将锈蚀去除，除锈过程耗费大量人力物力，除锈效率低并且延长生产周期的技术问题。5.为实现上述目的，本发明提供一种脉冲激光除锈方法，所述脉冲激光除锈方法包括以下步骤：6.获取预设类型的待除锈钢板图像；7.基于预设锈迹识别模型对所述待除锈钢板图像进行锈迹识别，获得锈迹参数信息；8.根据所述锈迹参数信息和预设除锈策略确定激光脉冲参数，根据所述激光脉冲参数对所述待除锈钢板进行除锈；9.实时获取预设点阵区域内激光脉冲照射后的目标图像；10.根据所述目标图像调节所述激光脉冲参数，直至获取到的所述目标图像满足预设除锈条件。11.可选地，所述基于预设锈迹识别模型对所述待除锈钢板图像进行锈迹识别，获得锈迹参数信息的步骤，包括：12.基于预设锈迹识别模型中的锈迹预选框对所述待除锈钢板图像中的锈迹图像进行框定，获得待识别锈迹区域；13.基于深度学习算法对所述待识别锈迹区域进行分割，获得分割后的区域单元；14.对所述区域单元进行锈迹识别，获得锈迹参数信息。15.可选地，所述锈迹参数信息包括锈迹坐标、锈迹类型以及锈迹厚度；所述对所述区域单元进行锈迹识别，获得锈迹参数信息的步骤，包括：16.对所述区域单元中预设坐标位置的特征像素点进行统计，获得各区域单元对应的锈迹坐标；17.根据预设形态识别算法对所述特征像素点进行锈迹识别，获得锈迹类型；18.基于fft算法对激光反射信号进行傅里叶变换，根据获得的幅值参数信息确定待除锈钢板对应的锈迹厚度。19.可选地，所述根据所述锈迹参数信息和预设除锈策略确定激光脉冲参数，根据所述激光脉冲参数对所述待除锈钢板进行除锈的步骤，包括：20.根据所述锈迹类型、所述锈迹厚度和预设除锈策略确定激光脉冲参数；21.根据所述锈迹坐标对脉冲激光路径进行规划，获得目标路径；22.根据所述目标路径和所述激光脉冲参数对所述待除锈钢板进行除锈。23.可选地，所述根据所述锈迹类型、所述锈迹厚度和预设除锈策略确定激光脉冲参数的步骤，包括：24.根据所述锈迹类型中锈蚀类型和所述锈迹厚度确定锈蚀等级；25.根据所述锈蚀等级从预设除锈策略中匹配目标除锈策略；26.根据所述目标除锈策略对应的激光能量确定激光脉冲参数。27.可选地，所述根据所述目标图像调节所述脉冲参数，直至所述目标图像满足预设除锈条件的步骤之前，还包括：28.实时获取激光器的脉冲信号；29.根据所述脉冲信号对应的频率变化值确定所述预设点阵区域内锈迹厚度的变化程度；30.在所述变化程度达到预设阈值时，执行所述根据所述目标图像调节所述脉冲参数，直至所述目标图像满足预设除锈条件的步骤。31.可选地，所述根据所述目标图像调节所述激光脉冲参数，直至获取到的所述目标图像满足预设除锈条件的步骤，包括：32.根据所述目标图像中锈迹状态判断当前激光脉冲参数是否低于锈蚀层对应的烧蚀阈值；33.在所述当前激光脉冲参数低于锈蚀层对应的烧蚀阈值时，调节所述脉冲参数直至获取到的所述目标图像满足预设除锈条件。34.此外，为实现上述目的，本发明还提出一种脉冲激光除锈设备，所述脉冲激光除锈设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的脉冲激光除锈程序，所述脉冲激光除锈程序配置为实现如上文所述的脉冲激光除锈的步骤。35.此外，为实现上述目的，本发明还提出一种存储介质，所述存储介质上存储有脉冲激光除锈程序，所述脉冲激光除锈程序被处理器执行时实现如上文所述的脉冲激光除锈方法的步骤。36.此外，为实现上述目的，本发明还提出一种脉冲激光除锈装置，所述脉冲激光除锈装置包括：37.图像获取模块，用于获取预设类型的待除锈钢板图像；38.锈迹识别模块，用于基于预设锈迹识别模型对所述待除锈钢板图像进行锈迹识别，获得锈迹参数信息；39.激光除锈模块，用于根据所述锈迹参数信息和预设除锈策略确定激光脉冲参数，根据所述激光脉冲参数对所述待除锈钢板进行除锈；40.所述图像获取模块，还用于实时获取预设点阵区域内激光脉冲照射后的目标图像；41.所述激光除锈模块，还用于根据所述目标图像调节所述激光脉冲参数，直至获取到的所述目标图像满足预设除锈条件。42.本发明通过获取预设类型的待除锈钢板图像；基于预设锈迹识别模型对所述待除锈钢板图像进行锈迹识别，获得锈迹参数信息；根据所述锈迹参数信息和预设除锈策略确定激光脉冲参数，根据所述激光脉冲参数对所述待除锈钢板进行除锈；实时获取预设点阵区域内激光脉冲照射后的目标图像；根据所述目标图像调节所述激光脉冲参数，直至获取到的所述目标图像满足预设除锈条件，本发明相较于现有技术人工使用铁刷或化学试剂将锈蚀去除，除锈过程耗费大量人力物力，除锈效率低并且延长生产周期，本发明实现了自动化除锈同时避免由于脉冲激光对工件照射导致的损伤，提升除锈效率，缩短生产周期。附图说明43.图1是本发明实施例方案涉及的硬件运行环境的脉冲激光除锈设备的结构示意图；44.图2为本发明脉冲激光除锈方法第一实施例的流程示意图；45.图3为本发明脉冲激光除锈方法第二实施例的流程示意图；46.图4为本发明脉冲激光除锈方法第三实施例的流程示意图；47.图5为本发明脉冲激光除锈装置第一实施例的结构框图。48.本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。具体实施方式49.应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。50.参照图1，图1为本发明实施例方案涉及的硬件运行环境的脉冲激光除锈设备结构示意图。51.如图1所示，该脉冲激光除锈设备可以包括：处理器1001，例如中央处理器(central processing unit，cpu)，通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(display)，可选用户接口1003还可以包括标准的有线接口、无线接口，对于用户接口1003的有线接口在本发明中可为usb接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(wireless-fidelity，wi-fi)接口)。存储器1005可以是高速的随机存取存储器(random access memory，ram)，也可以是稳定的存储器(non-volatile memory，nvm)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。52.本领域技术人员可以理解，图1中示出的结构并不构成对脉冲激光除锈设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。53.如图1所示，认定为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及脉冲激光除锈程序。54.在图1所示的脉冲激光除锈设备中，网络接口1004主要用于连接后台服务器，与所述后台服务器进行数据通信；用户接口1003主要用于连接用户设备；所述脉冲激光除锈设备通过处理器1001调用存储器1005中存储的脉冲激光除锈程序，并执行本发明实施例提供的脉冲激光除锈方法。55.基于上述硬件结构，提出本发明脉冲激光除锈方法的实施例。56.参照图2，图2为本发明脉冲激光除锈方法第一实施例的流程示意图，提出本发明脉冲激光除锈方法第一实施例。57.在本实施例中，所述脉冲激光除锈方法包括以下步骤：58.步骤s10：获取预设类型的待除锈钢板图像。59.需说明的是，本实施例的执行主体可以是包含脉冲激光除锈系统的设备，所述设备配置有光纤激光器、高速摄像机以及激光传感器，其中所述高速摄像机用于采集待除锈钢板图像，所述激光传感器用于接收激光器除锈过程中的信号变化规律，从而根据信号变化规律判断锈迹变化。本实施例以脉冲激光除锈设备为执行主体进行一下实施例的说明。60.可理解的是，预设类型可以是指预先设置的待除锈钢板类型，所述待除锈钢板类型包括用途以及表面特征类型，在对钢板图像进行采集时，可以通过预先训练好的钢板识别模型对钢板类型进行识别，从而确定待除锈钢板图像中待除锈钢板的类型。用途类型包括但不限于桥梁钢板、锅炉钢板、造船钢板等，表面特征包括但不限于镀锌板、镀锡板、复合钢板以及彩色涂层钢板。通过上述用途类型和表面特征类型确定待除锈钢板图像中的钢板类型，以便于后期调节脉冲激光参数。61.具体实现中，通过高速摄像机采集待除锈钢板图像，并根据预设钢板识别模型对所述待除锈钢板图像中的钢板类型进行识别，确定预设类型的待除锈钢板图像。62.步骤s20：基于预设锈迹识别模型对所述待除锈钢板图像进行锈迹识别，获得锈迹参数信息。63.需说明的是，预设锈迹识别模型可以是预先设置的用于对锈迹进行识别的模型，所述模型可以基于深度学习算法训练出的模型。64.可理解的是，在确定待除锈钢板图像中钢板类型后，通过预设锈迹识别模型对待除锈钢板图像中钢板进行锈迹识别，获取锈迹参数信息。65.步骤s30：根据所述锈迹参数信息和预设除锈策略确定激光脉冲参数，根据所述激光脉冲参数对所述待除锈钢板进行除锈。66.需说明的是，预设除锈策略可以是预先设置的针对不同锈迹参数对应不同的除锈策略，以满足多种场景下的除锈。67.步骤s40：实时获取预设点阵区域内激光脉冲照射后的目标图像。68.需说明的是，为了保证除锈效果，在脉冲激光除锈的同时，实时采集预设点阵区域内激光脉冲照射后的目标图像，其中，预设点阵区域可以是预先设置的激光脉冲点阵区域，所述目标图像是预设点阵区域激光照射后的钢板图像。69.步骤s50：根据所述目标图像调节所述激光脉冲参数，直至获取到的所述目标图像满足预设除锈条件。70.需说明的是，在保证除锈效果同时避免激光除锈对钢板底层的损伤，需要对脉冲激光参数进行精准的调控，直至获取到的目标图像满足预设除锈条件。71.可理解的是，预设除锈条件是指预先设置的锈迹痕迹达到阈值指标的条件，所述阈值指标包含锈迹尺寸、厚度以及光滑度。72.本实施例通过获取预设类型的待除锈钢板图像；基于预设锈迹识别模型对所述待除锈钢板图像进行锈迹识别，获得锈迹参数信息；根据所述锈迹参数信息和预设除锈策略确定激光脉冲参数，根据所述激光脉冲参数对所述待除锈钢板进行除锈；实时获取预设点阵区域内激光脉冲照射后的目标图像；根据所述目标图像调节所述激光脉冲参数，直至获取到的所述目标图像满足预设除锈条件，本实施例相较于现有技术人工使用铁刷或化学试剂将锈蚀去除，除锈过程耗费大量人力物力，除锈效率低并且延长生产周期，本实施例实现了自动化除锈同时避免由于脉冲激光对工件照射导致的损伤，提升除锈效率，缩短生产周期。73.参照图3，图3为本发明脉冲激光除锈方法第二实施例的流程示意图，基于上述图2所示的第一实施例，提出本发明脉冲激光除锈方法的第二实施例。74.在本实施例中，所述步骤s20，包括：75.步骤s201：基于预设锈迹识别模型中的锈迹预选框对所述待除锈钢板图像中的锈迹图像进行框定，获得待识别锈迹区域。76.需说明的是，锈迹预选框是针对待除锈钢板图像中锈迹特征对应的坐标以固定尺寸将锈迹区域进行框定，并将与预选框重叠度大于预设重叠阈值的冗余预选框进行剔除，以减轻模型处理负担。77.步骤s202：基于深度学习算法对所述待识别锈迹区域进行分割，获得分割后的区域单元。78.需说明的是，为了提升锈迹识别准确率，通过深度学习算法将预选框框定的待识别锈迹区域进行分割，其中分割步骤可以是将预选框框定的区域作为候选区域分割成n*n个单元。79.步骤s203：对所述区域单元进行锈迹识别，获得锈迹参数信息。80.需说明的是，通过对上述n*n个单元进行锈迹识别，根据识别结果确定锈迹参数信息。81.进一步地，所述锈迹参数信息包括锈迹坐标、锈迹类型以及锈迹厚度，所述步骤s203还包括：对所述区域单元中预设坐标位置的特征像素点进行统计，获得各区域单元对应的锈迹坐标；根据预设形态识别算法对所述特征像素点进行锈迹识别，获得锈迹类型；基于fft算法对激光反射信号进行傅里叶变换，根据获得的幅值参数信息确定待除锈钢板对应的锈迹厚度。82.需说明的是，预设坐标位置可以是预先设置边界位置对应的坐标位置，例如：n*n个单元对应的四个边角位置的坐标，通过对n*n个单元对应的锈迹特征点进行识别，获得包含锈迹特征点的区域单元，统计包含锈迹特征点的单元对应的坐标，从而精准确定待除锈钢板上锈迹坐标。83.可理解的是，预设形态算法可以是预先设置的对锈迹进行类型识别的算法，所述算法可以是二值图像形态学算法，通过所述算法可以识别出锈迹类型，所述锈迹类型包括化学腐蚀锈蚀、电化学腐蚀锈蚀等类型，所述化学锈蚀是指钢材表面与周围介质直接发生化学反应而产生的锈蚀，所述电化学锈蚀是指钢材在潮湿的环境里，由于表面成分或受力不均匀导致形成红棕色的氢氧化亚铁。84.应理解的是，fft算法是一种dft的高效算法，相较于普通的傅里叶变换算法，本方案中采用fft算法可以实现更加高效精准的信号变换，在本实施例中，为了计算锈迹厚度，对激光打在点阵区域的激光反射信号进行采样，针对获取到的采样信号通过fft算法得到复数序列，并对所述复数序列进行频谱分析，根据获得的幅值参数信息实现对激光信号发射信号和反射信号的相位检测，从而确定锈迹厚度；所述幅值参数信息包括相位信息、频谱参数值信息。即针对发射信号和反射信号进行同步采集，并对其进行傅里叶变换获取频谱，计算发射信号和反射信号之间初相位，确定相位差，从而根据相位差确定锈迹厚度，本方案中的fft算法相较于现有技术中的傅里叶变换算法运算量更小。85.在本实施例中，所述步骤s30包括：86.步骤s301：根据所述锈迹类型、所述锈迹厚度和预设除锈策略确定激光脉冲参数。87.需说明的是，预设除锈策略中包含锈迹类型、锈迹厚度以及激光脉冲参数之间的对应关系，为了保证除锈效率，针对不同锈迹类型以及不同锈迹厚度需要选择不同的脉冲激光进行除锈。88.可理解的是，预设除锈策略包括热塑性膨胀除锈、熔融式除锈以及气化形式除锈，针对上述三种不同的除锈方式，对应着不同的激光脉冲参数。89.进一步地，所述步骤s301还包括：根据所述锈迹类型中锈蚀类型和所述锈迹厚度确定锈蚀等级；根据所述锈蚀等级从预设除锈策略中匹配目标除锈策略；根据所述目标除锈策略对应的激光能量确定激光脉冲参数。90.需说明的是，锈蚀类型包括化学锈蚀和电化学锈蚀两种类型，根据两种类型对应的锈迹厚度，确定锈蚀等级，从而根据锈蚀等级中匹配热塑性膨胀除锈、熔融式除锈以及气化形式除锈中一种，作为目标除锈策略。91.可理解的是，由于不同类型以及不同厚度的锈蚀，为了保证去除效率需要不同的脉冲激光参数进行去除，因此，通过锈蚀类型以及锈蚀厚度确定锈蚀等级，并通过匹配预设除锈策略中包含的除锈方法，达到除锈需求。92.具体实现中，不同的脉冲激光能量对锈蚀处理时间和除锈程度不同，因此选择合适的激光能量是尤为重要的，不同的激光能量下锈蚀状态也不相同，因此，通过锈蚀类型以及锈蚀厚度匹配目标除锈策略对应的激光能量确定激光脉冲参数，可以在提高除锈速率的同时有效避免激光脉冲对钢材本体的损伤。93.步骤s302：根据所述锈迹坐标对脉冲激光路径进行规划，获得目标路径。94.需说明的是，由于锈迹产生的位置和厚度是不完全一致的，现有技术中只能通过人为手工控制激光点阵区域来调节脉冲激光的位置，为了提升便捷性，本方案通过对锈迹坐标调整脉冲激光路径，所述脉冲激光路径是指激光器在对钢板进行除锈时，根据钢板上锈迹位置坐标规划激光器最优移动路径作为目标路径，减少激光器移动负担，节省时间。95.步骤s303：根据所述目标路径和所述激光脉冲参数对所述待除锈钢板进行除锈。96.需说明的是，通过目标路径和目标除锈策略对应的激光脉冲参数对待除锈钢板进行除锈，可以有效节省时间。97.本实施例通过获取预设类型的待除锈钢板图像，基于预设锈迹识别模型中的锈迹预选框对所述待除锈钢板图像中的锈迹图像进行框定，获得待识别锈迹区域；基于深度学习算法对所述待识别锈迹区域进行分割，获得分割后的区域单元；对所述区域单元进行锈迹识别，获得锈迹参数信息，根据所述锈迹类型、所述锈迹厚度和预设除锈策略确定激光脉冲参数；根据所述锈迹坐标对脉冲激光路径进行规划，获得目标路径；根据所述目标路径和所述激光脉冲参数对所述待除锈钢板进行除锈，实时获取预设点阵区域内激光脉冲照射后的目标图像；根据所述目标图像调节所述激光脉冲参数，直至获取到的所述目标图像满足预设除锈条件，本实施例相较于现有技术人工使用铁刷或化学试剂将锈蚀去除，除锈过程耗费大量人力物力，除锈效率低并且延长生产周期，本实施例实现了自动化除锈同时避免由于脉冲激光对工件照射导致的损伤，提升除锈效率，缩短生产周期。98.参照图4，图4为本发明脉冲激光除锈方法第三实施例的流程示意图，基于上述图3所示的第二实施例，提出本发明脉冲激光除锈方法的第三实施例。99.在本实施例中，所述步骤s50之前，还包括：实时获取激光器的脉冲信号；根据所述脉冲信号对应的频率变化值确定所述预设点阵区域内锈迹厚度的变化程度；在所述变化程度达到预设阈值时，执行所述根据所述目标图像调节所述脉冲参数，直至所述目标图像满足预设除锈条件的步骤。100.需说明的是，预设阈值是预先设置的脉冲信号峰值变化程度达到接触钢板本体的参数值。101.具体实现中，为了避免脉冲激光对钢板本体的损伤，需要实时获取激光能量作用下锈蚀层去除的动态过程，因此需要通过实时获取激光器的脉冲信号，将脉冲信号中发射信号和反射信号对应的频率变化值确定预设点阵区域内锈迹厚度变化，由于此时脉冲激光速度快，仅通过摄像头已经不能满足对锈迹变化的采集，需要结合脉冲信号对应的频率变化观察信号峰值分布，可以确定预设点阵区域内锈迹厚度变化，在变化程度达到预设阈值时，证明锈迹底层已变成小颗粒，若持续当前脉冲激光参数进行照射会导致损伤钢板本体，因此需要执行调节脉冲参数的步骤。102.在本实施例中，所述步骤s50包括：103.步骤s501：根据所述目标图像中锈迹状态判断当前激光脉冲参数是否低于锈蚀层对应的烧蚀阈值。104.需说明的是，烧蚀阈值是指对锈蚀底层达到分解时的热量阈值，通过结合目标图像中锈迹状态和脉冲信号判断当前激光脉冲参数是否低于锈蚀底层达到瓦解的热量阈值。105.步骤s502：在所述当前激光脉冲参数低于锈蚀层对应的烧蚀阈值时，调节所述脉冲参数直至获取到的所述目标图像满足预设除锈条件。106.需说明的是，脉冲参数在脉冲激光除锈过程中是影响除锈机理和除锈层去除率的重要参数。在脉冲激光注量为a时，在脉冲激光与锈蚀层相互作用的区域没有观察到熔化和气化材料，表明激光参数低于锈蚀层的烧蚀阈值。在非熔化工艺中，除锈主要依靠弹性膨胀，因此在这种情况下，除锈层的去除率较低，但对基体的损伤影响较小。脉冲参数为b的热熔态除锈，导致锈层熔融凝结。另一方面，随着激光脉冲的增加，会出现烧蚀羽和少量烧蚀飞溅的形成，目前锈层主要是通过热弹性膨胀和熔化去除的。但当激光注量超过预设烧蚀阈值时，锈层和钢基体表面都出现了汽化甚至气相爆炸。气相爆炸产生的冲击压力加快了松散层的去除率，这与激光注量增加导致的气化冲击越明显，除锈效率越高。然而，这可能会导致钢基体的强烈烧蚀和热损伤。采用脉冲信号与脉冲激光对不同工况参数下的动态过程和形态图像数据相结合的方法可以有效避免钢板本体损伤。107.本实施例通过获取预设类型的待除锈钢板图像，基于预设锈迹识别模型中的锈迹预选框对所述待除锈钢板图像中的锈迹图像进行框定，获得待识别锈迹区域；基于深度学习算法对所述待识别锈迹区域进行分割，获得分割后的区域单元；对所述区域单元进行锈迹识别，获得锈迹参数信息，根据所述锈迹类型、所述锈迹厚度和预设除锈策略确定激光脉冲参数；根据所述锈迹坐标对脉冲激光路径进行规划，获得目标路径；根据所述目标路径和所述激光脉冲参数对所述待除锈钢板进行除锈，实时获取预设点阵区域内激光脉冲照射后的目标图像；根据所述目标图像中锈迹状态判断当前激光脉冲参数是否低于锈蚀层对应的烧蚀阈值；在所述当前激光脉冲参数低于锈蚀层对应的烧蚀阈值时，调节所述脉冲参数直至获取到的所述目标图像满足预设除锈条件，本实施例相较于现有技术人工使用铁刷或化学试剂将锈蚀去除，除锈过程耗费大量人力物力，除锈效率低并且延长生产周期，本实施例实现了自动化除锈同时避免由于脉冲激光对工件照射导致的损伤，提升除锈效率，缩短生产周期。108.此外，为实现上述目的，本发明还提出一种存储介质，所述存储介质上存储有脉冲激光除锈程序，所述脉冲激光除锈程序被处理器执行时实现如上文所述的脉冲激光除锈方法的步骤。109.参照图5，图5为本发明脉冲激光除锈装置第一实施例的结构框图。110.如图5所示，本发明实施例提出的脉冲激光除锈装置包括：111.图像获取模块10，用于获取预设类型的待除锈钢板图像；112.锈迹识别模块20，用于基于预设锈迹识别模型对所述待除锈钢板图像进行锈迹识别，获得锈迹参数信息；113.激光除锈模块30，用于根据所述锈迹参数信息和预设除锈策略确定激光脉冲参数，根据所述激光脉冲参数对所述待除锈钢板进行除锈；114.所述图像获取模块10，还用于实时获取预设点阵区域内激光脉冲照射后的目标图像；115.所述激光除锈模块30，还用于根据所述目标图像调节所述激光脉冲参数，直至获取到的所述目标图像满足预设除锈条件。116.本实施例通过获取预设类型的待除锈钢板图像；基于预设锈迹识别模型对所述待除锈钢板图像进行锈迹识别，获得锈迹参数信息；根据所述锈迹参数信息和预设除锈策略确定激光脉冲参数，根据所述激光脉冲参数对所述待除锈钢板进行除锈；实时获取预设点阵区域内激光脉冲照射后的目标图像；根据所述目标图像调节所述激光脉冲参数，直至获取到的所述目标图像满足预设除锈条件，本实施例相较于现有技术人工使用铁刷或化学试剂将锈蚀去除，除锈过程耗费大量人力物力，除锈效率低并且延长生产周期，本实施例实现了自动化除锈同时避免由于脉冲激光对工件照射导致的损伤，提升除锈效率，缩短生产周期。117.进一步地，所述锈迹识别模块20还用于基于预设锈迹识别模型中的锈迹预选框对所述待除锈钢板图像中的锈迹图像进行框定，获得待识别锈迹区域；基于深度学习算法对所述待识别锈迹区域进行分割，获得分割后的区域单元；对所述区域单元进行锈迹识别，获得锈迹参数信息。118.进一步地，所述锈迹识别模块20还用于对所述区域单元中预设坐标位置的特征像素点进行统计，获得各区域单元对应的锈迹坐标；根据预设形态识别算法对所述特征像素点进行锈迹识别，获得锈迹类型；基于fft算法对激光反射信号进行傅里叶变换，根据获得的幅值参数信息确定待除锈钢板对应的锈迹厚度。119.进一步地，所述激光除锈模块30还用于根据所述锈迹类型、所述锈迹厚度和预设除锈策略确定激光脉冲参数；根据所述锈迹坐标对脉冲激光路径进行规划，获得目标路径；根据所述目标路径和所述激光脉冲参数对所述待除锈钢板进行除锈。120.进一步地，所述激光除锈模块30还用于根据所述锈迹类型中锈蚀类型和所述锈迹厚度确定锈蚀等级；根据所述锈蚀等级从预设除锈策略中匹配目标除锈策略；根据所述目标除锈策略对应的激光能量确定激光脉冲参数。121.进一步地，所述激光除锈模块30还用于实时获取激光器的脉冲信号；根据所述脉冲信号对应的频率变化值确定所述预设点阵区域内锈迹厚度的变化程度；在所述变化程度达到预设阈值时，执行所述根据所述目标图像调节所述脉冲参数，直至所述目标图像满足预设除锈条件的步骤。122.进一步地，所述激光除锈模块30还用于根据所述目标图像中锈迹状态判断当前激光脉冲参数是否低于锈蚀层对应的烧蚀阈值；在所述当前激光脉冲参数低于锈蚀层对应的烧蚀阈值时，调节所述脉冲参数直至获取到的所述目标图像满足预设除锈条件。123.应当理解的是，以上仅为举例说明，对本发明的技术方案并不构成任何限定，在具体应用中，本领域的技术人员可以根据需要进行设置，本发明对此不做限制。124.需要说明的是，以上所描述的工作流程仅仅是示意性的，并不对本发明的保护范围构成限定，在实际应用中，本领域的技术人员可以根据实际的需要选择其中的部分或者全部来实现本实施例方案的目的，此处不做限制。125.另外，未在本实施例中详尽描述的技术细节，可参见本发明任意实施例所提供的脉冲激光除锈方法，此处不再赘述。126.需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。127.上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。词语第一、第二、以及第三等的使用不表示任何顺序，可将这些词语解释为名称。128.通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如只读存储器镜像(read only memory image，rom)/随机存取存储器(random access memory，ram)、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。129.以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。









图片声明：本站部分配图来自人工智能系统AI生成,觅知网授权图片,PxHere摄影无版权图库。本站只作为美观性配图使用,无任何非法侵犯第三方意图,一切解释权归图片著作权方,本站不承担任何责任。如有恶意碰瓷者,必当奉陪到底严惩不贷!




内容声明：本文中引用的各种信息及资料（包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主体（包括但不限于公司、媒体、协会等机构）的官方网站或公开发表的信息。部分内容参考包括:(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供参考使用,不准确地方联系删除处理！本站为非盈利性质站点,发布内容不收取任何费用也不接任何广告!




免责声明：我们致力于保护作者版权，注重分享，被刊用文章因无法核实真实出处，未能及时与作者取得联系，或有版权异议的，请联系管理员，我们会立即处理，本文部分文字与图片资源来自于网络，部分文章是来自自研大数据AI进行生成,内容摘自(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供学习参考,不准确地方联系删除处理!的,若有来源标注错误或侵犯了您的合法权益，请立即通知我们，情况属实，我们会第一时间予以删除，并同时向您表示歉意,谢谢!