Video Experimental Relacionado
Updated: Sep 9, 2025
09:17
Surrogate Model Development for Digital Experiments in Welding
Published on: March 28, 2025
1.2K
Un sistema de visión de máquina basado en aprendizaje profundo para el monitoreo en línea y la evaluación de la
Van Doi Truong1,2, Yunfeng Wang1,2, Chanhee Won3
1Department of Mechanical Engineering, Hanyang University, 55, Hanyangdaehak-ro, Sangnok-gu, Ansan-si 15588, Gyeonggi-do, Republic of Korea.
Sensors (Basel, Switzerland)
|August 28, 2025
Resumen
Un nuevo sistema de visión de máquina utiliza un escáner de línea y cámaras infrarrojas para el monitoreo de la soldadura de múltiples pasos. Detecta eficazmente los defectos superficiales y mide la distorsión, mejorando el control de calidad en la fabricación.
Área de la Ciencia:
- Ingeniería de fabricación
- Robótica y automatización
- Ciencias de los materiales
Sus antecedentes:
- La soldadura multicapa de múltiples pasos es crítica en industrias como la energía nuclear y la construcción naval.
- La deformación y los defectos de soldadura siguen siendo desafíos importantes, que requieren un seguimiento y un control de calidad sólidos.
- El ajuste dinámico durante la soldadura es esencial para mantener una salida de alta calidad.
Objetivo del estudio:
- Desarrollar un sistema de visión automática para el monitoreo en tiempo real y la evaluación de la calidad de la superficie en la soldadura multicapa.
- Permitir el control dinámico del plano de soldadura mediante el modelado de la sección transversal y la medición de la distorsión.
- Crear un conjunto de datos de inspección de defectos para la formación y la validación de los algoritmos de control de calidad.
Principales métodos:
- Utilizado escáner de línea y sensores de cámara infrarrojos para la adquisición de datos.
- Modelado de sección transversal desarrollado a partir de datos del escáner de líneas para medir la distorsión.
- Aplicó un enfoque de mapa normal combinado con aprendizaje profundo para la inspección de defectos superficiales, abordando las variaciones de color del material.
- Integra un algoritmo de detección de defectos y monitoreo de la temperatura de la piscina de soldadura.
Principales resultados:
- Logró una precisión media media de 0,88 para la inspección de defectos superficiales utilizando el enfoque de aprendizaje profundo.
- Se ha medido con éxito la distorsión y se ha permitido el control dinámico del plano de soldadura.
- Se ha demostrado que es eficaz el control de la temperatura de la piscina de soldadura y la detección de defectos de quemado.
- Integró el sistema en una interfaz gráfica de usuario para visualizar el progreso de la soldadura.
Conclusiones:
- El sistema de visión artificial propuesto proporciona una base sólida para el seguimiento de la soldadura multicapa de varios pasos.
- El sistema demuestra el potencial para el desarrollo de sistemas de soldadura adaptativa automática.
- Es posible lograr un control de calidad mejorado mediante el monitoreo en tiempo real y la detección de defectos.
