在使用深度学习的五秒激光钻孔过程中预测洞深度
Dong-Wook Lim1, Myeongjun Kim2, Philgong Choi3
1Department of Mechanical Engineering, Inha University, Incheon 22212, Republic of Korea.
Micromachines
|July 8, 2023
概括
本研究介绍了一种深度学习方法,用于估计使用2D图像在高面比激光钻探中钻孔深度. 该方法实现了高精度,有助于实时控制加工过程.
科学领域:
- 制造业 工程 制造工程
- 光学工程是指光学工程.
- 人工智能的人工智能
背景情况:
- 在高面积比激光钻探过程中测量钻孔深度是具有挑战性和耗时的.
- 精确的深度测量对于激光加工的工艺控制和质量保证至关重要.
研究的目的:
- 开发一种非接触式方法,用二维图像来估计钻孔深度.
- 为了利用深度学习来精确地预测高面比激光钻探的深度.
主要方法:
- 利用深度学习方法来从捕获的2D洞图像中预测洞深.
- 优化了激光钻探参数 (功率,周期) 和图像采集条件 (亮度,曝光率,马).
- 使用干扰仪提取对比数据用于图像分析.
主要成果:
- 对于深度高达100微米的孔,实现了5微米内的预测精度.
- 确定了最佳显微镜曝光时间和马值,以准确预测洞形状.
- 证明了使用二维成像和深度学习进行现场深度估计的可行性.
结论:
- 拟议的深度学习方法为估计钻孔深度提供了有效和准确的解决方案.
- 这种方法可以促进实时监测和控制高面比激光钻孔过程.
- 这些发现有助于自动化激光制造和质量检查的进步.


