Tecnologia di rivestimento laser è una tecnologia di produzione additiva che produce o ripara parti metalliche fondendo e depositando polvere. In un percorso specificato, la tecnologia utilizza un raggio laser ad alta energia per fondere e solidificare rapidamente la polvere sulla superficie del substrato, in modo che la polvere e il substrato vengano combinati per formare un rivestimento funzionale con caratteristiche di legame metallurgico. Il rivestimento laser presenta i vantaggi di elevata flessibilità operativa, elevata resistenza di legame, elevato tasso di utilizzo del materiale ed eccellenti prestazioni complete. Può migliorare significativamente la resistenza all'usura e alla corrosione della superficie del substrato del materiale. È ampiamente utilizzato nell'industria aerospaziale, automobilistica e persino nella difesa nazionale. "Made in China 2025" ha chiaramente sottolineato che il vigoroso sviluppo della rigenerazione ha promosso il rapido sviluppo della tecnologia di rigenerazione laser e i requisiti per la morfologia di formatura e le prestazioni del rivestimento laser sono in aumento.

Ci sono molte reazioni complesse come reazioni fisiche e chimiche nel processo di rivestimento laser, che sono facilmente influenzate da molti fattori interni ed esterni. Nel processo operativo effettivo, a causa della mancanza di feedback e sistema di controllo, il processo di rivestimento sarà influenzato da fattori interni come potenza laser, velocità di scansione e velocità di alimentazione della polvere. Inoltre, è anche influenzato da fattori ambientali e interferenze durante la lavorazione. La stabilità della lavorazione è scarsa e si formano facilmente difetti come pori e crepe, il che limita seriamente lo sviluppo di questa tecnologia e la sua applicazione commerciale. Pertanto, il monitoraggio in tempo reale e il controllo del feedback del processo di rivestimento laser sono uno degli attuali punti caldi della ricerca.

L'uso di sistemi di controllo a circuito chiuso nel rivestimento laser aiuta a migliorare notevolmente la qualità dello strato di rivestimento e a ridurre i costi. Durante il processo di rivestimento, l'immagine del bagno fuso viene raccolta da una telecamera visiva, l'immagine del bagno fuso viene elaborata e le informazioni sulla geometria del bagno fuso vengono estratte. Le dimensioni, la forma e la luminosità del bagno fuso vengono osservate per regolare i parametri di processo come la potenza laser in tempo reale per mantenere stabile il bagno fuso e ottenere una buona qualità di rivestimento. Questo documento riassume gli ultimi progressi della ricerca nell'uso delle informazioni sulla geometria del bagno fuso come segnali di feedback per il monitoraggio in tempo reale dei bagni fusi di rivestimento laser in patria e all'estero, concentrandosi sulla raccolta e l'elaborazione delle immagini del bagno fuso e fornisce un riferimento per il monitoraggio online in tempo reale e il controllo intelligente del rivestimento laser.

1 Stato della ricerca monitoraggio del bagno fuso di rivestimento laser e controllo a circuito chiuso

Durante il processo di rivestimento, si verificano complessi fenomeni fisici e chimici di accoppiamento multiparametrico optoelettronico tra il raggio laser, il materiale di rivestimento e il substrato. Lo sviluppo economico dell'applicazione del processo di rivestimento laser è ostacolato dalla mancanza di capacità di prevedere con precisione i complessi fenomeni fisici correlati al processo. Durante il processo di rivestimento, si verificano fenomeni come il trasferimento di calore e la convezione nella piscina fusa. La temperatura e la morfologia della piscina fusa sono fattori importanti che influenzano la qualità della formatura del rivestimento. Pertanto, il monitoraggio della piscina fusa è un prerequisito importante per realizzare l'automazione del rivestimento laser.

La stabilità del pool fuso influisce in modo significativo sulla qualità di formatura e sulla stabilità di formatura dello strato di rivestimento. Quando il pool fuso non è adeguatamente controllato, si verificheranno molti difetti come pori e crepe. Ciò è ampiamente attribuito alla mancanza di monitoraggio del pool fuso e di algoritmi di controllo a circuito chiuso durante il processo di rivestimento. Pertanto, è particolarmente importante monitorare e controllare accuratamente il pool fuso. Con il rapido sviluppo della tecnologia di apprendimento profondo e di elaborazione delle immagini, le tecnologie di rilevamento senza contatto come visione, emissione acustica, rilevamento del campo di temperatura e analisi spettrale sono ampiamente utilizzate nel monitoraggio del pool fuso, come mostrato nella Tabella 1. Il pool fuso può riflettere la stabilità del processo di rivestimento e giudicare la qualità dello strato di rivestimento. Attraverso il monitoraggio del pool fuso, è possibile identificare lo stato di rivestimento attuale, come la generazione di difetti come crepe, riducendo così l'instabilità del processo di rivestimento causata da errori di dimensioni del pool fuso e parametri di processo e migliorando la qualità dello stampaggio del rivestimento.

Come una delle tecnologie di rilevamento senza contatto, il monitoraggio visivo è meno influenzato dai materiali di lavorazione, dai metodi di lavorazione e dall'ambiente durante il processo di monitoraggio, con un breve tempo di risposta e un'elevata accuratezza e sensibilità. Può raccogliere informazioni dettagliate sulle immagini del bagno fuso, utili per la successiva realizzazione del controllo a circuito chiuso del rivestimento laser. È uno dei metodi comuni per studiosi nazionali e stranieri per monitorare il bagno fuso per il rivestimento laser.

1.1 Stato della ricerca sul monitoraggio della piscina fusa del rivestimento laser
Il monitoraggio del pool fuso serve a monitorare vari parametri dimensionali della morfologia del pool fuso, stabilire un sistema di controllo di feedback, mantenere la stabilità del processo di rivestimento e ridurre difetti quali anomalie dimensionali e deformazioni. Come mostrato nella Figura 1, il sistema di monitoraggio è composto principalmente da una telecamera ad alta velocità, una lente, un filtro e un sistema di illuminazione. Le telecamere ad alta velocità vengono utilizzate per catturare e riprendere il pool fuso durante il processo di rivestimento. La tecnologia di elaborazione delle immagini digitali viene utilizzata per ottenere informazioni sul pool fuso (come morfologia del pool fuso, larghezza del pool fuso, altezza del pool fuso, ecc.). Queste informazioni possono essere utilizzate come output del controllo a circuito chiuso del rivestimento laser, gettando le basi per la realizzazione del controllo a circuito chiuso del rivestimento laser.

L'immagine della piscina fusa contiene informazioni approfondite sulla piscina fusa, come lunghezza, larghezza, altezza e area della piscina fusa della piscina fusa, che è strettamente correlata alla qualità dello strato di rivestimento. Kao et al. hanno monitorato il processo di rivestimento laser utilizzando una telecamera coassiale e hanno dimostrato che esiste una correlazione tra l'immagine della piscina fusa di monitoraggio coassiale e la qualità dello strato di rivestimento. Yong et al. hanno estratto informazioni dimensionali come area, larghezza e altezza della piscina fusa tramite monitoraggio visivo e hanno utilizzato APDL per la simulazione. Confrontando i risultati del monitoraggio e della simulazione, è stata verificata l'efficacia del sistema di monitoraggio visivo.

Ci sono molti fattori di interferenza nell'immagine della pozza fusa. Ottenere un'immagine chiara della pozza fusa è un prerequisito importante per estrarre informazioni sulla pozza fusa. Per eliminare l'interferenza causata dal posizionamento della telecamera durante l'acquisizione delle immagini, studiosi nazionali e stranieri hanno condotto una serie di studi. Ad esempio, Chkalov et al. hanno studiato il layout ottimale del sistema di illuminazione dell'area di esposizione laser e della telecamera CCD. I risultati hanno mostrato che l'immagine più chiara della pozza fusa può essere ottenuta quando la telecamera visiva e il sistema di illuminazione sono entrambi distribuiti sul lato posteriore della pozza fusa. Li et al. [35] hanno proposto un metodo di calibrazione della posizione dell'immagine della pozza fusa basato sulla tecnologia di elaborazione delle immagini per eliminare l'errore di posizionamento causato dall'inclinazione della telecamera industriale CCD e ottenere un contorno preciso della pozza fusa, che ha gettato le basi per la successiva elaborazione delle immagini.

Inoltre, nel processo di rivestimento sono presenti interferenze quali schizzi, pennacchi, rumore e flare. L'immagine della piscina fusa deve essere elaborata per ottenere un'immagine chiara della piscina fusa. Ad esempio, Song et al. hanno utilizzato una telecamera ad alta velocità per costruire un sistema di monitoraggio della piscina fusa in tempo reale vicino all'asse e hanno proposto un metodo di estrazione del bordo della piscina fusa coerente in fase per gestire interferenze quali aree sfocate e flare. Le et al. hanno utilizzato una telecamera CMOS ad alta velocità per costruire un sistema di monitoraggio fuori asse per ottenere il calcolo delle dimensioni della piscina fusa e la rimozione dell'interferenza degli schizzi. Jiang Shujuan et al. hanno rilevato la larghezza della piscina fusa in base alla tecnologia del filtro Kalman, riducendo l'interferenza del rumore nel processo di misurazione, migliorando così significativamente la precisione di rilevamento della larghezza della piscina fusa.

Il monitoraggio in tempo reale della piscina fusa può realizzare la misurazione e la previsione delle caratteristiche della piscina fusa come la larghezza della piscina fusa. Può anche realizzare il rilevamento di difetti e il controllo della qualità dello strato di rivestimento studiando le leggi delle caratteristiche geometriche della piscina fusa e della potenza laser, della velocità di scansione e della velocità di alimentazione della polvere. Sampson et al. hanno dimostrato attraverso esperimenti che esiste una complessa interazione tra potenza laser, velocità di alimentazione della polvere e velocità di scansione. Quando la potenza laser è elevata, l'aumento della velocità di alimentazione della polvere porterà a un aumento della larghezza della piscina fusa. Quando la potenza laser è bassa, la larghezza della piscina fusa rimane invariata. Indipendentemente dalla potenza laser, l'aumento della velocità di scansione porterà a una diminuzione della larghezza della piscina fusa. Chen et al. [41] hanno studiato la relazione tra parametri di processo come potenza laser e velocità di scansione e area della piscina fusa e hanno realizzato un rilevamento accurato di diversi tipi di difetti di formatura in base all'area della piscina fusa. Concalves et al. hanno utilizzato una telecamera coassiale per catturare l'immagine della pozza fusa, hanno utilizzato l'immagine della pozza fusa come input, hanno stimato l'altezza e la larghezza dello strato di rivestimento, hanno sviluppato e confrontato 6 architetture di reti neurali convoluzionali (CNN) e hanno scoperto che il coefficiente di determinazione dell'architettura di rete neurale Adadelta era superiore a 0.98, con le migliori prestazioni di previsione.

1.2 Stato attuale del controllo a circuito chiuso del rivestimento laser
Il controllo a circuito chiuso del processo di rivestimento laser può prevedere e controllare i difetti generati nel processo di rivestimento laser, mantenere la stabilità del bagno fuso e migliorare la qualità del rivestimento. Nel processo di rivestimento laser, i difetti (pori, crepe, ecc.) nel processo di rivestimento vengono scoperti tempestivamente rilevando la morfologia del bagno fuso (larghezza, altezza, contorno, ecc.) e la qualità del rivestimento viene migliorata regolando determinati parametri di correzione tramite controllo di feedback.

Esistono due metodi di controllo a circuito chiuso comunemente utilizzati. Il primo metodo consiste nel confrontare il valore previsto con le caratteristiche del bagno fuso online, quindi regolare i parametri di processo come la potenza laser nel tempo in base alla deviazione e basata sull'algoritmo di controllo, in modo da stabilizzare le dimensioni del bagno fuso e realizzare il controllo a circuito chiuso del processo del bagno fuso. Il principio è illustrato nella Figura 2. Arias et al. hanno progettato e sviluppato un sistema di controllo del rivestimento laser basato su FPGA, utilizzando una telecamera CMOS per misurare la larghezza del bagno fuso e hanno realizzato il controllo a circuito chiuso del processo di rivestimento laser regolando la potenza laser. Liu Xuyang ha costruito un sistema di monitoraggio e controllo in tempo reale per il bagno fuso basato su una telecamera CMOS, ha confrontato la differenza tra la larghezza del bagno fuso monitorata e la larghezza del bagno fuso prevista e ha regolato la velocità di scansione nel processo di rivestimento in tempo reale tramite un controller PID per ottenere il monitoraggio in tempo reale e il controllo a circuito chiuso del processo di rivestimento laser. Yang Yongxing [46] ha utilizzato una telecamera CCD per catturare l'immagine della pozza fusa e ha utilizzato un metodo di controllo fuzzy per controllare la velocità di scansione e ha controllato l'altezza dello strato di rivestimento regolando la velocità di scansione.

Il secondo metodo consiste nell'aggiustare l'errore cumulativo in modo che il risultato finale converga al valore previsto. Moralejo et al. hanno sviluppato un controller integrale proporzionale feedforward in grado di acquisire ed elaborare l'immagine del bagno fuso in tempo reale in base a una telecamera CMOS, con potenza laser come input e larghezza dello strato di rivestimento come output, per ottenere un controllo a circuito chiuso e condurre una verifica in tempo reale nell'elaborazione di parti di rivestimento a larghezza variabile. Ding et al. hanno installato una telecamera CCD sul lato della testa laser per monitorare la parte superiore del bagno fuso, combinata con compensazione feedforward e controller PID, per ottenere un controllo a circuito chiuso delle dimensioni del bagno fuso. Shi Tuo et al. hanno utilizzato controller P e PI per calcolare la deviazione tra l'altezza effettiva dello strato e il valore previsto per regolare la velocità di scansione, la potenza laser e altri parametri di processo e controllare l'altezza effettiva dello strato per convergere continuamente al valore previsto. La Tabella 2 riassume i diversi metodi di feedback nel processo di rivestimento. Il primo metodo ha una velocità di risposta rapida e può migliorare la stabilità del bagno fuso e la precisione di formatura dello strato di rivestimento durante il processo di rivestimento. Tuttavia, nel processo di accumulo strato per strato dello strato di rivestimento, l'errore cumulativo è ampio e la precisione di formatura finale è scarsamente controllabile. Rispetto al primo metodo, il secondo metodo ha una velocità di risposta più lenta, ma la precisione di formatura finale è controllabile.

2 Elaborazione delle immagini e estrazione delle caratteristiche del pool fuso

Nel processo di rivestimento laser, la pozza fusa viene generata dalla polvere sul substrato sotto l'azione di un raggio laser ad alta potenza. La sua morfologia geometrica riflette la qualità dello strato di rivestimento. Il monitoraggio in tempo reale della pozza fusa e il controllo del feedback sono mezzi importanti per mantenere la stabilità della pozza fusa per migliorare la qualità dello strato di rivestimento. Durante il processo di monitoraggio della pozza fusa, le immagini della pozza fusa di alta qualità possono riflettere più informazioni sulla pozza fusa, come area, larghezza e altezza della pozza fusa. Poiché ci sono molte interferenze nel processo di rivestimento, come schizzi di polvere, pennacchio, rumore, bagliori e riflessione della luce, è difficile catturare immagini della pozza fusa di alta qualità ed estrarre informazioni sulla pozza fusa. Pertanto, la tecnologia di elaborazione delle immagini è una delle componenti importanti del monitoraggio della pozza fusa.

2.1 Pre-elaborazione dell'immagine della piscina fusa

2.1.1 Rimozione del rumore dall'immagine
La denoising delle immagini è uno dei passaggi chiave nella pre-elaborazione delle immagini. Durante il processo di rivestimento, ci sono molti segnali di rumore come schizzi e fumo. Pertanto, è necessario utilizzare metodi di filtraggio delle immagini per rimuovere il rumore e altre interferenze nell'immagine della pozza fusa, in modo da evidenziare l'area della pozza fusa, ridurre l'influenza della luce dell'arco, della luminosità irregolare e del rumore sull'identificazione della pozza fusa, ottenere l'immagine della pozza fusa più chiara e facilitare la successiva estrazione delle informazioni sulla pozza fusa.

Filtrare l'immagine è un mezzo comune per rimuovere l'interferenza del rumore. I metodi di filtraggio comunemente utilizzati includono il filtraggio lineare e il filtraggio non lineare, tra cui il filtraggio medio, il filtraggio gaussiano, il filtraggio mediano e il filtraggio bilaterale. Studiosi nazionali e stranieri hanno provato vari algoritmi di filtraggio per gestire l'interferenza del rumore come gli schizzi nell'immagine della pozza fusa e hanno confrontato i loro effetti di riduzione del rumore. Ad esempio, Hui Wanyu et al. hanno denoised le immagini con rumore sale e pepe aggiunto, rumore gaussiano e rumore misto gaussiano sale e pepe e hanno confrontato gli effetti di denoising dei metodi di filtraggio gaussiano e mediano e hanno concluso che l'effetto di denoising del filtraggio mediano è migliore di quello del filtraggio gaussiano. La Tabella 3 riassume le caratteristiche dei diversi metodi di filtraggio nel processo di denoising.

In sintesi, il filtraggio lineare non conserva le informazioni sui bordi riducendo al contempo il rumore, che può facilmente causare sfocatura dell'immagine e distruggere i dettagli dell'immagine, mentre i filtri non lineari possono proteggere efficacemente i dettagli e i bordi dell'immagine sopprimendo al contempo il rumore. Pertanto, il filtraggio non lineare viene spesso utilizzato nella maggior parte dell'elaborazione delle immagini di pool fuso. Ad esempio, l'algoritmo di filtraggio mediano è semplice e ha un buon effetto di riduzione del rumore nell'elaborazione del rumore casuale. Può raggiungere lo scopo di rimuovere l'interferenza del rumore nell'immagine mantenendo al massimo i dettagli dei bordi del pool fuso e ripristinando le informazioni del pool fuso.

2.1.2 Miglioramento dell'immagine
Dopo che l'interferenza del rumore nell'immagine della pozza fusa viene rimossa dal filtraggio dell'immagine, alcuni dettagli nell'immagine vengono levigati. A questo punto, l'immagine della pozza fusa deve essere migliorata per aumentare il valore effettivo del grigio dei dettagli, aumentando così il contrasto tra la pozza fusa e l'area circostante, evidenziando le caratteristiche dei dettagli della pozza fusa e rendendo l'immagine migliorata più efficace e più facile da riconoscere dalla macchina, gettando le basi per la segmentazione dell'immagine. Grazie alla natura in tempo reale dell'algoritmo di miglioramento dell'immagine, negli ultimi anni sono emersi vari algoritmi di miglioramento dell'immagine, come riassunto nella Tabella 4.

In sintesi, un singolo algoritmo di miglioramento dell'immagine presenta anche alcuni svantaggi durante il miglioramento dell'immagine. Ad esempio, l'algoritmo di equalizzazione dell'istogramma ha un buon effetto di miglioramento, elevate prestazioni in tempo reale ed elevata efficienza, ma è facile perdere dettagli dell'immagine e persino migliorare il segnale di rumore nell'immagine. I vantaggi e gli svantaggi dell'algoritmo dell'immagine dovrebbero essere considerati in modo completo e l'algoritmo dell'immagine dovrebbe essere ottimizzato e migliorato o una combinazione di più algoritmi può migliorare significativamente le caratteristiche dell'immagine del pool fuso di rivestimento laser, gettando una buona base per la successiva segmentazione dell'immagine e l'estrazione delle caratteristiche del pool fuso. Ad esempio, Mao Wei et al. hanno considerato i vantaggi e gli svantaggi di un singolo algoritmo e combinato con le caratteristiche di elaborazione del rivestimento laser e hanno proposto l'algoritmo di miglioramento dell'immagine a infrarossi Heat-HE basato sull'algoritmo di equalizzazione dell'istogramma. Con la premessa di rimuovere il rumore e altre interferenze, le caratteristiche dell'immagine dello strato di rivestimento sono state notevolmente migliorate.

2.2 Segmentazione delle immagini
La segmentazione dell'immagine consiste nel dividere l'area dell'immagine in diverse sottoaree, ciascuna sottoarea non si interseca con le altre e le caratteristiche interne della stessa area hanno una certa correlazione. Dopo la riduzione del rumore e il miglioramento dell'immagine, il contrasto tra la pozza fusa e l'area circostante è migliorato, l'immagine della pozza fusa è più chiara e i dettagli sono più evidenti. A questo punto, l'immagine contiene l'area della pozza fusa e l'area di sfondo. Per ottenere l'area della pozza fusa, è necessario eseguire la segmentazione dell'immagine sulla pozza fusa e sull'area di sfondo. I principali metodi di segmentazione dell'immagine includono la segmentazione della soglia e la segmentazione del bordo, ecc., come riassunto nella Tabella 5.

La segmentazione della soglia utilizza la differenza nei valori della scala di grigi tra pozza fusa e lo sfondo per impostare pixel superiori alla soglia come target e segmentare accuratamente l'immagine in due parti: il target e lo sfondo. La chiave sta nell'impostazione di una soglia di scala di grigi adatta. Ad esempio, Meng Qingdong ha determinato la soglia di scala di grigi appropriata determinando il grado minimo di fuzzy nel clustering fuzzy C-means basato sulla teoria degli insiemi fuzzy. Tuttavia, il processo di rivestimento è complesso e un singolo metodo di segmentazione della soglia a volte non può segmentare accuratamente la pozza fusa. È possibile combinare più algoritmi di segmentazione in base alle caratteristiche dell'immagine. Ad esempio, Dong Fangyu et al. hanno diviso l'immagine in tre parti: la pozza fusa, il pennacchio e lo sfondo e hanno combinato l'algoritmo K-means e il metodo di segmentazione a doppia soglia della massima varianza interclasse (Otsu) per segmentare l'immagine, il che ha migliorato l'accuratezza della pozza fusa.

La segmentazione dei bordi si basa sulla differenza tra l'area di destinazione e lo sfondo circostante, e il bordo dell'area di destinazione è separato dall'ambiente di sfondo dalla differenza di pixel. Nell'immagine della pozza fusa, il cambiamento in scala di grigi del bordo della pozza fusa è il più drastico. Questa caratteristica può essere utilizzata in combinazione con l'algoritmo di rilevamento dei bordi per estrarre il bordo della pozza fusa. Ad esempio, Wang Renjie et al. hanno estratto il contorno completo della pozza fusa in base all'algoritmo di rilevamento dei bordi Canny. Tuttavia, per le immagini senza bordi evidenti nell'immagine della pozza fusa, il tradizionale algoritmo di rilevamento dei bordi ha un effetto di estrazione scarso. L'algoritmo può essere migliorato per migliorare le prestazioni dell'algoritmo. Ad esempio, Shan Jun et al. hanno migliorato il tradizionale algoritmo della colonia di formiche per estrarre con successo il bordo della pozza fusa in vista del difetto che il tradizionale algoritmo della colonia di formiche perde facilmente i punti del bordo. Yan et al. [82] hanno ottimizzato e migliorato l'algoritmo di rilevamento dei bordi della morfologia matematica e lo hanno confrontato con vari algoritmi di elaborazione. Si è concluso che questo algoritmo può estrarre meglio il bordo della pozza fusa e ha una buona resistenza al rumore.

2.3 Estrazione delle informazioni del pool di fusione

Dopo la segmentazione dell'immagine, l'immagine viene divisa in due parti: l'area del melt pool e l'area dello sfondo. A questo punto, è necessario ottenere ulteriori informazioni sulle dimensioni del melt pool, come l'area del melt pool, la lunghezza e la larghezza.

Nell'immagine del melt pool, la misurazione delle dimensioni è basata sui pixel e anche l'angolo di installazione della telecamera, la distanza di installazione e l'errore di installazione nel sistema di ripresa del melt pool causeranno una distorsione dell'immagine. Per ottenere le informazioni sulle dimensioni reali del melt pool, l'immagine del melt pool deve essere calibrata fisicamente. Come mostrato nella Figura 3, Li Xin ha posizionato il righello sotto la testa di rivestimento e lo ha calibrato utilizzando la stessa apparecchiatura di monitoraggio per misurare il numero di pixel corrispondente alla scala e ha ottenuto il righello di conversione di 0.0164 mm/pixel; Guo Bo ha utilizzato la cassetta degli attrezzi di calibrazione MATLAB per calibrare la telecamera visiva, ha determinato i parametri della telecamera visiva e l'errore di calibrazione ε∈[-0.5671, 0.4389]. Yu, Yang Zhengyu e altri hanno utilizzato una piastra di calibrazione a scacchiera bianca e nera per calibrare la telecamera e hanno ottenuto che il rapporto tra i pixel della telecamera e le dimensioni effettive era di 1:0.149 mm e che l'altezza della pozza fusa è stata ottenuta sottraendo lo spessore del substrato dalle coordinate della pozza fusa.

Lo scopo dell'acquisizione e dell'elaborazione dell'immagine della pozza fusa è di ottenere le informazioni sulle caratteristiche geometriche nella pozza fusa, come lunghezza, larghezza, altezza e area della pozza fusa. Dopo la calibrazione dell'immagine, è possibile eseguire l'estrazione delle caratteristiche della pozza fusa per ottenere le dimensioni caratteristiche della pozza fusa. Come mostrato nella Figura 4, Yang et al. hanno utilizzato il metodo del rettangolo circoscritto minimo per sostituire la lunghezza della pozza fusa con la lunghezza del rettangolo e la larghezza del rettangolo con la larghezza della pozza fusa, estraendo così con precisione la lunghezza e la larghezza della pozza fusa; Kim et al. hanno utilizzato il metodo di adattamento dell'ellisse per individuare il centro dell'ellisse come centro della pozza fusa e hanno ottenuto la lunghezza e la larghezza della pozza fusa corrispondenti alle dimensioni dell'asse maggiore e minore della pozza fusa.

L'estrazione delle caratteristiche del pool fuso è lo scopo del monitoraggio in tempo reale del pool fuso, ed è anche un prerequisito importante per ottenere un controllo a circuito chiuso del processo di rivestimento laser. Il monitoraggio in tempo reale di una caratteristica del pool fuso e il controllo in tempo reale della caratteristica del pool fuso mediante la regolazione dei parametri di processo possono prevedere e controllare i difetti nel processo di rivestimento, mantenendo così la stabilità del processo di rivestimento e migliorando la qualità dello strato di rivestimento.

3 Conclusione e prospettive

Ci sono molte reazioni complesse come la fisica e la chimica nel processo di rivestimento laser, che sono facilmente influenzate da molteplici fattori interni ed esterni, influenzando così la qualità del rivestimento. L'immagine del pool fuso può essere raccolta da una telecamera visiva, e l'immagine del pool fuso può essere elaborata e le informazioni geometriche del pool fuso possono essere estratte per realizzare il monitoraggio e il controllo del pool fuso, garantendo così la stabilità della morfologia geometrica del pool fuso durante il processo di rivestimento e ottenendo una buona qualità di formatura. In termini di monitoraggio del pool fuso del rivestimento laser, possono essere studiati i seguenti aspetti:

(1) Sistema di monitoraggio della fusione multi-informazione: nel sistema di monitoraggio visivo, vengono raccolte le informazioni della piscina fusa e vengono ottenute solo le informazioni sulla morfologia della piscina fusa. Le informazioni sono relativamente semplici. Possono essere combinate con spettroscopia, emissione acustica, rilevamento della temperatura e altre tecnologie per stabilire un sistema di monitoraggio della fusione multi-informazione che integra segnali acustici, luminosi e di temperatura. La piscina fusa viene monitorata in tutte le direzioni durante il processo di rivestimento per migliorare la qualità dello strato di rivestimento.

(2) Rilevamento dei difetti interni: Il rivestimento laser la tecnologia di monitoraggio online basata sull'imaging visivo è usata principalmente per monitorare la morfologia della pozza fusa. Ci sono meno ricerche sul monitoraggio dei difetti interni. Sulla base della trasformazione della morfologia della pozza fusa, è possibile stabilire una relazione corrispondente con i difetti interni dello strato di rivestimento per ottenere il monitoraggio in tempo reale e la prevenzione dei difetti.