[发明专利]基于机器学习的激光标刻方法及装置

权利要求书

1.基于机器学习的激光标刻方法，其特征在于：其包括以下步骤：

(1)依据YOLOv5算法训练集所需文件类型，对实验环境下模拟现场环境拍摄的棒材照片进行标注，随机抽取20％作为验证集数据，其余全部作为训练集数据；

(2)在PyTorch和CUDA框架下训练棒材数据集；

(3)训练完成后对目标检测模型的评价指标AP、mAP、Recall进行分析，如若不满足预期效果则调整棒材训练集和网络循环次数来提高精确率，获得最优参数和评估模型；

(4)获取棒材堆区域图像；

(5)利用步骤(3)的最优参数检测出步骤(4)的图像中的目标物体，并获取物体在图像中的坐标信息，确定棒材端面坐标；

(6)控制机器人运动到棒材端面坐标；

(7)进行激光标刻。

2.根据权利要求1所述的基于机器学习的激光标刻方法，其特征在于：所述步骤(4)中，采用补光灯进行均匀补光来保障定位所需的光照环境。

3.根据权利要求2所述的基于机器学习的激光标刻方法，其特征在于：对于在定位过程中出现的极少数定位不到的情况，通过控制机器人自动调整位姿进行多角度多次定位。

4.根据权利要求3所述的基于机器学习的激光标刻方法，其特征在于：所述步骤(6)之后还包括：激光器的找正对焦。

5.根据权利要求4所述的基于机器学习的激光标刻方法，其特征在于：所述激光器的找正对焦，由机器人带动测距仪测量截面上不在一条直线的三个点距离，通过对标刻端面法线坐标进行求解，计算出激光器镜头平面相对于标刻端面法线的偏移角度，进而控制机械臂携带激光器调整最终标刻相对位置，完成清晰有效的标刻。

6.根据权利要求5所述的基于机器学习的激光标刻方法，其特征在于：所述激光器的找正对焦包括以下步骤：

(a)控制机械臂携带毫米级激光测距仪在世界坐标系YOZ平面内分别移动至棒材端面随机不共线三点，同时记录在三点位置时机械臂TCP点空间坐标值和测距仪测量值，通过对记录的数据进行计算，得到世界坐标系下三点空间坐标；

(b)利用三点空间坐标求出棒材端面的空间平面方程，进而计算出世界坐标系下平面的法向量坐标，判断法向量方向并使其为正方向；

(c)激光器镜面与标刻面平行，基于激光器装夹位置，以正方向的法向量作为Z1轴，X1轴平行标刻面垂直向下，Y1轴平行标刻面向左建立找正坐标系；

(d)计算世界坐标系旋转到找正坐标系的RPY旋转角；

(e)根据世界坐标系下标刻端面中心点坐标与找正坐标系的旋转角，控制机器人携带激光器运动至等待标刻位置。

7.根据权利要求6所述的基于机器学习的激光标刻方法，其特征在于：所述步骤(d)中，当机器人坐标系旋转为外旋时，以X-Y-Z旋转顺序旋转。

8.基于机器学习的激光标刻装置，其特征在于：其包括：

机器学习模块，其配置来依据YOLOv5算法训练集所需文件类型，对实验环境下模拟现场环境拍摄的棒材照片进行标注，随机抽取20％作为验证集数据，其余全部作为训练集数据，在PyTorch和CUDA框架下训练棒材数据集，训练完成后对目标检测模型的评价指标AP、mAP、Recall进行分析，如若不满足预期效果则调整棒材训练集和网络循环次数来提高精确率，获得最优参数和评估模型；

视觉单元，其配置来获取棒材堆区域图像；

计算单元，其配置来利用机器学习模块的最优参数检测出棒材堆区域图像中的目标物体，并获取物体在图像中的坐标信息，确定棒材端面坐标；

控制单元，其配置来控制机器人运动到棒材端面坐标；

标刻单元，其配置来进行激光标刻。

9.根据权利要求8所述的基于机器学习的激光标刻装置，其特征在于：其还包括找正单元，其配置来执行激光器的找正对焦。

10.根据权利要求9所述的基于机器学习的激光标刻装置，其特征在于：标刻平台视觉光源采用白色穹顶光源，其半球内壁具有反射涂层。