LASER 2023技术论坛：AI反馈实时预测焊接质量

以神经网络为形式的人工智能（AI）经过训练可以识别焊接和钎焊缺陷，为自动化激光材料加工系统提供了一条途径，尽管训练本身可能会耗时且复杂。这是在LASER World of Photonics 2023（慕尼黑国际光博会）技术论坛会议上释放出的信息。

首先，来自弗劳恩霍夫激光技术研究所（ILT）的Christian Knaak介绍了在激光加工汽车行业使用的镀锌部件时评估焊缝质量的挑战。Knaak和他的同事使用三台高速成像相机，包括一台热成像仪，训练一个能够预测裂缝和气孔等缺陷的神经网络。

他们在不少于43次焊接试验的基础上建立了算法模型，在这个过程中，每条焊缝产生了数万张图像，发现捕捉1690纳米光线的近红外相机可以提供最准确的预测。对于这样巨大的数据生成，系统的速度和输出是至关重要的。但Knaak说，在数据速率足够高的情况下，可以实现4毫秒的延迟，以对焊接过程中出现的8种不同缺陷作出预测，包括飞溅、焊缝塌陷和不完全连接。

Scansonic的“SCeye”监测系统利用AI图像处理技术评估激光焊接质量

声学监测

成像可能是跟踪和预测焊接质量的最明显的方法，但它并不是唯一的方法。来自弗劳恩霍夫材料与光束技术研究所（IWS）的Andreas Wetzig说，他的团队也一直在评估由激光传声器捕获的声学信号作为一种监测技术。

最初集中于切割应用，他们与弗劳恩霍夫美国公司的软件专家合作，训练了一个神经网络模型，发现对表面粗糙度、切口宽度和残渣形成等关键特征有良好的预测。该人工智能模型能够解释来自声学数据的信号，如最大振幅和空间周期，产生对切割质量的预测。IWS团队也在研究焊接应用，尽管Wetzig说还处于早期开发阶段。

在他看来，由人工智能和根据大量数据训练的神经网络提供的那种实时反馈，将很快在现实世界中应用并在汽车、航空航天和其他部门部署。德国的Scansonic是一家已经在测试此类产品市场的公司，Michael Ungers代表这家位于柏林的公司参加了技术论坛。

需要更少的检测站

在讨论基于图像的人工智能反馈在激光焊接的应用时，他重申强调广泛的数据训练以实现精确建模。Scansonic的“SCeye”产品在本次展会上有所展示，据说它能够发现直径小于0.5毫米的孔隙和0.2毫米的飞溅。公司计划是这一知识转移到焊接应用中，Unger指出，根据被焊材料的不同，实际情况可能会有差别。

将该方法用于激光焊接也是BMBF资助的“DIREAL”项目的主题，其参与者包括Fraunhofer ILT和焊接系统公司CLOOS。Ungers指出，将检测缺陷的人工智能整合到激光焊接光学系统中会产生成本效益，因为它将大大减少目前生产线上使用的检测站数量。

而且，像会议上的其他发言者一样，他强调主要的挑战是每个过程所需的训练数据量太大。然而，论坛主席、弗劳恩霍夫ILT公司的Peter Abels的总体信息是足够清晰的：激光加工中的人工智能不只是一个梦想。他表示：我们已经可以买到这样的系统了。

ILT将在今年晚些时候举办自己的会议，专门讨论这一主题。随着通快和微软等公司将参加会议，看起来人工智能辅助激光材料加工的时代已经开始。