本发明属于车辆生产检测，具体涉及一种基于视觉识别的机器人点焊飞溅检测方法、终端及存储介质。
背景技术：
1、汽车制造业中，白车身的制造是极为关键的一环。目前，绝大多数汽车白车身的制造以钢制冲压件为基础，通过焊接等多种方式将各种冲压件精准地组合连接，最终形成一个完整的车身结构。这一过程中，点焊因其操作简单、焊接成本低、生产效率高及焊接变形小等优点，被广泛应用于白车身的焊接工艺中。特别地，电阻点焊作为点焊的一种主要方式，通过动臂和静臂的配合，利用电流通过工件时产生的电阻热实现焊接，已成为汽车白车身焊接工艺中的主流技术。
2、然而，在机器人进行点焊作业时，由于焊接参数、材料特性及焊接条件等多种因素的影响，往往会产生飞溅现象。飞溅不仅影响焊接质量，还可能对焊接设备和周边环境造成损害。因此，对点焊飞溅的有效检测和控制显得尤为重要。
3、目前，行业内常用的机器人点焊飞溅检测方法主要包括人工统计和在线检测识别两种。人工统计方法虽然能够在一定程度上识别飞溅情况，但无法实现全过程的统计分析，且工作量大、效率低，难以满足大规模生产的需求。而在线检测识别方法虽然能够覆盖整个焊接过程，但其准确率往往偏低，容易因误判或漏判而导致焊接质量的下降。因此，亟需一种能够全过程、高效且准确地检测机器人点焊飞溅的智能方法，以提升白车身的焊接质量和生产效率。
技术实现思路
1、针对现有技术的上述不足，本发明提供一种基于视觉识别的机器人点焊飞溅检测方法、终端及存储介质，以解决上述技术问题。
2、第一方面，本发明提供一种基于视觉识别的机器人点焊飞溅检测方法，包括：
3、工作站启动后，分别向工作站下设的所有机器人发送对应的点焊指令；
4、机器人根据接收到的点焊指令移动到各自的目标焊接位置；
5、机器人到达目标焊接位置后将点焊参数、机器人点焊位置数据发送到视觉控制器；
6、视觉控制器根据接收到的各个机器人点焊位置数据推荐出重点监控区域，并将推荐出的重点监控区域的位置信息发送给视觉传感器；
7、视觉传感器根据接收到的重点监控区域的位置信息对重点监控区域按照预设的检测周期对重点监控区域进行监控，直至接收到机器人点焊结束信号；
8、视觉传感器在接收到点焊结束信号后将监控影像数据回传到视觉控制器；
9、视觉控制器对接收到的监控影像数据进行分析，判断监控影像数据中是否出现点焊飞溅现象；
10、若是，则启动飞溅指示灯进行闪烁，并根据监控影像数据计算出飞溅现象的起始位置坐标；
11、将包含飞溅现象起始位置坐标的飞溅数据保存到数据库。
12、本技术方案的进一步改进还有，点焊参数包括点焊电流、点焊压力、点焊时间和车身板材厚度。
13、本技术方案的进一步改进还有，飞溅数据包括飞溅现象起始位置的焊点名称、车身板材厚度及飞溅现象发生时机器人的点焊电流、点焊压力和点焊时间，视觉控制器对飞溅数据进行统计，统计各个飞溅焊点位置的飞溅频率，并保存到数据库中。
14、本技术方案的进一步改进还有，视觉控制器根据接收到的各个机器人点焊位置数据推荐出重点监控区域，其方法具体包括：
15、根据接收到的各个机器人点焊位置数据从数据库中获取对应的飞溅频率，并对获取到的飞溅频率进行排序；
16、视觉控制器将飞溅频率最高的焊点位置周围预设范围内的区域作为重点监控区域。
17、本技术方案的进一步改进还有，视觉控制器对接收到的监控影像数据进行分析，判断监控影像数据中是否出现点焊飞溅现象，其方法具体包括：
18、获取重点监控区域中预设时间内出现高亮像素点的所有图像帧；
19、对每一帧图像进行灰度化处理，生成对应的灰度图像；
20、遍历灰度图像中的每个像素，判断像素的灰度值是否超过预设灰度阈值；
21、若是，则将灰度值超过预设灰度阈值的像素视为高亮像素点，并判定该监控影像数据中存在点焊飞溅现象。
22、本技术方案的进一步改进还有，根据监控影像数据计算出飞溅现象的起始位置坐标，其方法具体包括：
23、对监控影像数据中的高亮像素点进行聚类分析，将其分为若干个群组；
24、对于每个群组，使用最小二乘法根据高亮像素点的位置数据拟合出一个扇形区域；
25、根据拟合出的扇形区域参数计算出扇形区域中心点s的坐标（sx，sy），将中心点s判定为对应扇形区域内高亮像素点的起始位置。
26、本技术方案的进一步改进还有，对监控影像数据中的高亮像素点进行聚类分析之前还包括：
27、对重点监控区域内的高亮像素点进行中值滤波处理，去除孤立的噪点；
28、利用连通域分析，将剩余的高亮像素点分组为连通区域，并计算各个连通区域对应的面积；
29、去除面积小于预设面积阈值的连通区域。
30、本技术方案的进一步改进还有，还包括：
31、视觉控制器将中心点s的坐标（sx，sy）与重点监控区域对应的机器人点焊位置数据进行对比，判断中心点s是否在该机器人点焊位置周围的预设范围内；
32、若是，则将该机器人点焊位置数据及对应的点焊参数存储到数据库，并控制飞溅指示灯闪烁红灯一次；
33、若否，则将中心点s的坐标（sx，sy）与重点监控区域外的其他机器人点焊位置数据进行对比，寻找最佳拟合焊点，并将寻找到的最佳拟合焊点的机器人点焊位置数据及点焊参数存储到数据库。
34、第二方面，提供一种终端，包括：
35、处理器、存储器，其中，
36、该存储器用于存储计算机程序，
37、该处理器用于从存储器中调用并运行该计算机程序，使得终端执行上述的终端的方法。
38、第三方面，提供了一种计算机存储介质，所述计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述各方面所述的方法。
39、本发明的有益效果在于：
40、提升检测效率：自动化检测流程减少了人工统计的工作量，显著提高了检测效率，满足大规模生产需求。
41、提高检测准确性：利用视觉传感器和智能分析算法，精准识别飞溅现象，降低误判和漏判率，确保焊接质量。
42、实时反馈与监控：飞溅指示灯即时反馈检测结果，同时监控影像数据为质量追溯和工艺优化提供有力支持。
43、优化生产流程：通过保存飞溅数据到数据库，便于后续分析和改进，优化焊接参数和工艺流程，进一步提升生产效率和产品质量。
44、此外，本发明设计原理可靠，结构简单，具有非常广泛的应用前景。
1.一种基于视觉识别的机器人点焊飞溅检测方法，其特征在于，包括：
2.根据权利要求1所述的基于视觉识别的机器人点焊飞溅检测方法，其特征在于，点焊参数包括点焊电流、点焊压力、点焊时间和车身板材厚度。
3.根据权利要求1所述的基于视觉识别的机器人点焊飞溅检测方法，其特征在于，飞溅数据包括飞溅现象起始位置的焊点名称、车身板材厚度及飞溅现象发生时机器人的点焊电流、点焊压力和点焊时间，视觉控制器对飞溅数据进行统计，统计各个飞溅焊点位置的飞溅频率，并保存到数据库中。
4.根据权利要求3所述的基于视觉识别的机器人点焊飞溅检测方法，其特征在于，视觉控制器根据接收到的各个机器人点焊位置数据推荐出重点监控区域，其方法具体包括：
5.根据权利要求1所述的基于视觉识别的机器人点焊飞溅检测方法，其特征在于，视觉控制器对接收到的监控影像数据进行分析，判断监控影像数据中是否出现点焊飞溅现象，其方法具体包括：
6.根据权利要求5所述的基于视觉识别的机器人点焊飞溅检测方法，其特征在于，根据监控影像数据计算出飞溅现象的起始位置坐标，其方法具体包括：
7.根据权利要求6所述的基于视觉识别的机器人点焊飞溅检测方法，其特征在于，对监控影像数据中的高亮像素点进行聚类分析之前还包括：
8.根据权利要求6所述的基于视觉识别的机器人点焊飞溅检测方法，其特征在于，还包括：
9.一种终端，其特征在于，包括：
10.一种存储有计算机程序的计算机可读存储介质，其特征在于，该程序被处理器执行时实现如权利要求1-8中任一项所述的方法。
