人工智能（AI）正在改变多个行业，焊接也不例外。
在焊接领域，导致焊接缺陷的因素有很多，如母材化学成分不一致、焊丝潮湿、油污或油漆污染、保护气体不足、焊接参数不正确，甚至焊枪角度不正确等。
这些因素都会对焊接质量产生重大影响，并可能导致代价高昂的返工和补焊。
为了应对这些挑战，Xiris 开发了一种名为 MeltPool AI 的突破性解决方案。这一创新工具利用机器学习的强大功能，自动识别熔池，并将其从焊接摄像机拍摄的图像的其他部分中分割出来。
通过准确区分属于熔池的像素，MeltPool AI 可以精确测量熔池的大小、形状、位置和其他几何参数。
熔池会受到各种变化的影响，即使是微小的变化也会显示出缺陷。MeltPool AI 的实时测量有助于检测和预防缺陷，从而节省时间并确保焊接质量。
下图展示了 MeltPool AI 的有效性，在金属板焊接过程中，输入的热量过高导致焊缝烧穿。该工具检测到了熔池形状和大小的变化，突出显示了其对最小变化的高灵敏度。这大大提高了缺陷检测技术，并改善了焊接效果。
通过利用机器学习算法，焊接工和检验员可以准确测量和分析熔池，从而能够实时识别和解决潜在问题。这项技术不仅能提高焊接的整体质量，还能节省时间和资源，从而提高生产率和客户满意度。
 |
 |
发生烧穿缺陷前（左）和烧穿过程中（右）的 GMAW 熔池。MeltPool AI 可立即检测到熔池几何形状的变化，从而更好地进行缺陷检测。
