水下焊缝自动跟踪路径的识别

为满足水下焊缝自动跟踪的需要,设计了一个视觉系统。该系统采用卤钨灯作辅助光源照射焊接电弧前方一定距离处的待焊焊缝．配合复合滤光片进行滤光,能拍摄到较为清晰的焊缝图像。提出了一个基于边缘邻域平均值的算子,用于图像的边缘增强。运用改进的遗传算法计算图像类间方差,求出最佳阈值进行图像边缘分割,能较好地保留图像弱边缘．有效地减少计算时间。对分割后的焊缝图像,提出一种基于待焊焊缝宽度等特征的识别方法,能克服焊接弧光、飞溅、水流、气泡等干扰,识别水下待焊焊缝．准确地获取待焊焊缝中心线．为进一步实现水下焊接的自动化打下了基础。     

水下焊接中无弧V形焊缝的识别

设计了一个水下焊接自动跟踪视觉系统,其主要由激光器、滤光片和CCD摄像机组成,被封装在防水的透明玻璃体中.焊接时激光器作为辅助光源,其与CCD成30°照射焊件,得到焊件的V形剖面焊缝.由于水下焊接时拍摄的图像模糊且比较弱,采用中值滤波的方法进行图像增强,然后进行阈值变换得到焊缝,再用Krisch边缘算子对焊缝进行边缘提取,提出了对边缘的灰度值取平均值得到焊缝中心线,最后对其进行直线拟合,提取V形焊缝的中心线所在的最低点,画出中心线以进行标识.     

水下焊接中V形焊缝的识别

该水下自动焊接系统的视觉系统主要由激光器、滤光片和摄像机组成,其被封装在玻璃盒子中.采用激光作为辅助光源,当玻璃盒子与钢板的距离及玻璃盒子厚度一定,CCD以垂直于焊件位置摄像时,激光器与CCD在同一平面上且夹角为17.4°时拍摄焊件的V形焊缝图像最佳.对水下焊接图像首先进行滤波,再对其进行阈值变换,然后对焊缝进行边缘提取,接着对边缘的灰度值取平均值,得到焊缝的中心线,最后对其进行直线拟合提取到的焊缝特征点,即焊缝的最低点.提出了三种V形焊缝识别方案,通过对图像进行处理得出了其中最好的方案.     

改进的近邻聚类算法用于水下焊缝图像的识别

遍历经阈值处理后的焊缝图像,搜索第一个样本数据作为第一个聚类的初始元素.以欧氏距离作为阈值距离T,计算以后搜索到的样本与当前聚类最后一个元素的距离t.如果该距离t＜T,则计算其与之前所有聚类的最短距离t’,同时记下所在的类c.如果t’＜T,则一方面合并当前聚类和聚类c;另一方面用最近邻法对该样本归类;如果t＞T,则计算其与所有类的最短距离t”,同时记下所在的类c',如果t"＜T,则把该样本归为c’类,否则就开新类.该算法对机器人水下焊接焊缝图像的数据进行分类,可以准确提取V形焊缝数据,有助于自动获取待焊位置的坐标.     

基于LabView的焊缝视觉识别

将传统的模板匹配技术与焊缝边缘信息相结合,应用LabVieW提供的子Ⅵ(虚拟仪器)功能实现了对尺度变化及旋转角度变化的焊缝图像匹配识别。试验结果表明,该方法的识别准确性及精度较高,为弧焊机器人实现对焊缝位置的寻找提供了前提条件和依据。     

基于图像过渡区的CO2气体保护焊焊缝识别算法

利用过渡区图像分割技术实现CO2气体保护焊焊缝的识别.采集到的焊缝图像在目标区和背景区存在过渡区域,在直方图上表现为双峰之间的谷比较宽广且平坦.通过对原始图像进行高端剪切和低端剪切变换,利用不同灰度像素的梯度信息来确定过渡区,进而利用过渡区来确定图像分割的阈值.克服了图像中非目标区域的影响,可以抗噪声和干扰.算法简单,实时跟踪性也较好.结果表明,该方法边缘检测效果良好,是一种比较适合CO2气体保护焊焊缝识别的方法.     

基于图像色彩信息的焊缝识别算法

提出了基于图像色彩信息的焊缝识别算法,旨在为用于自动化焊接及自动无损检测的焊缝跟踪技术探索可能的解决方案.从色彩理论和图像分割的基本原理出发,开展了对RGB(红、绿、蓝)彩色空间中图像色彩信息表达的研究,提出了彩色空间变换的方法,根据灰度直方图对图像进行阈值分割,得到焊缝区与母材区基本被区分开的二值化图像,进而检出焊缝边缘.结果表明,该算法简便易行,识别效果好.     

一种改进的roberts算法在焊缝识别中的应用研究

基于弧光反射的弧焊工业机器人智能跟踪焊缝系统能否成功运行,关键问题是需要一个精确、快速的弧光反射照射下的焊缝区工件间隙图像的识别算法。在各种边缘识别方法中,roberts算法的代码执行效率最高,然而该算法对噪声十分敏感。由于焊接条件本身的复杂性,传统的roberts算法受噪声干扰非常严重,提出了一种改进的roberts算法用于该系统。实验证明,改进后的roberts算法在复杂的焊接条件下能够实现焊缝高效、准确的边缘检测和焊缝特征信息的提取,提高了系统的有效性、实时性和环境适应性。     

海底管道干式高压焊接跟踪轨迹的识别

干式高压TIG焊接法是海底输油(气)破损管道修复所用的重要的、焊接质量较高的连接方法,而自动化焊接又是解决潜水员焊接效率低下的有效途径,焊缝跟踪技术则是保证焊接过程正常进行和焊缝质量的关键技术.设计了能克服环境压力影响的CCD图像摄取装置,研究了一套焊缝跟踪路径识别算法.运用直方图均衡化方法强化坡口与非坡口的差别,增加焊缝图像的理解性.提出了以图像灰度最低值拟合成的曲线将整个图像分为两个部分的图像分解法,提高了图像识别目标的焊缝坡口部分所占的比重,有利于二值化阈值的选取.采用基于数学形态学的二值图像边界识别方法分离出焊缝边界,用Hough变换法确定坡口边线位置,最后用图像分解逆过程经合并后识别出坡口所在的位置.所提出的方法组合后抗干扰能力强,计算速度快,为进一步实现自动化焊接奠定了基础.     

基于主成分分析法的X射线焊缝缺陷图像增强与分割算法

为提高X射线图像缺陷自动识别的能力与图像分割的效果,提出了一种基于主成分分析法的X射线焊缝缺陷图像增强与分割算法。该算法首先通过计算图像的协方差矩阵特征值与其对应的特征向量,并根据特征向量分布,选择感兴趣区域即图像中的焊缝部分,从而减少图像处理的计算量;其次通过分析特征值累计百分比和试验结果,筛选出最佳的特征向量,对图像进行基于主成分的重构;最后采用Otsu阈值分割法,对重构后的图像进行分割。试验结果表明,该算法在对比度低、噪声严重的X射线缺陷图像分割中有很好的应用效果。     

基于改进卷积神经网络的管焊缝X射线图像缺陷识别方法

针对卷积神经网络(CNN)应用于焊缝探伤图像识别时,目标区域占比小,局部信息冗余,激活函数小于零时出现硬饱和区导致模型对输入变化较敏感、网络参数难以训练的问题,采用超像素分割算法(SLIC)和改进的ELU激活函数构建CNN模型进行焊缝探伤图像缺陷识别. 首先,在CNN模型中使用ELU激活函数,在缓解梯度消失时对输入噪声产生更好的鲁棒性,同时,利用SLIC算法对图像像素进行像素块处理的特点,增大焊缝探伤图像中感兴趣区域的占比,降低局部冗余信息,提高模型在训练过程中的特征提取能力. 通过对焊缝探伤图像感兴趣区域提取并与所述CNN模型进行对比试验. 结果表明,该方法在焊缝探伤图像特征提取、训练耗时及识别准确率方面较传统卷积神经网络有更好的表现.     

微间隙焊缝磁光图像Otsu骨架法识别

在紧密对接焊缝跟踪过程中,针对磁光传感的焊缝磁光图像,研究一种基于Otsu和骨架法的焊缝位置识别方法。通过自适应中值滤波对焊缝磁光图像进行降噪处理,利用改进的Otsu算法和数学形态学将焊缝磁光图像分割成母材部分和焊缝部分,最后根据最大圆盘骨架法提取焊缝中心。试验结果表明,该方法能准确提取肉眼难以分辨的微间隙焊缝中心。     

基于最小二乘支持向量机的激光拼焊焊缝识别

激光拼焊焊缝质量结构光视觉检测中,对焊缝的准确识别是实现高精度检测的关键. 针对检测图像中结构光光纹畸变特征不明显,无法准确识别焊缝的问题,依据焊缝纹理特征信息,提出了一种基于最小二乘支持向量机的焊缝识别方法. 首先,分析并提取焊缝区和非焊缝区差异明显的纹理特征. 其次,训练最小二乘支持向量机模型,对焊缝进行粗识别. 最后,采用Laws纹理滤波提取焊缝区域,并通过阈值分割方法精确识别焊缝. 针对不同工艺参数下的激光拼焊焊缝开展焊缝识别试验,结果表明,该方法能够有效地识别焊缝.     

焊缝偏差RBF神经网络预测算法

以10 kW大功率光纤激光焊接304奥氏体不锈钢板为试验对象,研究一种焊缝偏差预测算法.利用红外摄像机摄取焊接过程中的熔池红外图像,提取匙孔质心、匙孔形状参数和热堆积效应参数等反映激光束与焊缝位置偏差的特征量作为径向基函数RBF神经网络预测模型的输入量,建立焊缝偏差RBF神经网络预测模型.选择焊缝偏差特征量作为训练样本并对预测模型进行训练,建立焊缝偏差预测模型.结果表明,该模型能够对大功率光纤激光焊接过程中的激光束与焊缝位置之间的偏差进行有效预测.     

基于多视觉特征获取与信息融合的焊道识别方法

焊接过程的复杂性与对象的多样性对焊缝视觉识别与跟踪提出了较高要求,依靠单一特征难以保证识别算法的稳定性与可靠性.文中提出了基于置信度加权的信息融合方法,对获得的不同光照条件下的同视场图像分别进行结构光条形状特征与灰度特征的提取,并分别根据两者的结果进行焊缝边缘的识别,将结果表示为位置的概率密度与置信度的形式,采用置信度加权的方法对概率密度进行叠加,得到融合结果,并针对算例进行了融合算法的验证.结果表明,算法能够实现稳定准确的焊缝边缘识别.     

基于网格激光线的横向焊接焊缝下塌检测方法

提出了一种基于网格激光的横向焊接焊缝下塌检测方法,根据5×5网格激光投影在焊缝表面的变形来检测焊缝的下塌情况.首先对网格图像进行处理,分别得到竖向和横向的像素点集.在此基础上,利用高斯函数对竖向点集进行样条曲线拟合,再对获得的高斯样条曲线分四段进行拟合,并求曲线段和直线段的交点.采用基于横向线的最小二乘法,对获得的交点以及焊缝最高点进行直线拟合.最后,通过计算三条拟合直线的距离,得到焊缝的下塌量.结果表明,该方法可以实现横向焊缝下塌情况的在线检测,为横向焊接焊缝成形闭环控制提供了基础.     

基于磁光成像的微间隙焊缝信息提取

焊缝跟踪的精确性是保证良好焊接质量的关键因素,为精确检测焊缝位置,研究一种基于磁光成像(MOI)技术的焊缝识别新方法。在激光平板对接焊实验中,通过对焊件施加感应磁场,由磁光传感器将焊缝处感应磁场分布的变化转换成相应的光强变化,实现对焊缝的实时成像。对获取的焊缝磁光图像进行灰度变换、中值滤波和二值化处理,与传统边缘检测方法不同,引进一种抗噪性更好的形态边缘检测算子进行边缘检测,继而提取出焊缝中心坐标。结果表明,该方法可获得较高的测量精度,能有效检测出焊缝中心位置。     

基于熔池红外图像实时跟踪焊缝宽度算法研究

在激光焊接过程中,激光焊机所附带的传感器能够准确实时地反映焊接过程,焊缝宽度的实时动态变化对于描述焊接质量起着至关重要的作用。焊缝宽度准确测量的研究有助于理解焊接过程,获得焊接质量控制模型。针对大功率光纤激光焊接,利用恰当的滤镜系统获得清晰的焊缝熔池图像,建立熔池红外传感跟踪系统。针对大功率光纤激光焊接304型不锈钢过程,研究一种通过熔池图像实时检测焊缝宽度变化的方法。利用高速摄像机获得熔池动态红外图像,通过一系列图像处理技术得到焊缝宽度的识别模型。解决了在金属处于高温下熔池与周边非熔化区的温度比较接近,很难用红外摄像来准确测量焊缝宽度的难题。试验结果表明,所建立的焊缝实际宽度测量模型测量效果良好。     

基于束波变换的焊缝图像处理技术

叙述了束举步维艰变换的原理,提出一种基于束以变换的焊接缝边缘检测算法,并增加了方向阈值.为了可靠地检测低信噪比的加噪焊缝图像中的焊缝边缘特征,提出了一种二次扫描方法.利用海底干式高压焊接舱中获取的原始焊缝图像和加噪图像进行了焊缝边缘提取试验.结果表明,算法能从富含噪声的焊缝图像中直接检测出焊缝边缘,而无须进行任何预处理或后处理,极大地提高了焊缝图像处理的效率.试验还表明,算法具有很强的抗噪性能,其与二次扫描方法相结合,特别适合于提取低信噪比的焊缝图像中的直线特征.