基于纹理特征的焊缝识别方法

提出了一种基于纹理特征的焊缝自主识别视觉方法.不同于通常利用被焊工件的宏观结构特征的主动视觉和利用工件图像中明显的灰度梯度的被动视觉,该方法利用待焊区(焊缝位置)与母材区之间明显的纹理特征差异来实现;能够解决多层多道焊后几层、道次的焊接时通常视觉方法不易识别焊缝的问题.在该方法中,先对图像进行纹理分析.提取纹理特征,再利用待焊区和母材区的纹理特征差异,采用图像分割的方法,确定焊缝区域位置以及焊缝中心.结果表明,该方法能够适用于多层焊盖面焊焊缝识别.     

微间隙焊缝磁光图像恢复算法

为了检测紧密对接、无坡口、肉眼难以分辨的微间隙焊缝,研究基于磁光成像识别的焊缝图像恢复算法问题。在磁光传感器检测焊缝过程中,磁光图像会受到各种外界条件的干扰,如光强度变化和磁场背景噪声,因而采集到的磁光图像往往存在退化现象,难以对微间隙焊缝进行准确检测。研究一种约束最小二乘滤波恢复和盲去卷积相结合的图像恢复算法,对退化的焊缝磁光图像进行恢复处理,有效提高焊缝磁光图像质量。试验结果表明,经图像恢复后可以更精确地测量焊缝位置。     

基于焊缝纹理特征的视觉识别方法

基于焊缝纹理特征的视觉识别方法,对于在多层多道焊的后续焊、盖面焊步骤中实现焊缝自动跟踪具有重要意义.从充分利用焊缝图像纹理特征的思路出发,分别对焊缝视觉识别的两个步骤(图像处理和位置识别)进行了方法探究和算法设计.在图像处理中使用了±45.的Sobel算子进行边缘检测,在位置识别中结合了投影法和区域积分的方法,用以确定焊缝中轴线的位置.结果表明,提出的方法在原理上简单易行,且能够同时满足实时性和准确性的要求.     

激光紧密对接焊磁光成像焊缝识别

准确检测焊缝中心位置是保证焊缝自动跟踪的前提。针对激光焊接碳钢紧密对接焊缝(间隙不大于0.1 mm),利用磁光传感系统获取焊缝磁光图像,分析焊缝磁光图像的灰度分布特征,对磁光图像进行中值滤波去噪,通过逐列扫描磁光图像灰度梯度极大值后拟合焊缝中心位置。焊缝位置检测试验结果表明,基于焊缝磁光图像灰度梯度特征的焊缝中心拟合法优于直接边缘检测算子;所提出的方法能够识别微间隙焊缝中心位置,为实时控制激光束跟踪紧密对接焊缝奠定了基础。     

基于扫描激光视觉传感的焊缝图像特征信息识别

特征点提取是激光视觉焊缝图像识别的关键技术,目前常用的斜率分析法虽然原理简单、计算速度快,但适应性不好、精度不高,对于一些复杂的深坡口焊缝甚至无法识别.对基于扫描激光视觉传感的焊缝图像识别进行深入研究后,提出一种新的特征点提取思想———由形到点,将焊缝坡口特征点分为直角拐点和斜角拐点,分别设计斜率极值法和斜率截距法来提取.实际焊缝跟踪时,根据拐点类型分别调用对应的提取算法,就能完成全部焊缝坡口所有特征点的提取.结果表明,"由形到点"提取特征点精度高,抗干扰能力强,对不同焊缝坡口形式适应性好,在厚板深坡口焊缝跟踪领域有很大的实用价值.     

焊接缺陷磁光成像纹理特征GLCM-Gabor识别方法

一种基于磁光图像纹理特征的焊接缺陷无损检测方法,首先用法拉第磁致旋光效应,结合漏磁场及磁畴理论分析焊接缺陷与磁光图像关系.针对缺陷磁光图像特点,通过灰度共生矩阵(gray level co-occurrence matrix,GLCM)提取磁光图像纹理特征.由于裂纹和凹坑的GLCM纹理特征参数区分度不高,提出用Gabor变换法进一步提取磁光图像纹理特征.将GLCM-Gabor纹理特征作为输入量,用支持向量机(support vector machine,SVM)构造缺陷分类模型.结果表明,该方法可有效识别焊缝表面及亚表面特征(凹坑、裂纹、未熔透、无缺陷),分类模型整体识别率可达89.7%.     

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.     

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。     

微间隙焊缝磁光图像磁荷理论建模检测分析

对于激光焊接要求的微间隙焊缝(≤0.1 mm),可采用磁光传感器进行检测跟踪。利用磁荷理论建模,在外加直流磁场对焊件焊缝磁化的情况下,研究焊缝表面所产生漏磁场分布特征,并利用磁光传感器把焊缝近表面磁场分布特征转换为对应的磁光图像。 通过对焊缝近表面磁场分布特征和其对应磁光图像焊缝过渡带特征进行了对比分析研究,确定焊件微间隙焊缝磁光图像焊缝过渡带中心,对应实际焊件焊缝中心。研究结果表明,该模型能有效地解释焊缝磁光图焊缝信息,为采用焊缝磁光图进行焊缝跟踪识别提供了合理的理论依据。     

基于结构光的焊缝图像采集软件开发研究

实现焊缝跟踪对于保证焊接质量和提高焊接效率具有重要的意义.文中简述了结构光焊缝跟踪系统的硬件构成及其原理.基于系统硬件构成,采用多线程技术,利用Delphi 7.0开发系统软件,给出了软件各模块实现的流程图.重点阐述了图像采集的实现步骤,其主要包括图像采集卡的初始化、图像采集及其显示和图像目标截取.在实现过程中采用了双缓冲、多线程等关键技术,保证了系统的实时性和可靠性.试验结果表明,焊缝图像采集高速有效,图像显示清晰,完全满足焊缝跟踪的性能要求.     

基于结构光的V型焊缝图像实时处理

为了在焊缝跟踪系统中准确获取焊缝中心位置,设计了一套基于结构光的V型焊缝中心提取方法。对焊缝图像采用中值滤波去除图像噪声,采用准固定像素个数阈值分割方法对图像进行二值化处理,采用基于二值形态学的边缘检测方法对二值化的图像进行孤点滤波和边缘检测,采用求取边缘上下两个边界点的平均值方法提取结构光的中心线,通过计算坡口截面重心坐标的方法来获取焊缝中心位置信息。实践表明,所采用的方法能够正确地提取焊缝中心位置信息,具有很强的抗干扰性能,能够满足焊缝跟踪系统的实时性要求。     

焊接裂纹磁光成像纹理特征提取

以高强钢焊接裂纹为检测对象,研究磁光成像识别方法,论述采用磁光成像技术检测微小焊接裂纹的基本原理。基于模糊集合论原理,采用改进的连续模糊增强算法提高区分度,解决高强钢表面裂纹磁光成像不均、裂纹和熔融区区分度低的不足。利用自适应快速边缘检测算法提取焊接裂纹图像的纹理特征。试验结果表明该方法可有效提取裂纹磁光图像边缘特征,提高焊接裂纹检测跟踪过程的准确性。     

磁光成像焊缝跟踪卡尔曼滤波算法

在激光对接焊过程中,精确控制激光束使其始终对正并跟踪焊缝是保证激光焊接的前提,为此首先须精确检测焊缝位置。针对小于0.05 mm的微间隙对接焊缝,通过对焊件施加感应磁场,利用法拉第磁旋光原理构成磁光传感器并获取焊缝磁光图像。通过图像处理提取焊缝中心位置并构成状态向量,建立基于焊缝中心位置的系统状态方程和测量方程。采用卡尔曼滤波算法对焊缝中心位置进行最优估计,得到焊缝中心位置最优预测值,消除过程噪声与测量的干扰影响。试验结果表明,卡尔曼滤波方法能够有效减少噪声干扰并提高焊缝跟踪精度。     

微间隙焊缝磁光图像增强方法

针对激光焊接紧密对接焊缝(焊缝间隙不大于0.1 mm),研究焊缝图像增强方法,提出利用自适应中值滤波法去除焊缝磁光图像噪声,并结合小波变换图像增强技术,进一步突出焊缝过渡带边缘特征,实现焊缝位置的识别。试验结果表明,自适应中值滤波融合小波变换图像增强算法能够准确地识别焊缝过渡带并提取焊缝中心坐标,为焊缝的准确识别与跟踪奠定基础。     

基于灰度的螺旋缝焊管X光焊缝识别

焊缝识别是螺旋缝焊管X光缺陷识别的基础。以MATLAB软件图像处理工具箱IPT为基础,根据螺旋缝焊管X光图像的特征,通过中值滤波、屏蔽等预处理,利用图像梯度及概率求取焊缝中心线,并进一步精化,从而实现焊缝分割。通过实例给出识别算法,并分析该X光焊缝识别方法的适用性。     

基于Beamlet变换的结构光焊缝图像线性特征提取

鉴于以结构光为主动光源的焊缝跟踪方法可用于识别不同坡口形式的焊缝位置信息,对结构光焊缝图像进行了分析.为有效提取图像中结构光线性特征以确定焊缝位置,引入了束波变换.阐述了束波变换原理,开发了基于多尺度束波变换的结构光焊缝图像线性特征提取算法.做基于最大Beamlet统计的检验,对结构光焊缝图像进行小尺度束波变换以确定结构光线的大致位置,缩小搜索范围;然后对图像进行大尺度束波变换确定焊缝部分结构光线的线性特征,根据线段斜率变化可确定焊缝位置.采用该算法确定一幅结构光焊缝图像的焊缝位置的时间为260 ms.     

基于超声信号和图像融合的焊缝缺陷识别

超声无损检测已被广泛用来检测材料内部的缺陷,然而对缺陷性质的识别始终是检测的难点,为此研究了一种基于超声信号和图像融合的焊缝缺陷识别新方法.该方法充分利用检测数据,通过对缺陷回波信号特征与缺陷形态特征的数据融合,实现了焊缝缺陷的有效识别.利用自主研制的超声成像手动检测系统对含有气孔、夹渣、裂纹、未焊透和未熔合五类典型焊接缺陷的焊件进行了检测,分别提取缺陷的超声回波信号特征和缺陷图像的形态特征,构建神经网络实现超声信号和图像特征的数据融合.结果表明,该方法实现了多类缺陷的识别,提高了缺陷识别率,有助于焊缝质量评定.     

基于漏磁图像的焊接接头缺陷识别

在提出基于灰度-梯度共生矩阵焊缝缺陷聚类分析方法的基础上,为进一步识别焊缝缺陷,以焊道上分布圆柱体缺陷、焊道上分布矩形槽缺陷、热影响区分布矩形槽缺陷漏磁图像为试验对象,将灰度-梯度共生矩阵提取上述3种缺陷的漏磁图像特征量传递给层次聚类,利用k-均值聚类方法分析层次聚类选取的特征量。结果显示,这3种焊缝缺陷的识别率在93.33%以上,试验结果验证了该方法在不同类型与不同位置焊缝缺陷识别分析的可行性,焊缝不同位置相同类型缺陷的识别较焊缝相同位置不同类型缺陷识别容易。     

基于结构光无坡口对接焊缝图像实时处理研究

设计了一套基于结构光无坡口时接焊缝图像实时处理的方法.对焊缝图像采用中值滤波去除图像噪声,提出三次筛选法对图像进行二值化,采用基于二值形态学的滤波方法滤除孤立点,采用求取边缘上下两个边界点平均值的方法快速提取结构光的中心线.提出了通过求取结构光邻域灰度曲线二阶导数的方法来获取焊缝中心位置信息.试验结果表明,所设计的方法能够准确地提取焊缝中心,具有很强抗干扰性能,能够满足焊缝跟踪系统的实时性要求.