共查询到20条相似文献,搜索用时 15 毫秒
1.
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. 相似文献
2.
3.
4.
5.
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. 相似文献
6.
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%. 相似文献
7.
8.
9.
10.
11.
12.
13.
14.
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。 相似文献
15.
16.
17.
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. 相似文献
18.
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. 相似文献
19.
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。 相似文献