焊缝漏磁图像边缘检测算法的实现

以对接焊缝不同区域分布矩形槽缺陷的漏磁图像为对象,提出一种基于数学形态学的焊缝和缺陷的边缘提取方法。首先利用经典边缘检测算子对焊道上分布矩形槽缺陷和热影响区分布矩形槽缺陷进行边缘提取,检测结果说明了经典算子的不适用性。针对焊缝不同区域分布矩形槽缺陷漏磁图像,利用数学形态学算法,构造圆盘形结构元素进行边缘提取。结果表明:基于灰度膨胀变换的边缘检测算法,可较准确地提取漏磁信号图像的焊缝和缺陷边界,实现焊缝和缺陷二者的有效分离,具有一定的可行性和实用性。     

焊缝缺陷图像特征提取的研究

由于焊缝缺陷图像存在噪声多、对比度不高、图像边缘模糊等缺点,从而影响到焊缝缺陷区域特征的提取,不利于焊缝缺陷的分类和识别。文中针对焊缝缺陷图像的复杂性,提出了一种有效提取焊缝缺陷区域特征的方法。首先对焊缝图像进行图像预处理、图像分割、缺陷图像背景去除,提取到焊缝缺陷区域;然后采用8连通区域标记的方法对处理之后的二值化缺陷图像进行标记;最后对每一个标记后的缺陷区域的周长、面积、圆形度等几何参数进行提取。试验结果表明,这种图像处理的方法能较准确地提取出焊缝缺陷图像的特征,具有良好的适应性与实用性。     

基于视觉传感的MAG焊图像采集及特征处理

针对MAG焊缝熔池区域图像的特点,利用滤波处理、图像分割和图像形态学等熔池图像的基本处理方法,开发出具有较高适应性和鲁棒性的图像处理方法。采用基于方向小波的边缘提取和基于活动轮廓模型的方法,更适合对焊缝熔池和间隙进行边缘提取。     

局部环境焊缝初始位置图像识别方法

焊缝初始位置的自动识别与定位是实现智能化焊接的关键步骤之一.介绍一种边缘线相交定位初始焊缝位置的方法.通过由粗到精的2步模板匹配方法提取出焊缝初始位置区域.然后对初始位置区域进行图像处理,得到焊缝边缘特征,结合焊缝物理尺寸和摄像机参数信息分离边缘像素点并组成3个像素点集合,最后对分离出的像素点集进行最小二乘法直线拟合....     

微间隙焊缝磁光成像分形维数识别方法

针对紧密对接、无坡口、肉眼难以分辨的微间隙焊缝,采用磁光成像方法获取焊缝位置信息,并运用分形维数方法解决焊缝磁光图像存在较多干扰的问题.根据图像大视野相关信息处理图像,避免受到图像微小细节干扰对焊缝位置识别精度的影响,较传统图像处理法具有显著的抗干扰性.对焊缝磁光图像进行滤波去噪,将图像细分成块并计算出每个图像块的分形维数,再选取合适阈值对图像进行分割,准确地提取出焊缝中心位置.试验结果表明,运用分形维数提取磁光图像焊缝边缘区域特征,能够获取较准确的焊缝位置信息,为焊缝跟踪控制提供重要基础.     

基于最小外接矩形和Hough变换的定位算法

为了实现表面贴装生产线中,视觉机器人适应工件位置变化,自动校正抓取位置,提出了基于最小外接矩形和Hough变换的定位算法。对工件图像进行预处理,分割出目标并增强目标特征;采用格雷厄姆法和凸壳边界旋转法求解目标轮廓的最小外接矩形,引入矩形区域宽高比和最小面积以筛选出目标轮廓的外接矩形,结合图像矩获取中心坐标;分别采用Hough法和主轴法计算目标旋转角度及其偏移量,并进行矢量校正实现精确定位目标。仿真实验结果表明,算法的定位误差不超过0.5 mm, Hough法角度误差不超过0.2°,主轴法角度误差不超过0.5°,满足定位精度要求,Hough法比主轴法计算精度高且计算时间缩短了约35%。最后,经实际生产验证,证实了该方法的有效性。     

基于焊枪轮廓特征提取的焊接偏差测定方法

在熔化极气体保护焊(gas metal welding, GMAW)焊接过程中,由于弧光干扰严重,视觉系统难以同时准确提取焊缝和焊丝尖端,从而影响焊缝跟踪的精度.针对这个问题,提出一种定位焊枪中心来替代定位焊丝尖端的焊接偏差测定方法,并对该方法进行了可行性论证.首先,在增强熔池图像中的焊缝、焊枪边缘轮廓信息后,设置矩形窗获得边缘采样点.然后,使用聚类算法筛选出正确的边缘采样点,根据采样点利用最小二乘法拟合出焊缝直线和焊枪椭圆方程.最后,计算当前图像焊枪中心与焊缝直线的距离,与基准图像中的对应距离进行比较,测定出焊枪位置偏差量和焊枪摆幅偏差量.实际验证结果表明,焊枪中心与焊丝尖端的替代误差在0.2 mm以内,满足跟踪精度要求,具有较强的工程实际意义.     

基于Fourier拟合曲面的X射线焊缝缺陷检测

针对在强噪声、低对比度及复杂背景特征下X射线焊缝图像的缺陷检测问题,提出了去噪处理、焊缝边缘分割及缺陷检测的方法.用快速离散Curvelet变换和循环平移相结合的方法,对焊缝图像进行滤波去噪,同时对图像列灰度曲线用最大类间方差法提取焊缝区域.在图像预处理后,采用三阶Fourier曲线对图像列灰度曲线进行拟合并扩展到三维空间,构造出自适应阈值面,最后利用原图像与构造曲面三维灰度图的灰度值差异,准确分割背景与缺陷区域.结果表明,与传统缺陷检测算法相比,该方法能准确提取出焊缝缺陷,漏检率和误判率低,准确率可达95%.     

基于多经验参数约束的等离子弧焊熔池边缘检测

对等离子弧焊接熔池图像边缘提取算法进行了研究.拍摄了等离子弧焊接正面熔池,发现强烈的正面电弧弧光被熔池液态金属表面反射后在图像中形成大面积的灰度饱和区,弧光区域边界的灰度梯度远大于真实熔池边缘的灰度梯度,导致常规的图像处理算法不能准确地将熔池边界提取出来.针对这一问题,提出多经验参数约束的边缘检测算法,使用前n幅已处理熔池图像边缘信息和弧光最小外接曲线等多种经验参数作为引导信息对图像边缘进行约束,剔除伪边界,检测出真实的熔池边缘信息.将所提取的边缘信息与试验测量结果进行比较,表明所提出的算法能够有效快速地检测出熔池边缘.     

一种基于结构光的V型焊缝实时图像处理方法

在焊缝跟踪系统中,需要实时准确获得焊缝中心线的位置,就必须设计一种基于结构光的V型焊缝中心线的提取方法。对焊缝进行中值滤波去除图像噪声,采用自适应阈值分割的方法对图像进行二值分割,采用二值形态学的边缘检测方法对二值后的图像进行孤点滤波和边缘检测,采用对边缘上下边界点求取平均值方法提取结构光的中心线,采用基于斜率分析和最小二乘法相结合的检测的方法对图像进行特征检测获得图像的特征信息。通过实践表明,所采用的方法能够正确地提取焊缝特征信息,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。     

一种基于改进的SUSAN算法的焊缝边缘检测方法

随着图像技术在自动化焊接中的应用,高效地识别和提取出焊缝轨迹,成为图像跟踪自动焊接的关键。本文提出了一种基于改进SUSAN算法的焊缝边缘检测方法。首先对采集到的焊缝图像进行灰度化处理,再通过SUSAN算法进行焊缝的边缘检测,并将SUSAN算法中的灰度差阈值由人为选取改进为一种自适应选取的方法。理论分析和实验结果表明,该算法比其他边缘检测算子抗噪能力强,可以更加高效地提取出焊缝信息。     

X射线线阵实时成像焊缝缺陷检测方法

针对X射线线阵探测器实时成像的焊缝图像,提出了降噪处理、焊缝图像分割及缺陷检测的方法.通过自适应中值滤波方法对焊缝图像进行滤波降噪,利用类间、类内方差比分割法和数学形态学方法进行焊缝图像分割,对焊缝部分应用高频加强变换提取焊接缺陷.结果表明,采用自适应中值滤波能够有效去除噪声的同时保留焊缝和缺陷的边缘细节;类间、类内方差比分割方法与数学形态学方法并用能准确地将图像分割为焊缝与母材区域;高频加强变换能使焊缝中心部位灰度变化突显进而实现缺陷检测.     

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.     

紧密对接焊缝多尺度形态学磁光成像检测方法

利用磁光传感器获取紧密对接微间隙（0~0.1 mm）焊缝磁光图像.针对传统形态学图像处理方法检测微间隙焊缝时容易出现边缘细节丢失的问题和存在检测精度不高的缺点,在四个不同方向上各选取三种不同尺度的结构元素,应用多尺度多结构元素形态学方法提取微间隙焊缝边缘信息,并与小波边缘检测和Sobel边缘检测结果相比较.在激励磁场变化情况下进行三组试验,分别采用多尺度形态学算法和传统形态学算法提取焊缝中心位置.结果表明,多尺度多结构元素形态学算法能更有效地检测出微间隙焊缝中心位置,为紧密对接焊缝的识别与跟踪控制提供试验依据.     

基于结构光视觉传感器的弧焊机器人视觉检测方法及试验结果分析

针对自动焊接机器人焊缝精确检测的问题,研究了基于结构光视觉传感器的视觉检测方法,对结构光视觉传感器实时采集图像进行理论分析,经过焊缝图像预处理、图像边缘检测和轮廓提取等处理过程,运用最小二乘法对焊缝边缘拟合,通过求平均值的方法提取结构光条纹的中心直线,找到数字图像中焊缝的位置,最后利用机器人手眼标定焊缝的位置,并进行焊缝跟踪。结合试验,验证了该视觉检测方法检测精度较好,能够满足实际的工作要求。     

基于数学模型的熔化极气体保护焊焊接过程中的熔池边缘提取

基于数学模型对熔化极气体保护焊焊接过程中熔池边缘提取问题进行研究,利用CCD摄像机和复合滤光技术构成的系统提取熔池图像,并分析讨论图像。通过高斯平滑对图像进行预处理,使用数学模型提取熔池边缘,以设定阈值的方法得到熔池矩形区域,求出矩形区域的质心,实现熔池区域的粗定位,以此质心为中心定义一椭圆轮廓为初始轮廓,最后与传统的Sobel算子方法和Canny算子方法作比较,得出该算法能够满足熔池边缘提取问题中的实时要求,并且提高了精度。     

基于激光视觉的角焊缝图像特征点提取

提出一种借助线激光从图像中提取角焊缝特征点的方法,克服了线激光在角焊缝表面的反光对提取光条中心线的影响,有效地识别出了角焊缝特征点. 首先,根据局部对比度区分实际光条与反光条纹,用阈值分割结合图像形态学方法分割出实际光条,并确定ROI区域;其次,根据光条截面的灰度分布提取光条中心点;最后,用迭代最小二乘法拟合分段光条中心线方程并确定角焊缝特征点. 结果表明,该方法能够快速准确地提取表面光亮角焊缝的亚像素图像特征点,在主频3.4 GHz的PC机上共用时0.35 s,能够满足焊接速度为0~25 mm/s的普通焊接设备的实时性要求.     

激光焊磁光彩色成像焊缝检测方法

针对激光焊接平板对接微间隙焊缝(间隙小于0.1 mm),研究彩色图像信息的磁光成像焊缝检测算法,为微间隙焊缝的精确跟踪提供一种新方法. 采用磁光传感器采集焊接过程的焊缝区域图像,对焊缝磁光图像在RGB(red, green, blue)和HSV(hue, saturation, value)彩色空间的灰度分布进行分析,提取RGB图各分量的灰度图,根据各分量灰度分布曲线确定阈值提取焊缝边缘,合成3个分量的焊缝边缘得到焊缝过渡带轮廓;对HSV图的每个分量图灰度直方图进行分析确定阈值,然后综合形成单一的焊缝过渡带分割图像. 结果表明,该方法能有效检测肉眼难以分辨的微间隙焊缝.     

小波分析在焊缝图像处理中的应用

从原始焊缝图像中准确检测出焊缝边缘、提取出焊缝中心位置,是实现焊缝跟踪的关键技术。将小波分析方法应用于焊缝图像处理中,首先对焊缝图像进行小波分解,然后对分解后的小波系数进行阈值处理,最后用阈值处理后的小波系数进行焊缝图像重构,有效降低了焊缝图像噪声,突出了熔池和焊缝边缘轮廓,便于机器识别及处理。接着再对消噪增强后的焊缝图像进行平滑、边缘检测,提取出焊缝中心线,用于焊缝自动跟踪控制。试验结果表明:该方法效果良好,能有效地提高焊缝跟踪精度。     

基于GED预测器的焊缝图像边缘提取方法

焊缝图像的边缘提取精度对实现焊缝视觉跟踪至关重要。根据对焊接过程中采集的图像进行特征分析,新颖的把压缩技术中的梯度边缘检测(GED)预测器模板应用到焊缝图像边缘提取中,首先对焊缝图像进行滤波、二值化,生成预处理图像,然后对预处理焊缝图像应用GED预测器模板生成预测误差图像,再通过阈值分类误差图像边缘,细化边缘。实验证明,该方法检测的焊缝图像伪边缘少、定位准确、边缘清晰,达到较好的效果。