基于蚁群算法的铝合金MIG焊熔池边缘检测

针对铝合金MIG焊熔池边缘提取问题,建立了视觉传感和采集的实验系统并提出和设计了基于蚁群算法的熔池图像处理程序.介绍了系统与算法的结构,同时与基于Sobel算子、Canny算子的熔池边缘提取结果进行了对比.结果表明蚁群算法在熔池图像的分割和特征提取性能上具有一定的优异性.通过该算法提取的铝合金MIG焊接熔池清晰边缘,可以有效地克服熔池图像信号中的噪声,阴极雾化区的影响,为实现铝合金MIG焊过程实时检测与控制奠定了理论基础.     

分段线性灰度变换在熔池边缘提取中的应用

电弧焊接过程中,熔池形态与焊接质量密切相关.应用图像处理方法得到熔池的边缘轮廓对提取熔池相关几何参数具有重要意义.采用分段线性灰度变换突出熔池区域,用Canny算子提取熔池图像边缘.试验结果表明:该方法能够有效提取熔池图像边缘,适用于熔池图像的实时处理.     

基于多视觉的熔池图像处理与特征提取

提出了一种多视觉焊接熔池采集系统,采用复合滤光的方法,能够有效地克服弧光的干扰,获取清晰的熔池图像.针对采集的熔池图像特点提出了一系列的图像处理方法.首先对熔池图像进行中值滤波去除图像中的噪声,然后采用CANNY多阈值方法提取熔池边缘特征,并利用去伪边缘、迭代拟合处理,从而获得熔池边缘特征.利用提取的熔池边缘特征和CCD摄像机与熔池的位置关系,得出熔池的后托角和堆高.将计算的熔池堆高与实测熔池堆高对比,偏差小于0.06 mm,证明了双视觉特征提取在熔池图像中的有效性和可靠性.     

基于边缘导向算子模板匹配的熔池轮廓提取方法

轮廓提取作为熔池的基本视觉形态特征,在焊接质量在线监测中起着重要作用. 文中建立了非熔化极惰性气体保护电弧焊(tungsten Inert gas welding, TIG)焊接工艺环境下的熔池视觉传感系统,采集了高质量的熔池图像. 针对TIG焊不锈钢熔池图像中弱边缘检测的难点提出了一种基于边缘导向算子模板匹配的熔池轮廓提取算法(operator template matching based on edge direction guidance, OTM-EDG),算法中首先基于非线性灰度变换方法增强弱边缘. 之后利用4个方向的Sobel算子与熔池图像进行卷积操作来判断后端弱边缘的方向并计算梯度图. 最后对梯度图进行边缘连接操作以及基于数学形态学的边缘平滑操作,得到需要提取的熔池轮廓. 结果表明,文中算法能够提取到封闭完整且定位准确的TIG焊不锈钢熔池轮廓. 在实际焊接环境中具有较高的鲁棒性,有效解决了熔池区域弱边缘难以准确检测的问题.     

傅立叶变换在熔池图像特征提取中的应用

熔池图像特征的提取对于分析焊接质量十分重要,而频域图像处理算法相对空域有很多优势,可以克服传统的空域图像处理算法对噪声敏感的不足,并有利于增强图像特征.为此,首先采用中值维纳滤波方法对焊接熔池图像进行组合滤波去噪,然后对去噪后的熔池图像运用基于傅立叶变换的巴特沃思滤波器进行高通滤波,以增强图像,并采用加强滤波算法对图像实现补偿,同时进行直方图均衡化,最后运用Canny算子边缘检测与数学形态学运算获得熔池边缘,提取出熔池特征信息.结果表明,运用傅立叶变换高频加强滤波进行熔池图像增强处理,并结合空域中较为成熟的图像处理算法,可以得到较好的熔池特征提取效果.     

基于数学形态学的熔池图像处理

建立了用于气体保护钨极电弧焊(GTAW)的CCD视觉传感系统.在一定的工艺条件下,通过视觉传感器采集较为清晰的焊接熔池图像.选择包括熔池的区域为处理区域,对该区域进行中值滤波,用数学形态学中的高-低帽变换增强熔池图像的对比度.然后对图像进行二值化处理,用基本数学形态学的腐蚀、膨胀、开启、闭合对图像进行处理,用边缘检测算子提取熔池边缘并细化,获得了比较好的效果.     

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Canny边缘检测算子和去除小物体算法的熔池图像处理

采用基于Canny边缘检测算子和形态学去除小物体算法提出了一种新的熔池图像处理算法．首先对熔池的图像所具有的一些特性进行分析，然后对图像分别做中值滤波，二值化，边缘检测，和去除小物体处理。实验结果表明，该方法能够比较有效地得出熔池图像的边缘。     

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。     

灰度形态学提取焊接熔池图像边缘技术

在由CCD捕获的CO2焊接熔池图像中,存在着大量的点状噪声和线状噪声,要精确地检测出熔池图像的边缘比较困难.采用基于数学形态学理论中的灰度形态学数字图像处理技术,结合焊接熔池图像自身的特点,借助灰度图像二值化取阈值法中的矩量保持法确定结构元素值的大小,通过合理设计形态学滤波器形状和运算顺序,成功地提取出了焊接熔池图像的边缘,通过比较,新的图像处理算法的处理效果非常明显,对后续的焊接质量控制和焊缝跟踪工作提供了非常有用的熔池信息.     

基于边缘迭代模型的激光沉积熔池宽度预测方法

根据熔池尺寸特征空间分布规律,提出了一种基于边缘迭代模型的熔池宽度预测方法。为了获得精确的熔池宽度,采用数学形态学的方法对熔池图像进行去噪,并用手动阈值的方法对熔池图像进行粗分割。之后利用Canny算法提取出熔池边缘。最后,使用边缘迭代模型进行边缘迭代,得到精分割后的熔池宽度。对比实验结果表明,该算法具有良好的检测精度和鲁棒性,且简易高效。     

基于多结构元素形态学的射线焊缝缺陷检测方法

针对射线探伤中采集的焊缝图像存在对比度低,噪声干扰及边界模糊等特点,提出了一种基于多结构元素形态学的射线焊接图像缺陷边缘检测方法。在对原始射线焊接图像进行预处理、焊道提取后,选取了多尺度多结构元素,运用灰度形态学方法对焊接图像进行缺陷边缘检测与提取。试验结果表明,对比传统的边缘检测算法,该方法能有效提取图像中的焊接缺陷边缘,且其连续性和完整性较好。     

基于双视觉的窄间隙焊熔池特征分析

设计了一种窄间隙焊多视觉焊接熔池采集系统,针对采集的熔池图像特点提出了一系列的图像处理方法.首先对熔池图像进行图像预处理,去除噪声,然后采用CANNY多阈值方法,提取熔池边缘特征,并利用去伪边缘、迭代拟合处理,从而提取熔池边缘特征.根据熔池与CCD摄像机的位置关系,求得熔池的余高,从而得出窄间隙熔池是一个凹液面.     

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。     

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.     

一种采用数学形态学与主动轮廓模型的熔池边缘提取方法

随着焊接过程自动化和智能化的发展,焊接质量信息的提取越来越受到国内外学者们的关注,基于图像处理的边缘提取技术逐渐被广泛应用。根据GMAW焊飞溅大的特点,在分析传感系统获取的熔池图像特征的基础上,结合数学形态学和Chan-Vese模型主动轮廓方法,对熔池图像进行边缘提取实验。实验结果表明,与单纯的数学形态学方法相比较,新的方法可以实时地提取出更加清晰、完整的熔池边缘。     

基于分形和数学形态学的MAG焊熔池图像分析

焊接过程产生的烟尘、孤光以及飞溅导致焊接熔池图像中存在大量的噪声,运用对噪声敏感的图像处理方法很难准确地提取熔池图像的信息.提出了一种基于分形和数学形态学理论的综合图像处理方法.该方法利用分形理论中离散分数布朗随机场理论得到按分形维分布的熔池灰度图像后,采用常规的图像处理方法提取图像边缘,然后利用数学形态学中开运算和闭运算,得到图像的强连通边界,并利用二值形态学中的连通域检测去除噪声得到目标图像.试验结果表明该方法能够快速、准确地检测到熔池的边缘、高度、宽度以及面积等信息.     

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.     

基于多结构元素的形态学焊缝起始点识别

焊缝起始点的识别是实现机器人智能焊接系统的一个重要环节。利用多结构元素的形态学方法对CCD在自然光条件下采集到的直焊缝图像进行处理,提取直焊缝边缘后借助于Hough变换得到焊缝初始点位置。试验结果表明,与传统的边缘检测方法和单结构元素形态学方法相比,本文提出的多结构元素形态学边缘检测方法边缘检测效果更佳,能有效去除噪声的同时,保留更多的边缘细节信息,为后续的图像处理操作奠定了基础,是一种有效的边缘检测方法。     

镁合金双弧焊熔池图像数学形态学处理

为了获得清晰的熔池图像,建立了对镁合金DE-GMAW熔池图像进行检测的CCD视觉传感系统。通过窄带滤光系统并选取合适的焊接工艺参数,获取了镁合金DE-GMAW清晰的熔池图像。首先采用了传统的图像处理方法处理熔池图像,发现其不能获得较理想信息。通过研究,发现运用数学形态学方法较常规方法更容易获取较为准确的熔池初始边缘,为实现该种焊接方法的过程控制奠定了基础。