表面组装印刷电路板上焊点信息的自动获取

在表面组装技术（SMT）中,焊点信息数据是实现部分再流焊过程自动化基础。本文介绍了表面组装印刷电路板（SMT＿PCB）图像的处理方法和SMT＿PCB上焊点类型、位置信息数据的自动获取技术。本文中,SMT＿PCB图像的处理包括去噪声处理、二值化和目标修饰处理。根据对SMT＿PCB图像的分析,提出了SMT＿PCB图像高频噪声判断模板和算子,通过采用噪声判断模板和算子先判断高频噪声再用均值滤波的方法成功地去除了高频噪声。对图像中的低频噪声,基于对图像中目标与背景灰度值特点的分析,提出了改进的差分去噪声模板。采用最大方差阈值方法得到合适的阈值对图像实现了分割。对已分割得到的二值化图像,提出了目标图像修饰算子,并对图像中的焊点图像进行了修饰。根据对处理后焊点图像特点的分析,提出以不同类型焊点为模板,通过模板匹配方法实现焊点位置数据的自动获取。     

正交异性钢结构桥梁面板焊接区缺陷空间视觉定位方法

为了减少焊接桥梁因疲劳产生裂纹，减少安全威胁，提出正交异性钢结构桥梁面板焊接区缺陷空间视觉定位方法。利用视觉注意力机制分别采集方向和亮度显著特征图，通过融合算法将二者融合，生成初始焊接区域图像。使用二值化处理方法计算图像初始对比度和像素分布系数，设定像素阈值，去除噪声点，提高图像质量。采用改进区域生长算法确定生长准则，通过阈值更新的方式实现图像背景与目标分离，获取图像条纹斜率，比较相邻像素点的斜率值，将该值做为判断特征拐点的依据，提取缺陷特征；结合获取的特征，利用最近邻域法识别出缺陷，实现缺陷视觉定位。结果表明，所提方法能够获得高质量的视觉图像，定位误差小。     

基于双阈值图像区域生长法的冲压件划痕检测

当冲压件划痕缺陷区域的灰度值与背景的灰度值差异不大时,使用传统的图像分割方法易出现噪声较多或划痕特征无法提取的情况。为此,提出了一种基于动态阈值分割的双阈值图像区域生长法。首先,对采集的冲压件图像进行两次不同阈值的动态阈值分割,得到两个不同阈值的二值图像;其次,结合两个不同阈值的二值图像使用区域生长法得到优化二值图像;最后,对生长完成后的优化二值图像通过面积和结构因子特征参数进行区域筛选,提取划痕缺陷。实验结果表明,使用本方法检测冲压件划痕缺陷,能够满足工厂检测要求,具有检测效率高、准确性高的优点。     

电动汽车充电站钢结构停车棚焊接节点裂纹识别

钢结构停车棚焊接区域图像噪声影响到了裂纹识别精度,所以提出了电动汽车充电站钢结构停车棚焊接节点裂纹识别方法。通过磁光成像法获得钢结构焊接区域图像,对采集到的焊区分段图像进行灰度处理。经过灰度处理后,使用双边滤波器去除焊接区域图像所有噪声,结合局部阈值的多目标分割与卷积神经网络,得到裂纹判断阈值,利用该值识别焊接节点裂纹。试验结果表明,该方法在缺陷类别识别和检测效果上均优于其他方法,能够识别出各种钢结构焊接细小裂纹,应用价值较高。     

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。     

基于改进二维经验模式分解的IC焊点检测方法

为了解决集成电路IC(integrated circuit)焊点检测问题,提出了一种改进二维经验模式分解方法的IC焊点检测算法。为了简化IC引脚图像和消除干扰,提出了一种无约束优化的二维经验模式分解算法,该算法能够将图像按高频到低频分解,适用于非线性非稳态信号处理,可获得特征更明显的IC焊点预处理图像。在分析空焊焊点与合格焊点之间的差异性的基础上,结合焊点反射光线原理,定义了一种颜色空间算法,在感兴趣区域内提取颜色通道延迟上升的特征,通过阈值判断实现IC焊点缺陷检测。试验结果表明,将改进二维经验模式分解用于IC引脚预处理可以得到特征更明显的预处理图像,并且通过颜色空间可以直接获得量化特征,该方法在IC焊点检测性能上优于其他方法 。     

基于贝叶斯图像模式识别技术的点焊质量评估

提出一种将点焊过程动态电极位移信号转化为二值图像的方法.基于图像特征分析,从焊点样本电极位移二值图像中提取出15个隐含特征.针对一系列对应不同焊接质量焊点样本电极位移二值图像特征,利用主成分分析消除图像特征间的互相关性,建立了基于最小风险贝叶斯图像识别技术的焊点质量分类器.分类器有效性测试结果表明,电极位移信号二值图像尽可能多的保留了焊点质量信息,特征提取算法简单、高效、易于实现;同时在小数据样本情况下,贝叶斯图像识别技术能够快速、准确地评判焊点质量,有较好的应用前景.     

基于贝叶斯图像模式识别技术的点焊质量评估

提出一种将点焊过程动态电极位移信号转化为二值图像的方法.基于图像特征分析,从焊点样本电极位移二值图像中提取出15个隐含特征.针对一系列对应不同焊接质量焊点样本电极位移二值图像特征,利用主成分分析消除图像特征间的互相关性,建立了基于最小风险贝叶斯图像识别技术的焊点质量分类器.分类器有效性测试结果表明,电极位移信号二值图像尽可能多的保留了焊点质量信息,特征提取算法简单、高效、易于实现;同时在小数据样本情况下,贝叶斯图像识别技术能够快速、准确地评判焊点质量,有较好的应用前景.     

焊缝表面缺陷激光视觉传感HOG-SVM的检测方法

为了实现对焊缝表面缺陷的自动检测与分类,研究一种有效识别焊缝表面缺陷的激光视觉检测方法.通过激光视觉传感器采集焊缝图像并进行预处理,包括图像分割,灰度化,平滑去噪以及焊缝轮廓提取.采用方向梯度直方图(Histogram of Oriented Gradient, HOG)提取焊缝激光条纹轮廓图像的特征向量.其次,基于5折-交叉验证网格搜索方法进行模型参数寻优,最终建立了支持向量机(Support Vector Machine, SVM)智能模型识别与分类焊缝表面缺陷.通过调整焊缝轮廓提取算法、HOG特征维度得到不同特征数据并进行对比、分析焊缝缺陷的识别效果.在相同试验条件下,发现支持向量机比随机森林分类器、K最近邻分类器以及朴素贝叶斯分类器的识别率更高,达到97.86%.基于HOG-SVM的焊缝表面缺陷智能识别方法可有效提高焊缝缺陷(气孔、凹陷、咬边)及无缺陷的分类精度.     

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。     

基于边界方向直方图的激光环焊焊缝表面缺陷检测

针对汽车喷油器接杆的激光环焊焊缝图像,提出了一种基于边界方向直方图的缺陷检测方法。通过设定门限的方法对待测图像进行分割,再对分割后的图像提取边界点;采用边界方向直方图表示目标的边界方向特征,并采用边界点的不同梯度方向上的灰度平均值表示目标的边界灰度特征,两者结合能有效地描述目标的形状轮廓信息,准确地识别出焊缝图像中的正常收焊点和焊缝缺陷。实验证明:这种基于边界方向直方图的缺陷检测方法具有令人满意的准确性。     

基于X射线图像处理的单搭接焊缝缺陷识别

钢板单搭接焊缝区厚度的变化,使其对应的X射线图像灰度连续变化。这给基于图像阈值分割处理的缺陷识别带来困难。为了解决这一问题,文中给出一种基于X射线图像背景去除的缺陷识别方法。首先对待处理的X射线数字化图像进行噪声抑制,并利用模拟图像背景获得前景图像;然后对前景图像进行基于迭代阈值法的图像分割,提取缺陷目标;最后采用数学形态学处理,实现缺陷自动识别。结果表明所提方法能有效识别钢板单搭接焊缝中的气孔缺陷。     

基于二维信息熵图像分割的缺陷识别方法

为了提高无损检测的工作效率及可靠性,研究超声图像中缺陷目标的自动识别方法.根据超声D扫描图像的特征,在背景杂波抑制及噪声抑制的基础上,采用基于KSW二维信息熵的阈值分割方法对图像进行二值化处理.结果表明,由于不能兼顾图像各处的细节信息,基于二维信息熵的全局阈值图像二值化方法会产生欠分割.当图像尺寸较大时,全局阈值方法会丢失许多像元数目不多的集群,造成小目标的漏检.基于二维信息熵的局部阈值法充分考虑了图像的局部区域特征,能有效地识别图像中的缺陷目标,从而提高缺陷检出率.     

基于结构光视觉传感的焊缝视觉信息检测和识别研究

对基于结构光视觉传感的焊缝视觉信息检测和识别进行了研究.所获取的焊缝图像中存在着大量的飞溅、烟尘和电弧光等噪声干扰.CCD摄像机获取焊缝图像,经图像采集卡A/D转换后送入计算机内存,然后采用各种图像处理方法对图像数据进行处理,焊缝原始图像经过二值化、中值滤波、拉普拉斯锐化、细化一系列图像预处理,准确提取激光条纹信息,提出了几种常见的焊缝形式的检测和识别算法,算法所需时间均不到1 ms,提取焊缝特征,实现对焊缝的自动跟踪.     

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Bandelet变换的金属断口图像识别方法

基于Bandelet变换能自适应跟踪图像几何方向的特点,将Bandelet变换引入到金属断口图像特征提取中,提出了一种基于Bandelet变换的金属断口形貌非线性识别方法。在提出的方法中,利用Bandelet变换提取金属断口图像的Bandelet熵作为特征向量,神经网络作为非线性分类器,对几种典型的金属断口图像进行了识别验证。同时,将该方法与基于传统的小波变换的金属断口图像识别方法进行了对比。结果表明,由于Bandelet变换克服了小波变换在处理金属断口图像时孤立对待边界各点的缺点,得到了比传统的小波变换方法更好的识别效果。     

基于前馈神经网络的储油罐底板焊缝表面缺陷检测方法

为了有效解决储油罐底板焊缝缺陷检测过程中存在速度慢、检测结果不准确等问题，提出一种基于前馈神经网络的储油罐底板焊缝表面缺陷检测方法。分析相机捕获的储油罐底板焊缝图像各像素之间的相关性和椒盐噪声特点，通过支持向量机(SVM)分类器识别图像中的噪声，重构图像，完成去噪处理。通过基于泛化的增量式二维主成分分析的特征提取方法(GI2DPCA)提取储油罐底板焊缝图像的特征，引入前馈神经网络，构建基于前馈神经网络的储油罐底板焊缝表面缺陷检测模型，将提取到的特征输入到模型完成缺陷检测。试验测试结果表明，所提方法能以较短的时间和较高的检测精度完成缺陷检测。     

计算机视觉焊缝识别技术研究

对焊缝识别技术进行了深入研究,包括对焊缝图像的中值滤波以降低噪声干扰、对图像的最佳阈值化以获取焊缝信息以及对图像的数学形态学处理以消除焊缝周围孤立点的干扰.在此基础上,提取到较为清晰的焊缝图像,进而采用最小二乘法建立焊缝的轨迹方程,为焊接控制提供依据,提高焊缝跟踪精度及焊接质量.     

基于视觉传感的焊缝中心检测技术研究

通过视觉传感器获取焊缝图像，采用多种去噪技术对焊缝图像中的噪声进行滤波试验。针对焯缝图像中的干扰噪声特性，对各种滤波方法进行了分析和比较，并对滤波效果较好的焊缝图像进行边缘检测计算。提出3种识别焊缝特征的组合图像处理方法，并研究提取焊缝中心特征信息的效果和精度。试验结果表明，对焊缝图像采用Wiener滤波与Robert边缘检测算法能较好地提取焊缝中心位置的特征信息。     

管道焊缝检测视觉图像处理的研究

为了可靠跟踪焊缝,对管道的焊接缺陷检测,视觉传感器采集的焊缝原始图像需要进行预处理,以消除噪声的影响,提出了管道焊缝视觉图像处理方法。首先采用邻域均值滤波进行平滑处理,最大方差阈值法自适应选取阈值分割图像,将图像二值化,然后采用标记法去除小区域噪声,获得清晰的焊缝图像,水平投影图法进行焊缝图像识别并确定焊缝的位置。试验...