焊接领域激光结构光视觉传感技术的研究及应用

为保证自动焊接的质量,提高焊缝识别的准确性和适应性,提出一种焊缝特征提取的关键点检测方法.基于卷积神经网络设计了焊缝特征提取网络,该网络通过卷积、池化操作提取焊缝特征.将来自深层的特征图进行上采样,最后将深层特征图和浅层特征图相融合,提高焊缝特征提取精度.输出焊缝图像的热力图来预测焊缝特征点位置,实现多种坡口焊缝的识别定位,且不需要非极大值抑制算法,提升了特征提取速度.采集不同的焊缝特征图像,进行网络模型训练.结果表明,焊缝特征点定位均方根误差为0.187 mm,网络模型在焊缝特征点识别任务中检测精度较高,而且适应性和泛化性较强,满足自动焊接的要求.

     

基于视觉技术的活塞环闭口间隙检测的研究

目前,活塞环的检测普遍采用人工检测。采用视觉技术提取活塞环闭口间隙轮廓,对轮廓进行图像处理,得到测量结果,与人工检测相比,检测速度更快,精度更高。传统的边缘检测过程大都采用Canny算子,通过高斯滤波过滤图像。在活塞环轮廓处理过程中,对轮廓提取精度要求更高。高斯滤波作为低通滤波算法,对轮廓没有保护作用,会导致轮廓边缘图像模糊。针对这一问题,提出了改进的Canny算子,采用中值滤波和傅里叶变换相结合的方法,有效地提高了边缘轮廓的提取精度。