基于“深度”神经网络的贮藏期柚果品质检测模型研究

针对柚果单个理化指标无法表征整果品质，和其内部品质无损检测精度不佳等问题，采用可见-近红外光谱、机器视觉和动态称重等无损检测技术，搭建动态无损检测试验样机，构建“深度”神经网络模型，探究柚果内部综合品质检测方法。研究发现，采集柚果的多特征信息(光谱特征、果形描述子和动态质量等)，经数据融合和分析，构建综合品质指标(HP和STP)，建立BP神经网络模型，可准确检测蜜柚和沙田柚内部品质，R_pre²分别达到0.930 1和0.936 1，均高于其他内部品质指标(SSC,TA,MC和E)检测结果，具备高效、快速且精度高等优势。研究为厚皮水果综合品质指标构建和模型检测提供参考。     

基于极线约束的机器人双目视觉水下焊缝特征匹配研究

本文设计了一种相交光轴的双目视觉结构形式,采用大红+紫红色复合滤光系统获取了较为清晰的水下焊缝图像。采用极线约束的立体匹配方法对水下空间焊缝进行匹配,匹配时先采用糊模增强及模糊边缘检测对水下焊缝图像进行处理,提取了焊缝的边缘及中心线作为匹配特征。然后建立极线方程,找出两图像对应的匹配点,最后求取二匹配点对应的空间坐标。水下匹配实验表明,空间直线的匹配平均误差控制在0.59mm以内,空间折线的匹配平均误差控制在0.65mm以内,能够满足机器人水下焊缝跟踪的要求。     

Study of image processing for V-shape groove and robotic weld seam tracking based on laser vision

Single-stripe laser was applied to acquire V-shape groove contour information. Most of arc light and splash noise was removed and stripe laser image was kept by wavelet transform. Half-threshold algorithm was used for image segmentation and stripe laser image was gotten after refining. Weld seam center position was identified and extracted by extreme curvature corner detection method. The location of torch was detected to accord the frequency of computer program with robot program and serial communication program. The tracking experiments of sidelong, reflex and curve weld line show that the system can meet the demand of the tracking precision under normal welding conditions.     

机器人水下焊缝跟踪中双目立体视觉系统

根据机器人水下焊缝跟踪的要求,设计了一套双目立体视觉传感器.采用卤钨灯辅助光源加复合滤光系统,较好地去除了噪声,拍摄到较为清晰的焊缝图像.针对水下焊缝图像模糊、对比度低的特点,采用模糊增强图像处理技术,对Pal处理算法进行了改进,改进算法中采用OTSU法选择最佳阚值,提出了新的隶属度函数.试验表明,该算法提高了图像处理的效率,提取的边缘比较精细,为空间焊缝跟踪中焊缝识别及立体匹配奠定了基础.     

基于视觉传感的机器人水下焊缝跟踪

根据视觉条件下水下自动化焊接的特殊要求,设计了一套机器人水下视觉焊缝跟踪系统.针对水下焊缝图像干扰严重、模糊等特点,采用小波变换技术去除了弧光、飞溅等干扰噪声,采用改进的模糊增强图像处理方法,提高了图像处理的效率,获取了清晰的边缘图像.边缘检测后,对焊缝左右特征点进行扫描,准确地提取了焊缝中心.为了减小跟踪误差,将焊缝轨迹中的每个小线段的坐标偏移量分成50等份,同时设计了有效地机器人轨迹跟踪控制程序.水下斜线和曲线焊缝的跟踪试验表明,在正常的条件下,可以满足跟踪要求.     

基于粒子熵的参数自适应变异PSO算法研究

为了避免普通粒子群算法（PSO）可能出现的局部收敛及精度不高现象,围绕影响PSO算法性能的两个重要参数[w]和[pgd],提出了一种面向全局优化的参数自适应变异PSO改进算法。算法定义了粒子熵集概念,可以精确反映粒子群数据的全局聚集特性,由粒子群各维数据的熵值大小决定是否对各维数据的惯性权重[w]进行回归变异,对全局变量[pgd]进行随机变异,并采取引入变异次数因子等方法来避免寻优发散。仿真研究表明该算法比常用算法在寻优精度、摆脱局部陷阱、稳定性等方面均有明显提高,在求解复杂多峰问题上有着良好的表现。     

基于双目视觉的水下对接焊缝跟踪机器人位姿调节

分析了机器人末端姿态调节原理,利用所搭建的双目视觉系统采集到水下对接焊缝图像,图像经过滤波去噪、模糊增强、图像边缘特征及检测后,获取两条边缘线的特征元素。根据这两条边缘线求出水下对接焊缝中心线,再找到中心线上的匹配点;根据匹配点前后扫描,得到与焊缝边缘线相交的四点,采用四点法求取水下对接焊机器人的末端位姿。最后根据所构造的焊枪位姿与机器人位姿的模型,得到焊枪的姿态。试验证明,本文提出的算法,位姿调节偏差较小,能满足水下对接焊缝跟踪的要求。     

机器人焊缝跟踪水下双目视觉图像采集系统

分析了水下焊接的影响因素,采用大红和紫红复合滤光片进行滤光.根据机器人的结构,采用可调焦微型摄像机,满足跟踪精度的要求.设计了内外压环和密封圈的防水结构,使摄像机及光源的防水性能达到70～80 m.采用相交光轴双目摄像头的布局形式,设计了一块带弧形槽的装配板来装配摄像头与灯源,使其既适应于水下焊接,又易于匹配.对直线对接焊缝和坡口焊缝进行采集试验,所采集焊缝清晰可见、干扰较少,完全可以用于水下焊缝跟踪.     

基于双目视觉的水下焊缝图像采集与识别

文章根据水下焊缝跟踪的要求,设计了一套双目立体视觉传感器。采用卤钨灯辅助光源加复合滤光系统,较好的去除了弧光、飞溅等干扰,拍摄到较为清晰的焊缝图像。针对水下焊缝图像模糊,对比度低的特点,采用模糊增强的图像处理技术,并对Pal处理算法进行了改进,提高了图像处理的效率,获取了清晰的边缘图像．边缘检测后,对左右焊缝特征点进行扫描,准确地提取了焊缝中心。从而为水下空间缝自动化跟踪打下了基础。     

Neural network modeling and intelligent control of FCAW penetration

The neural network modeling of FCAW penetration is researched in this paper, molten pool image is acquired by CCD, and preweld gap is gotten from laser vision system, the weld penetration is estimated according to the information include welding current, welding voltage, weld width, molten pool half length and gap width. The training samples of network can be partially gotten by numerical simulation. Single neuron self-tuning PID weld penetration controller is designed, and improved Hebb learning algorithm is applied for weights adjusting. Welding current is adjusted to make the weld penetration stable. The results of experiment with various cross-section and preweld gap workpiece show that this system is suitable to molten pool control.