大功率激光焊機(jī)焊縫質(zhì)量參數(shù)的提取方法

陳海永，李江威，李練兵，孫鶴旭

(河北工業(yè)大學(xué)控制科學(xué)與工程學(xué)院，天津300130)

大功率激光焊機(jī)焊縫質(zhì)量參數(shù)的提取方法

陳海永，李江威，李練兵，孫鶴旭

(河北工業(yè)大學(xué)控制科學(xué)與工程學(xué)院，天津300130)

提出大功率激光焊機(jī)焊縫的圖像處理和質(zhì)量參數(shù)特征的提取方法，有效地克服了環(huán)境的各種干擾，可靠地得到了質(zhì)量參數(shù)。通過一套具有工業(yè)顯微鏡頭的CCD視覺系統(tǒng)，實(shí)現(xiàn)了微細(xì)焊縫的結(jié)構(gòu)光光帶的采集。根據(jù)其區(qū)域的背景和前景圖像亮度差別較大的特點(diǎn)，提出一個(gè)基于最優(yōu)閾值分割的光條細(xì)化算法，確定了光條在圖像平面的變形，從而提取出焊縫質(zhì)量參數(shù)，如熔寬、錯(cuò)邊及余高等。實(shí)驗(yàn)結(jié)果證明了該方案切實(shí)可行，結(jié)果滿意。

激光焊縫；線型結(jié)構(gòu)光；圖像處理；質(zhì)量參數(shù)

0 前言

激光焊接是材料加工應(yīng)用中的關(guān)鍵技術(shù)之一。在鋼鐵行業(yè)如冷軋生產(chǎn)線、帶鋼鍍鋅生產(chǎn)線等中，大功率激光器由于其熱影響區(qū)小、焊縫強(qiáng)度高的優(yōu)點(diǎn)，得到了廣泛應(yīng)用。在這些生產(chǎn)線中，激光焊機(jī)是保證生產(chǎn)線自動(dòng)化平穩(wěn)運(yùn)行的關(guān)鍵設(shè)備之一。然而，激光焊機(jī)在長期運(yùn)行過程中因其機(jī)械系統(tǒng)的重復(fù)定位精度下降、定位系統(tǒng)長期磨損等都可能引起對(duì)接間隙過大、錯(cuò)邊等裝配缺陷，從而導(dǎo)致焊接缺陷。因此可靠、快速、精確地檢測焊縫質(zhì)量對(duì)提高激光焊機(jī)的智能化水平，保證生產(chǎn)線的穩(wěn)定、安全、連續(xù)運(yùn)行具有極其重要的意義[1]。

長期以來，人們一直側(cè)重于焊縫的超聲波、紅外輻射、X射線等檢測方法的研究，而對(duì)焊縫的形狀尺寸參數(shù)檢測未引起足夠的重視，尤其是對(duì)鋼鐵生產(chǎn)線上大功率激光焊縫質(zhì)量參數(shù)檢測的研究甚少。使用大功率激光焊機(jī)得到的薄板帶鋼的對(duì)接接頭焊縫大都屬于微細(xì)焊縫，其寬度一般在1 mm左右；薄板帶鋼的厚度一般在0.3～8 mm。焊縫的外形尺寸參數(shù)是表示焊縫形狀特征的指標(biāo)，是影響焊縫質(zhì)量的重要因素，因此，焊縫外形尺寸的精確測量是保證焊接質(zhì)量的關(guān)鍵技術(shù)之一[2]。基于結(jié)構(gòu)光的視覺檢測具有非接觸、能獲取物體的三維信息、精度高和抗電磁場干擾能力強(qiáng)等優(yōu)點(diǎn)，在焊縫尺寸檢測中得到廣泛使用。其中，圖像中結(jié)構(gòu)光條紋中心的準(zhǔn)確檢測是影響焊縫尺寸檢測精度的核心因素之一。White通過邊緣檢測算法得到光帶，進(jìn)而搜索光帶的中心線得到一個(gè)像素的條紋中心線，這個(gè)方法的缺點(diǎn)是在反光等干擾下其魯棒性比較差[3]。為了克服反光、毛刺等干擾的影響，李原等人提出一種基于圖像列方向像素灰度分布的曲線峰值提取方法，并利用激光條紋位置在時(shí)間和圖像空間上的連續(xù)性和相關(guān)性進(jìn)行判斷，可靠地提取條紋中心線[4]，但是該方法針對(duì)的是較寬的V型焊縫，主要在弧焊中使用。胡斌等人提出利用可變方向模板檢測結(jié)構(gòu)光條紋中心[5]，這種方法的抗白噪聲能力比較強(qiáng)，但是沒有考慮窄細(xì)焊縫。以上幾個(gè)算法大都是針對(duì)機(jī)器人弧焊焊縫，這些焊縫寬度、深度等尺寸較大，條紋中心線的變形明顯，各種干擾對(duì)條紋的識(shí)別影響較小，較容易得到焊縫的幾何特征參數(shù)。焊縫參數(shù)特征提取最困難的情形是相似厚度的平板對(duì)接焊接，因?yàn)榈玫降暮缚p較為平滑，圖像特征不太明顯，而這種情況在工業(yè)自動(dòng)化生產(chǎn)線中經(jīng)常遇到，如冷軋生產(chǎn)線、鍍鋅板生產(chǎn)線等。因此，大功率激光焊機(jī)的焊縫質(zhì)量研究對(duì)于保證生產(chǎn)的連續(xù)運(yùn)行，得到高質(zhì)量的板材產(chǎn)品具有重要的保障作用。

1 系統(tǒng)構(gòu)成

焊縫傳感視覺系統(tǒng)由線結(jié)構(gòu)光光源、一個(gè)2／3英寸鏡頭的CCD顯微攝像機(jī)、圖像采集卡和計(jì)算機(jī)組成，其中圖像采集卡已插入計(jì)算機(jī)機(jī)箱，如圖1所示。激光器以一定的角度傾斜投射線結(jié)構(gòu)光到焊縫表面，把焊縫表面的形狀調(diào)制成相應(yīng)的形狀的光條。CCD攝像機(jī)垂直于焊縫平面，接收從工件表面反射的光條圖像，經(jīng)過圖像采集卡把拍攝到的模擬信號(hào)轉(zhuǎn)換成為數(shù)字圖像送入計(jì)算機(jī)中，由計(jì)算機(jī)對(duì)光條圖像進(jìn)行處理，最終提取出焊縫質(zhì)量參數(shù)。

2 結(jié)構(gòu)光條紋骨架提取

視覺系統(tǒng)得到的焊縫圖像如圖2所示。從圖像中可以看出焊縫處的光條有明顯的變形，通過檢測這個(gè)變形及其周邊區(qū)域得到相應(yīng)的焊縫質(zhì)量參數(shù)。對(duì)于焊縫來說，焊縫及其周圍是重點(diǎn)區(qū)域，其他圖像區(qū)域并沒有實(shí)際意義，并且對(duì)全部圖像進(jìn)行處理將難以保證適時(shí)性。圖2中的白色方框?yàn)檫x擇的關(guān)注區(qū)域，由圖2可知，得到的焊縫圖像存在著嚴(yán)重的鏡面反射等干擾，給特征提取帶來了極大的困難，通過平滑濾波可以把絕大數(shù)干擾濾除，使圖像變得平滑，便于后續(xù)處理。得到的平滑圖像通過閾值變換獲得合適的二值圖像，形態(tài)學(xué)開操作能有效地平滑輪廓，再通過骨架提取就得到了焊縫的骨架。圖像處理的流程如圖3所示。

圖1 系統(tǒng)結(jié)構(gòu)

圖2 原始焊縫

圖3 圖像處理流程

2.1 選擇關(guān)注區(qū)域

選擇關(guān)注區(qū)域能夠極大減少算法的計(jì)算時(shí)間，從而保證骨架提取的適時(shí)性。就鍍鋅生產(chǎn)線、冷軋生產(chǎn)線的激光焊機(jī)視覺系統(tǒng)而言，攝像機(jī)、結(jié)構(gòu)光光源與帶鋼接頭的三維空間的位置基本上是固定的，所以關(guān)注區(qū)域可以根據(jù)現(xiàn)場的焊縫接頭的具體位置來設(shè)定。

2.2 平滑濾波

噪聲主要是以圖像中灰度值高頻波動(dòng)的方式暴露出來的，對(duì)于高精度的測量任務(wù)，選擇了7×7的高斯濾波器模板，得到了較好的圖像結(jié)果。

2.3 最優(yōu)閾值變換

固定閾值僅在待處理圖像的灰度值和背景的灰度值不變時(shí)效果很好，并不能保證算法的魯棒性。下面提出一種最優(yōu)閾值計(jì)算方法，最大限度地保留焊縫結(jié)構(gòu)光條紋區(qū)域的信息。首先使用背景差分算法去除非均勻光照造成的影響，然后再利用類間方差方法求最佳閾值。

使用當(dāng)前前景圖像與當(dāng)前背景圖像進(jìn)行差分運(yùn)算[6]

式中F(i，j)為前景圖像；G(i，j)為背景圖像。對(duì)差分圖像進(jìn)行二值化處理

式中t*為最佳閾值。

在待識(shí)別圖像中,目標(biāo)和背景共同構(gòu)成原始圖像。goa為目標(biāo)與原圖之間的某種差距度量，gba為背景與原圖之間的某種差距度量，則目標(biāo)與原圖和背景與原圖之間的均值差距度分別為[7]

由此，類間方差為

最優(yōu)閾值t*通過求類間方差的最大值得到

2.4 開操作

開操作一般使對(duì)象的輪廓變得光滑，斷開狹縫的間斷，消除小的“孤島”和突刺。○為開操作，用結(jié)構(gòu)元素b對(duì)圖像f進(jìn)行開操作表示為[8]

即先用b對(duì)f進(jìn)行簡單的腐蝕操作，然后用b對(duì)得到的結(jié)果進(jìn)行膨脹操作。

2.5 骨架提取

骨架提取的目的是減少圖像成份，直到只留下區(qū)域的最基本信息，以便進(jìn)一步分析和識(shí)別。骨架可表示為[9]

式中A為要處理的圖像；B為結(jié)構(gòu)元素；A?kB表示對(duì)A的連續(xù)k次腐蝕，第k次是A被腐蝕為空集前進(jìn)行的最后一次迭代，即

3 焊縫特征提取的設(shè)計(jì)

3.1 直線及其拐點(diǎn)查找

由提取出的骨架圖像(見圖6)中明顯看出，圖像由直線和圓弧組成。光滑曲線上，其導(dǎo)數(shù)曲線也是連續(xù)的，即各點(diǎn)的左斜率與右斜率相等；而在輪廓的拐點(diǎn)處，導(dǎo)數(shù)曲線不連續(xù)，左斜率與右斜率相差很大。假設(shè)拐點(diǎn)區(qū)域大小為n，在區(qū)域中的pk處，取pk及其左邊共m+1點(diǎn)擬合直線，計(jì)算其左斜率kl，同樣取及其右邊共m+1點(diǎn)擬合直線，計(jì)算其右斜率kr。計(jì)算區(qū)域中全部點(diǎn)的左右斜率，得到序列kln，krn(n=1，2，…，n)，并計(jì)算左右斜率差分值Δ kn最大時(shí)為拐點(diǎn)。利用最小二乘法擬合法進(jìn)行擬合[9]

式中(xi，yi)為已知點(diǎn)；n為擬合點(diǎn)數(shù)，φ(x)=kx+b為擬合函數(shù)。最小二乘法考慮的是已知數(shù)據(jù)點(diǎn)到擬和函數(shù)的距離平方和為最小，其中

最后在得到拐點(diǎn)之后利用最小二乘法左拐點(diǎn)以左及右拐點(diǎn)以右進(jìn)行線性擬合。

3.2 圓弧的擬合

為了提高余高的精確，可以通過查找一些邊緣點(diǎn)，然后再對(duì)圓弧狀輪廓進(jìn)行圓的擬合。輪廓上的所有點(diǎn)到擬合圓的平方距離進(jìn)行連加求和，然后使求得的總和最小化[10]

式中(α，β)是圓心；ρ為圓的半徑；n為參與擬合計(jì)算的特征點(diǎn)個(gè)數(shù)。

3.3 特征參數(shù)的計(jì)算

熔寬、錯(cuò)邊和余高是表征激光焊縫質(zhì)量的關(guān)鍵參數(shù)，如圖4所示。可靠地檢測這幾個(gè)參數(shù)對(duì)智能的判斷焊縫質(zhì)量具有重要意義。

圖4 焊縫參數(shù)測量示意

熔寬是焊縫輪廓線兩端拐點(diǎn)的距離。錯(cuò)邊為焊縫兩側(cè)母板間距離。余高是最大和最小y坐標(biāo)值的特征點(diǎn)，其y坐標(biāo)值之差為余高的值。

通過特征的提取，得到了相應(yīng)位置點(diǎn)的像素坐標(biāo)，根據(jù)圖4以及式(10)～式(12)計(jì)算出熔寬、錯(cuò)邊以及余高在圖像空間的像素。

式中(x1，y1)，(x2，y2)為焊縫拐點(diǎn)；圓心為(xr，yr)；w為熔寬；Δ x為錯(cuò)邊；h為余高。

4 實(shí)驗(yàn)結(jié)果

使用大功率激光焊機(jī)焊縫的圖像處理算法和焊縫參數(shù)特征提取算法，對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行如下分析。

圖5為原始圖像對(duì)焊縫極其周邊區(qū)設(shè)為關(guān)注區(qū)域后的圖像，如圖2中的白色方框所示。可以看出圖像具有嚴(yán)重的鏡面反射、激光衍射干擾噪聲，有必要采用圖像處理算法對(duì)其進(jìn)行處理。

對(duì)圖像5進(jìn)行骨架提取后如圖6所示，查找骨架拐點(diǎn)提取直線特征并進(jìn)行最小二乘擬合的圖像。通過此算法可以得到拐點(diǎn)的像素坐標(biāo)，利用式(10)及式(11)可以計(jì)算熔寬和錯(cuò)邊。

圖7為焊縫焊接處的圓弧擬合圖像。通過此算法可以得到擬合圓的圓點(diǎn)像素坐標(biāo)及其半徑，利用式(12)可以計(jì)算余高。

圖5 選擇感興趣區(qū)圖像

圖6 直線拐點(diǎn)查找以及直線擬合

圖7 圓弧擬合

通過特征的提取，得到了相應(yīng)位置點(diǎn)的像素坐標(biāo)，根據(jù)式(10)～式(12)計(jì)算出熔寬、錯(cuò)邊和余高的像素值。如圖8～圖10所示，采用視覺系統(tǒng)對(duì)焊縫圖像采集了392幀圖像，使用焊縫圖像處理以及質(zhì)量參數(shù)提取算法分別繪制的序列圖像熔寬、錯(cuò)邊、余高像素變化的結(jié)果，從圖像結(jié)果中可以看出焊縫特征均有波動(dòng)，但波動(dòng)范圍不大，這進(jìn)一步說明了提出的算法具有可行性。

5 結(jié)論

大功率激光焊機(jī)在鋼鐵行業(yè)的冷軋、鍍鋅生產(chǎn)線上的應(yīng)用越來越得到重視，焊縫的關(guān)鍵質(zhì)量參數(shù)的可靠檢測是實(shí)現(xiàn)生產(chǎn)線全自動(dòng)化運(yùn)行的關(guān)鍵技術(shù)之一。使用計(jì)算機(jī)視覺技術(shù)檢測焊后焊縫，能夠精確快速檢測出焊縫的關(guān)鍵參數(shù)，確定焊縫質(zhì)量，對(duì)保證工業(yè)生產(chǎn)的高效、可靠運(yùn)行起著重大作用。焊縫的關(guān)鍵參數(shù)視覺檢測的核心在于圖像處理算法的合理設(shè)計(jì)。實(shí)驗(yàn)結(jié)果表明，在此提出的基于最優(yōu)閾值分割的光條細(xì)化算法有效地確定了光條在圖像平面的變形，可靠提取出了熔寬、錯(cuò)邊以及余高等焊縫特征參數(shù)。

圖8 序列圖像熔寬變化

圖9 序列圖像錯(cuò)邊變化

圖10 序列圖像余高變化

[1]王春明，胡倫驥，胡席遠(yuǎn).激光焊接質(zhì)量實(shí)時(shí)檢測技術(shù)的研究現(xiàn)狀[J].電焊機(jī)，2005，35(7)：18－22.

[2]伏喜斌，林三寶，楊春利.基于激光視覺傳感的角焊縫外形尺寸檢測[J].焊接學(xué)報(bào)，2008，29(7)：47－50.

[3]White R A，Smith J S，Lucas J.Vision－based gauge for online weld profile metrology[C].IEE Proceedings－Science，Measurement and Technology，1994，141(6)：521－526.

[4]李原，徐德，沈揚(yáng)，等.一種焊縫結(jié)構(gòu)光圖像處理與特征提取方法[J].焊接學(xué)報(bào)，2006，27(9)：25－31.

[5]胡斌，李德華，金剛，等.基于方向模板的結(jié)構(gòu)光條紋中心檢測方法[J].計(jì)算機(jī)工程與應(yīng)用，2002；38(11)：59－60.

[6]陳鳳東，洪炳镕.基于動(dòng)態(tài)閾值背景差分算法的目標(biāo)檢測方法[J].哈爾濱工業(yè)大學(xué)學(xué)報(bào)，2005，37(7)：883－884，955.

[7]韓思奇，王蕾.圖像分割的閾值法綜述[J].系統(tǒng)工程與電子技術(shù)，2002，24(6)：91－94.

[8]阮秋琦，阮宇智，譯.岡薩雷斯數(shù)字圖像處理[M].北京：電子工業(yè)出版社，2007.

[9]陳穎，張偉，李志偉，等.基于圖像處理的直線刃刀具角度測量[J].工具技術(shù)，2007，41(5)：86－88.

[10]楊少榮，吳迪靖，段德山，譯.機(jī)器視覺算法與應(yīng)用[M].北京：清華大學(xué)出版社，2005.

A quality parameter extracting method for the seam of high power laser welder

CHEN Hai-yong，LI Jiang-wei，LI Lian-bing，SUN He-xun
(School of Control Science and Engineering，Hebei University of Technology，Tianjin 300130，China)

A scheme of image processing and quality parameters feature extraction has been developed for the high power laser welding seam，it effectively overcomes the various disturbances of the environment and welding seam's parameters are got reliably.The line structured light stripe of micro weld is got used a CCD camera with industrial microscope lens.According to the difference of background and foreground image in the area of the line structured light stripe being great，we propose a strip thinning algorithm based on optimal threshold segmentation，which effectively determines the strip's deformation and some parameters such as the bead width，difference of the butting plates and reinforcement height are selected and extracted as feature in the image space.The experimental results demonstrate the effectiveness of the scheme，and they are satisfactory.

laser welding seam；line structure light；image processing；quality parameter

book=52,ebook=299

TG456.7

A

1001－2303(2010)11－0052－05

2010－10－15

河北自然科學(xué)基金資助項(xiàng)目(F2010000160)

陳海永(1980—)，男，河南開封人，講師，主要從事焊縫圖像處理與建模、焊接機(jī)器人控制等研究工作。