基于模糊推理的V形焊縫圖像閾值的自動選取

余卓驊

(江西藍天學院，江西 南昌 330031)

基于模糊推理的V形焊縫圖像閾值的自動選取

余卓驊

(江西藍天學院，江西 南昌 330031)

介紹了機器人焊接V形焊縫圖像處理中基于模糊推理自動獲取局部閾值的算法。采用9種不同形狀的窗口模板，以列掃描方式求取這些窗口所覆蓋區域內的最大平均灰度值，然后以獲取的最大平均灰度值以及相鄰區域最大平均灰度值的改變量作為模糊推理器的兩維輸入，經過推理獲得這些窗口所覆蓋區域的閾值。通過變換最大平均灰度值這一論域中各個語言變量灰度值的取值范圍，對以不同的激光器作為輔助光源而獲取的焊縫圖像進行了處理試驗。

V形焊縫；閾值；水下焊接；焊縫識別

0 前言

機器人焊接過程中，在實時識別焊縫時要對圖像進行閾值分割，由于焊接采集的V形圖像中激光成像的亮度不均勻，特別是水下焊接，這就使得在進行圖像處理檢測焊縫中心時要能在不同區域自動的選擇不同的比較合適的閾值，干擾小、亮度低的區域采用較小的閾值，亮度高、弧光干擾大的區域采用較大的閾值，這樣既不破壞V形焊縫的形狀又能最大限度的消除干擾。圖1為陸地上采用低功率的激光器作為輔助光源采集的焊縫圖像，在機器人水下焊接過程中，由于水中雜質以及焊接過程中因藥芯焊絲產生的廢渣使得采集到的圖像比較模糊[1－2]，而且伴有比較強的背景干擾，特別是由于水的攪動，經常使得采集的焊縫圖像有水泡干擾。圖2為焊接時采集的圖像，下方的亮斑是水泡形成的。為了使焊接順利進行，必須在不同的區域選擇合適的閾值。

1 基于模糊推理的閾值自選定的設計

本實驗采集的水下焊接圖像是在常溫、常壓下進行的，水深約20 cm，紅光“一”字形激光器型號為 LD650－5－25，波長 650 nm，功率 25 mW，生產廠家為西安華科光電有限公司。

圖1 陸地上弧光飛濺干擾圖像

圖2 焊接時水泡干擾圖像

從V形焊縫成像特點來看，除去干擾外激光帶處的平均灰度值是最大的。采用列掃描方式尋求最大的灰度平均值容易選中激光帶處的像素點，選取激光帶處的像素點越多，灰度值自然就越大，閾值越符合去除干擾的要求。為了很好地做到這一點，選擇5×5窗口模板，在5×5像素區域中制作9種不同的子窗口模板[3]，其示意如圖3所示。

圖3 5×5窗口包括的9種子窗口

圖中的“×”表示實際選中的像素點。以上述窗口在焊縫圖像上滑動獲取最大灰度平均值的示意如圖4所示。

圖4 5×5窗口滑動獲取最大平均灰度值示意

該模糊推理器是二維輸入一維輸出。輸入分別為每列(列指的是5×5窗口以列的方向所覆蓋的區域)最大的灰度平均值maxave和相鄰兩列(兩列指的是相鄰的兩個5×5窗口以列的方向所覆蓋的區域)最大灰度平均值的改變量Δ maxave。根據對焊縫圖像的處理分析可知，每列最大灰度平均值maxave的范圍為[0，243]，即其論域為[0～243]；Δ maxave的論域為[－20～20]。模糊變量集合 maxave、Δ maxave的取值為七個，分別是負大(NB)、負中(NM)、負小(NS)、零(ZE)、正小(PS)、正中(PM)和正大(PB)。maxave 的語言變量的論域均劃分為｛0，1，2，3，4，5，6，7，8，9，10，11，12｝，Δ maxave 的語言變量的論域均劃分｛－6，－5，－4，－3，－2，－1，0，1，2，3，4，5，6｝，對應的量化因子分別為12/243和6/20。隸屬函數均采用等腰三角形，圖5為maxave的隸屬函數。對應為：負大(NB)0～2，負中(NM)0～4，負小(NS)2～6，零(ZE)4～8，正小(PS)6～10，正中(PM)8～12，正大(PB)：10～12。輸出的閾值用 thres表示，其論域為[160～243]，量化因子為：6/83，模糊變量集合的取值為4個，分別是較小(JS)、正中(PM)、較大(JB)和正大(PB)，其語言變量的論域均劃分為｛0，1，2，3，4，5，6｝，隸屬函數也采用等腰三角形，即 JS：0～2，PM：0～4，JB：2～6，PB：4～6。根據圖像處理分析得出的模糊規則表1所示。

解模糊時and用求交法，also用求并法，合成用最大－最小法，模糊蘊含用求交法，可以求得輸出量的模糊集合。清晰化采用加權平均法，與輸出變量的量化因子作用后可以得到相應的閾值。

2 水下焊接焊縫圖像處理實驗

先對水下焊接圖像進行閾值分割，如圖6所示。

圖7a、圖8a為采用模糊推理的局部閾值分割處理的結果，圖7b、圖8b為對同一幅圖像采用全局閾值分割處理的結果。

表1 模糊規則表

圖6 干擾較小的水下焊接圖像

圖7 兩種閾值分割處理結果

圖8 對干擾較大的圖2處理的結果

從圖7、圖8可以看出，局部閾值分割更有助于消除弧光干擾。

3 陸地上焊接焊縫圖像處理實驗

由于陸地上焊接對激光光線亮度的衰減程度要比水下焊接小得多，所以采用的激光器的功率要比水下焊接小，成像后V形焊縫的亮度稍低，灰度值稍小，所以在進行模糊推理時，應調整最大平均灰度值這一論域中各語言變量的灰度值范圍，這可以通過單獨的處理實驗來確定。

本研究選取陸地上的焊接圖像有對接焊接和搭接焊接，如圖1、圖9、圖10所示。

圖9 搭接焊接圖像一

圖10 搭接焊接圖像二

圖11 ～圖13是對圖1、圖10、圖11處理的結果，圖11a、圖12a、圖13a是采用模糊推理的局部閾值分割處理的結果，圖11b、圖12b、圖13b是對同一幅圖像采用全局閾值分割處理的結果。

圖11 對圖1處理結果

圖12 對圖10處理結果

圖13 對圖11處理的結果

陸地上處理的結果說明：當弧光干擾較小時，兩種閾值分割的結果接近；當弧光干擾較大時，采用模糊推理獲取局部閾值法處理的效果更好。

4 結論

(1)對于比較強的干擾，只要其灰度值比激光帶的稍低，采用本研究的處理方法能很好地去除干擾。

(2)激光器的功率越大，聚散度越高，越能較好的去除干擾。

[1]何銀水，張 華.水下焊接中無弧V形焊縫的識別[J].焊接，2006(2)：39－43.

[2]何銀水，張 華，余卓驊，等.水下焊接中V形焊縫的識別[J].焊接，2007(7)：49－52.

[3]楊淑瑩.VC＋＋圖像處理程序設計[M].北京：清華大學出版社，2003.

Automatic selection for the threshold of arc－v－shape weld based on fuzzy reasoning

YU Zhuo-hua
(Jiangxi Blue Sky University，Nanchang 330031，China)

An arithmetic of threshold selected automatically based on fuzzy reasoning for image processing of arc－v－shape weld by robot is introduced.Designing nine kinds of window templates，and getting the maximum average gray level value in the region where these templates can cover through scanning by rows，using the maximum average gray level value and it's change quantity as the two inputs of fuzzy controller，and getting the local threshold where these templates can cover through reasoning.At last，the phrase of the maximum average gray level value includes seven language variables，and every variable accords with different gray level value range，it can obtain thresholds of different kind of weld images that use different laser as assistant lamp－source，and making experiment on these images adopting the way above.

arc－v－shape weld；threshold；underwater weld；detection of weld

TG456.5

A

1001－2303(2011)03－0040－04

2010－02－16

余卓驊(1979—)，男，碩士，主要研究方向為機器人焊接圖像處理及其控制的研究工作。