CO2焊熔池圖像采集與處理研究

劉曉剛,黃　詩,劉天元（.桂林航天工業(yè)學院,廣西　桂林　54004;　.廣西科技大學,廣西　柳州　545000）

?

CO2焊熔池圖像采集與處理研究

劉曉剛1,黃詩2,劉天元2
（1.桂林航天工業(yè)學院,廣西桂林541004;2.廣西科技大學,廣西柳州545000）

摘 要：本文用視覺檢測系統(tǒng)采集二氧化碳焊熔池的圖像，對熔池圖像用Matlab軟件進行處理和邊緣提取，獲得高質量的熔池圖像，為進一步進行熔池圖像處理和焊縫跟蹤技術奠定基礎。

關鍵詞：熔池圖像；圖像處理；邊緣提取

0　引言

科學技術的不斷進步，焊接機器人在焊接領域占有舉足輕重的地位，焊接過程中，焊接自動化直接影響焊接的質量。近幾年許多研究者利用CCD相機獲取熔池圖像，將獲取的圖像利用Matlab軟件對圖像進行處理，獲得清晰的熔池圖像[1-2]。影響焊接質量的因素很多，其中焊縫寬度最為突出，只有獲得清晰的熔池圖像才能為后續(xù)的研究做好準備。熔池的幾何形狀可以為后續(xù)的焊縫跟蹤技術奠定基礎[1]。但是，焊接時弧光干擾和飛濺成為獲得清晰圖像的主要障礙[3]。為了掃清這一障礙不少研究人員也提出了解決辦法。

1　CO2焊熔池視覺系統(tǒng)

目前計算機不斷更新，各硬件和軟件的不斷升級，許多研究者用圖像傳感設備使許多機器人也具備了一定視覺功能。它們既具有焊接工人的視覺感知能力，也可以獲取飛濺干擾下的焊縫圖像、實時提取焊接熔池特征參數(shù)、預測焊縫的組織結構和性能等工作，確保焊縫質量的穩(wěn)定和可靠[4]。建立如圖1所示的CO2熔池視覺系統(tǒng)，該系統(tǒng)由焊接電源、機械手、焊機控制箱、計算機、采集卡、近紅外CCD、濾光片、試件、工作臺等部分組成[5]。焊接試驗采用短路過渡二氧化碳氣體保護焊，電弧電壓15V，焊接電流 100A，焊接速度 1200mm/ min，板材為低碳鋼，板厚6mm，焊絲為￠1.2mm，氣體流量為20L/ min。焊接時CCD攝像機將熔池圖像信息傳送給圖像采集卡，并將其轉化為數(shù)字信號傳輸給計算機，經(jīng)過處理后提取出清晰的熔池圖像,如圖2。

圖1　CO2熔池視覺檢測系統(tǒng)

圖2　熔池圖像

2　圖像預處理

由于CCD攝像機自身的特點,在采集熔池圖像的過程中,往往會受到許多因素干擾,產(chǎn)生很大的噪聲。通常消除噪聲的方法有兩類:一類是不考慮噪聲產(chǎn)生的原因,只顯示對我們有用的部分,弱化不重要的信息;另一類是考慮噪聲的來源,對其補償,使補償后的圖像非常接近原圖像。第一類降噪的常用方法有均值濾波、圖像平滑等,這類方法可以降低一定的噪聲,但是需要較好的算法,否則圖像會變得更加模糊。第二類方法主要包括逆濾波器、最小二乘約束復原等方法,這類方法有時能獲得較好的效果,但是算法相當復雜[6]。 針對采集到的熔池圖像普遍存有水平條紋這個特點,通常選擇圖像濾波對圖像進行預處理。

2.1熔池圖像的濾波去噪

在數(shù)學領域，圖像噪聲可以分為加性噪聲和乘性噪聲，數(shù)學公式如下表示：

公式中g（x,y）表示處理后的圖像，f(x,y)表示圖像輸入信號，n(x,y)表示干擾信號。其中加性噪聲的圖像信號強度不隨噪聲的變化而變化；而乘性噪聲的圖像信號強度會隨噪聲的變化而變化。

2.2均值濾波

在焊接過程中，由于熔池圖像中存在噪聲顆粒使得焊接過程中的熔池圖像的灰度往往會發(fā)生突變，此時我們對圖像進行均值濾波處理。均值濾波的核心方法是鄰域平均法，用平均值來代替原圖像中的單個的像素值是均值濾波的核心理論。例如，有一張剛采集的熔池圖像，取圖像上的一個像素點A（x，y），以點A（x, y)為中心的領域的各點形成模塊，對模塊的各點取均值，最后把A（x，y）的值用均值代替，此時點A的值為其灰度 g（x0，y0），如公式（3）所示：

均值濾波的主要特點是算法比較簡單和計算速度快，但它是不能很好地保護圖像細節(jié)，使圖像邊緣變得更加模糊。通常的解決辦法是取閾值，用所取的閥值與像素的灰度值進行比較，如果大于閥值，則用閥值代替，如果小于閥值就保持不變。通常表示為：

對熔池圖像用均值濾波處理，如圖3所示。

圖3　均值濾波去噪示意圖

3　熔池圖像邊緣提取

經(jīng)過預處理得到的熔池圖像仍有少部分被弧光所掩蓋，只有提取出完整的熔池邊緣，就可以獲得較好的熔池形狀。

邊緣提取的本質思想使離散點連續(xù)化。本文用Sobel算子對熔池圖像進行邊緣檢測，其計算公式如下所示：

Tx=[f(x+1,y-1)+2*f(x+1,y)+f(x+1,y+1)]-[f(x-1,y-1)+2*f(x-1,y)+f(x-1,y+1)] Ty=[f(x-1,y+1)+2*f(x,y+1)+f(x+1,y+1)]-[f(x-1,y-1)+2*f(x,y-1)+f(x+1,y-1)]

通過計算可知 Sobel 算子卷積模板為：

用Sobel算子進行邊緣提取，如圖4。

圖4　Sobel 算子邊緣提取

4　結論

（1）利用機器人視覺獲得到清晰的二氧化碳焊的熔池圖像。

（2）將得到的熔池圖像利用均值濾波處理，得到我們需要部分。

（3）采用Sobel檢測算子對圖像進行邊緣檢測，得到完整的熔池邊緣。

參考文獻：

[1]劉明濤,高向東,陳建輝等.基于數(shù)學形態(tài)學的熔池圖像處理[J].焊接,2008(05):29-32.

[2]Gao X D,Na S J. Detection of weld position and seam tracking based on Kalman filtering of weld pool images [J]. J.Manuf.Syst.2005,24(01):1-12.

[3]汪巖峰,劉南生,林浩亮等.基于結構光投影的焊接熔池圖像獲取與處理[J].焊接學報,2008,29(10):81-84.

[4]陳強,孫振國.計算機視覺傳感技術在焊接中的應用[J].焊接學報,2001,01(22):83.

[5]劉曉剛,張成鋒.二氧化碳保護焊熔池圖像增強技術研究[J].輕工科技,2013(01):52-53.

[6]章夔晉.圖像處理與分析[J].北京清華大學出版社,2000.

作者簡介：劉曉剛（1964-），男，內蒙古包頭人，博士，教授，碩士研究生導師，主要從事：焊接機器人方面的科研和教學工作。

DOI :10.16640/j.cnki.37-1222/t.2016.01.026