水下焊縫成形尺寸的視覺檢測研究

葉雄越

水下焊縫成形尺寸的視覺檢測研究

葉雄越

（廣東福維德焊接股份有限公司）

水下焊縫余高和熔寬的實(shí)時(shí)檢測可為水下焊接參數(shù)的實(shí)時(shí)調(diào)整提供依據(jù)。采用激光結(jié)構(gòu)光為輔助光源，對水下焊縫進(jìn)行實(shí)時(shí)視覺檢測。對采集的成形焊縫激光圖像進(jìn)行濾波、銳化、圖像分割與形態(tài)學(xué)處理，以提取焊縫余高和熔寬參數(shù)。搭建試驗(yàn)平臺進(jìn)行水下焊接試驗(yàn)，將實(shí)際測量的焊縫成形尺寸與經(jīng)視覺檢測獲得的焊縫余高和熔寬進(jìn)行對比，結(jié)果表明，視覺檢測的精度較高。

水下焊接；余高；熔寬；圖像處理

0 引言

水下焊接技術(shù)是海洋工程建設(shè)的關(guān)鍵技術(shù)之一。水下焊縫余高和熔寬參數(shù)是影響水下結(jié)構(gòu)力學(xué)性能的關(guān)鍵參數(shù)。采用激光視覺傳感器對水下焊縫參數(shù)實(shí)時(shí)檢測，并反饋控制水下焊接，可保證焊接的質(zhì)量。

上世紀(jì)60年代東京大學(xué)Shiral[1]利用X射線進(jìn)行焊縫自動(dòng)檢測，可提取邊界并確定焊接位置。隨著計(jì)算機(jī)技術(shù)的發(fā)展，圖像處理技術(shù)在焊接領(lǐng)域得到廣泛應(yīng)用。韓國Doyoung Chang[2]等利用高斯濾波算法對焊縫特征點(diǎn)進(jìn)行檢測，并設(shè)計(jì)跟蹤器，其結(jié)果較精確。Hsing-Chia Kuo等[3]對焊縫圖像應(yīng)用模糊控制理論實(shí)現(xiàn)焊縫跟蹤。三維信息可詳細(xì)地反映焊縫表面特征，很多研究人員通過重建三維圖像實(shí)現(xiàn)對焊縫的跟蹤。Piquance Xu等[4]利用循環(huán)激光相機(jī)從2D圖像中提取3D信息，并以此研究焊縫跟蹤。然而，上述研究多集中在陸上焊接應(yīng)用，對于水下焊接的視覺檢測研究較少。本文進(jìn)行水下焊縫激光視覺圖像檢測的研究，有助于提高水下焊接質(zhì)量。

1 圖像采集系統(tǒng)

水下成形焊縫圖像采集系統(tǒng)主要包括META視覺傳感器系統(tǒng)、IRB140弧焊機(jī)器人和焊接系統(tǒng)，如圖1所示。該系統(tǒng)將META焊縫激光跟蹤系統(tǒng)裝在IRB140弧焊機(jī)器人手臂上，用以實(shí)現(xiàn)水下成形焊縫的實(shí)時(shí)采集。

焊接過程中，首先激光傳感器將激光條紋投射到工件表面，經(jīng)工件反射后由傳感器內(nèi)的CCD相機(jī)接收；然后CCD圖像信號輸入到圖像采集卡，由PC機(jī)的圖像處理軟件對該圖像進(jìn)行預(yù)處理、圖像分割和邊緣檢測；最后對焊縫輪廓邊緣進(jìn)行像素點(diǎn)位置計(jì)算，得到焊縫余高和熔寬參數(shù)；控制軟件將參數(shù)打包并通過串口傳輸?shù)絀RB140弧焊機(jī)器人控制端，實(shí)現(xiàn)焊接過程控制。

圖1 水下成形焊縫圖像采集系統(tǒng)結(jié)構(gòu)圖

2 水下成形焊縫特征提取

基于VC++6.0開發(fā)水下成形焊縫圖像處理軟件，以滿足水下焊縫成形尺寸檢測的實(shí)時(shí)性要求。水下成形焊縫特征提取過程主要包括圖像預(yù)處理、圖像分割與邊緣檢測、焊縫余高和熔寬提取3部分。

2.1 圖像濾波預(yù)處理

水下焊接過程中產(chǎn)生的氣泡、光折射和水中雜質(zhì)等都將產(chǎn)生大量的噪聲干擾，使采集的圖像包含片狀與條紋狀噪聲，如圖2所示。

圖2 含噪聲的水下成形焊縫原始圖像

其中，設(shè)為奇數(shù)，[/2]表示不超過/2的最大整數(shù)。

均值濾波后的水下成形焊縫圖像如圖3所示。

圖3 均值濾波后的水下成形焊縫圖像

均值濾波雖然可濾除噪聲，但同時(shí)使圖像變得模糊。本文采用拉普拉斯銳化處理，對水下成形焊縫圖像進(jìn)行八鄰域銳化處理，公式為

經(jīng)銳化處理過后，水下成形焊縫圖像在消除噪聲的同時(shí)保留重要特征，如圖4所示。

圖4 拉普拉斯銳化后的水下成形焊縫圖像

2.2 圖像分割

由于水下成形焊縫圖像具有灰度值均勻的背景以及亮度恒定的條紋特征，采用灰度閾值法可取得較好的分割效果。為保證圖像分割的準(zhǔn)確性，本文采用迭代最大類間方差法實(shí)現(xiàn)圖像的二值化。

2）將圖像中最暗的區(qū)域分割，剩下區(qū)域用OTSU法進(jìn)行二次分割。

對經(jīng)過預(yù)處理的水下成形焊縫圖像進(jìn)行分割，效果如圖5所示。結(jié)果表明：迭代OTSU法一般在2~3次分割后找出最優(yōu)閾值；分割質(zhì)量優(yōu)于一次OTSU法。為去除水下成形焊縫圖像中小面積偽特征，采用形態(tài)學(xué)運(yùn)算處理，先膨脹后腐蝕，效果如圖6所示。

2.3 圖像邊緣檢測

其中，為連通域像素點(diǎn)縱坐標(biāo)；為圖像縱坐標(biāo)。

圖6 膨脹、腐蝕處理后的焊縫圖像

提取連通域后，采用邊緣檢測算子檢測條形激光線的邊緣，從而確定激光線的位置[5-6]。經(jīng)邊緣檢測的水下成形焊縫圖像如圖7所示。

圖7 經(jīng)邊緣檢測的水下成形焊縫圖像

3 水下焊接試驗(yàn)與特征提取

水下成形焊縫圖像采集和處理試驗(yàn)平臺如圖8所示。利用該平臺可進(jìn)行水下成形焊縫參數(shù)提取試驗(yàn)。

圖8 水下成形焊縫圖像采集和處理試驗(yàn)平臺

考慮到水下焊接環(huán)境的特殊性，為減少焊接飛濺和煙塵，采用直徑為1.6 mm的SQJ501 CO2氣保護(hù)藥芯焊絲，進(jìn)行2組水下焊接試驗(yàn)，具體焊接參數(shù)如表1所示。

表1 水下焊接參數(shù)

為檢驗(yàn)水下成形焊縫圖像采集和處理系統(tǒng)對不同接頭的適應(yīng)性，按照表1進(jìn)行堆焊和對接接頭的焊接試驗(yàn)。焊接過程中，水下成形焊縫圖像經(jīng)過濾波去噪、銳化、二值化分割、邊緣檢測和形態(tài)學(xué)處理等，細(xì)化成一條單像素的成形焊縫激光線。

如圖9所示，形態(tài)學(xué)處理后的焊接圖像為一個(gè)像素寬的結(jié)構(gòu)光檢測線，由兩條直線段和中間一曲線段組成。通過計(jì)算求出曲線與直線的2個(gè)交點(diǎn)，并求出相交2點(diǎn)間的距離，即可求出成形焊縫熔寬；求出曲線頂點(diǎn)到直線的距離，即可求出成形焊縫余高[7-8]。

圖9 熔寬和余高位置示意圖

水下成形焊縫余高的計(jì)算過程：

1）對水下成形焊縫圖像進(jìn)行橫向逐行掃描，求出細(xì)化圖像中所有白點(diǎn)坐標(biāo)；

2）確定所有白點(diǎn)中最小和最大軸坐標(biāo)，計(jì)算最小和最大軸坐標(biāo)差從而求出焊縫余高。

水下成形焊縫熔寬的計(jì)算過程：

1）由上而下橫向逐行掃描，求出所有下一行白點(diǎn)的軸坐標(biāo)變大的點(diǎn)(,)，直到下一行坐標(biāo)不變或變小，記錄這些白點(diǎn)中軸坐標(biāo)值最小點(diǎn)的軸坐標(biāo)min；

2）繼續(xù)向下橫向逐行掃描，求出所有下一行白點(diǎn)軸坐標(biāo)變小的點(diǎn)(,)，直到下一行坐標(biāo)不變或變大，記錄這些白點(diǎn)中軸坐標(biāo)最小點(diǎn)的軸坐標(biāo)max；

3）用一維數(shù)組[]=(yy)存儲檢測距離，初始數(shù)量置為0；

4）繼續(xù)向下橫向逐行掃描，如果發(fā)現(xiàn)某行下一行白點(diǎn)軸坐標(biāo)值變大，則重復(fù)1）~3）過程，當(dāng)前數(shù)量+1，將檢測距離保存在[]中；

5）直至全部行掃描完畢，找出一維數(shù)組[]中的最大值D；

6）標(biāo)定系數(shù)（如=0.16 mm/pixel）×D即為熔寬。

熔寬檢測的試驗(yàn)結(jié)果如圖10所示，可見本文的焊縫圖像實(shí)時(shí)處理和成形焊縫參數(shù)提取方法能較好地提取水下成形焊縫的熔寬和余高參數(shù)，誤差在可接受范圍之內(nèi)。

圖10 水下FCAW熔寬檢測相對誤差曲線

4 結(jié)論

本文對水下成形焊縫圖像進(jìn)行濾波、增強(qiáng)、形態(tài)學(xué)處理等研究。結(jié)果表明，圖像處理結(jié)果能滿足后續(xù)焊縫參數(shù)提取的需要。搭建了水下成形焊縫圖像的采集和處理的試驗(yàn)平臺，對水下焊接堆焊和對接坡口焊接進(jìn)行成形焊縫的圖像采集和處理，可獲取水下焊縫的熔寬和余高，精度滿足應(yīng)用要求。

[1] 陳兵旗,孫明.Visual C++ 實(shí)用圖像處理專業(yè)教程[M].北京：清華大學(xué)出版社,2004.

[2] Chang D, Son D, Lee J, et al. A new seam-tracking algorithm through characteristic-point detection for a portable welding robot[J]. Robotics and Computer Integrated Manufacturing, 2012, 28(1): 1-13.

[3] Kuo HC, Wu LJ. An image tracking system for welded seams using fuzzy logic[J]. Journal of Materials Processing Technology, 2002, 120 (1-3): 169-185.

[4] 溫玉春.計(jì)算機(jī)圖像處理技術(shù)應(yīng)用研究[J].現(xiàn)代商貿(mào)工業(yè). 2011,22(12):178-179.

[5] D. Marr, E. Hidreth. Theory of edge detection. Proc. Roy. Soc. London. 1980, B207:187-217.

[6] Andres Huertas, Gerard Medioni. Detection of intensity changes with subpixel accuracy using Laplacian-Gaussion masks. IEEE Trans. Pattern Anal. Machine Intell. 1986, PAMI， 8(9): 651-664.

[7] 石永華.基于視覺傳感的藥芯焊絲水下焊接焊縫自動(dòng)跟蹤系統(tǒng)[D]廣州:華南理工大學(xué)博士學(xué)位論文,2001.

[8] 李介谷.計(jì)算機(jī)視覺的理論和實(shí)踐[M].上海:上海交通大學(xué)出版社,1991.

Study on Visual Detection of Geometry Size of Underwater Weld

Ye Xiongyue

(Guangdong Foreweld Company Limited)

Real-time detection of weld reinforcement and width of underwater weld can provide basis for real-time adjustment of underwater welding parameters. In this paper, structured light laser is used as an auxiliary lighting source for real-time visual inspection of underwater welds. The laser image of formed weld was filtered, sharpened, segmented and processed by mathematical morphology. The weld width and reinforcement were extracted from the images. A test platform was established to carry out the welding tests. The actual measured weld geometry sizes were compared with the weld width and reinforcement obtained by visual inspection. The experimental results show that the visual inspection has a high accuracy.

Underwater Welding; Reinforcement; Weld Width; Image Processing

葉雄越，男，1968年生，工程師，主要研究方向：自動(dòng)化焊接設(shè)備研發(fā)。Email: yexiongyue@126.com