基于機器視覺的增材制造激光熔覆熔池邊緣檢測和行為參數分析

王仁杰，史圣泰

（江蘇大學，江蘇 鎮江 212013）

增材制造(Additive Manufacturing, AM)技術 (也稱為3D打印技術)是20世紀80年代后期發展起來的新型制造技術。近三十年來，增材制造技術不斷發展，已經在各種領域得到應用，是智能制造的重要環節，為現代制造業的發展以及傳統制造業的轉型升級提供了巨大契機。在各種增材制造方法中，激光增材制造（Laser Additive Manufacturing，LAM) 成形技術是最具代表性的一種增材制造技術，能直接制造出全致密且力學性能優異的零件[1]，近年來發展迅猛，成形材料種類不斷增多，成形精度不斷提高，成形結構日趨復雜。

但是，金屬增材制造采用逐點或逐層堆積材料的方法制造金屬制件，屬于離散、堆積成形的“增材”方法，其與傳統的去除成形（車、銑、刨、磨等）和受迫成形（鍛壓、鑄造粉末冶金等）等“減材”制造方法存在本質上的不同[2]。因此，其成形的金屬制件也具有不同于傳統金屬制件的特點，存在各種成形質量問題及缺陷。因此，如何實時獲取成形過程中的行為參數，實現閉環控制，從減少成形缺陷、提高金屬零部件的力學性能，防止變形和開裂，實現金屬構件控形控性增材制造，是目前金屬增材制造領域的關鍵問題。

目前對于金屬激光增材制造過程中熔池的在線檢測，主要可分為可見光學攝像法、紅外熱成像法、聲信號法等。東南大學自動化學院的袁景光等人[3]為實現熔池溫度的閉環控制，基于比色測溫與光電檢測技術，提出了一種復合結構的放大電路，它可以完成熔池溫度的在線檢測。哈爾濱工業大學現金焊接與連接國家重點實驗室與江蘇科技大學的陳琪昊，楊春利等人[4]以鋁鋰合金為研究對象，研究超聲作用階段和形式對熔池晶粒結晶的影響。

以上兩種方法分別注重于熔池溫度，晶粒結晶，而關于熔池形貌、邊緣尺寸一樣具有重要的研究意義，并且通過在線監控構建閉環控制，對熔池幾何形貌和溫度進行控制，可以保證熔池的幾何形貌和溫度在熔覆過程中的穩定，顯著提升了熔覆質量[5]。沈陽航空航天大學航空制造工藝數字化國防重點學科實驗室的欽蘭云等[6]在激光沉積制造過程中，證明了熔池寬度與激光功率呈正相關，與掃描速度呈負相關的結果。大阪大學連接焊接研究所與山東工業大學連接技術研究所的M.Ushio,C.S.Wu[7]建立了用于移動GMA熔池中的熱量和流體流動的三維模型，發現熔池的大小和輪廓受熔融焊絲的體積，受熔滴的沖擊和熔滴的熱含量的強烈影響。而與傳統方法不同，而機器視覺檢測技術因其具有高精度、無接觸、高速度的優點，已成為智能制造中自動測量的重要發展方向。燕山大學的張連盟[8]對工件特點圖象進行圖像濾波、腐蝕、膨脹、二值化等圖像預處理技術是典型的機器視覺處理圖像方法。

本文在高速攝像機的基礎上，提出一種基于機器視覺技術的增材制造激光熔覆熔池邊緣在線監測方法，并獲取熔池參數信息，分析其行為特征。本方法在機器視覺圖象處理方面做了方法改進，提高了激光增材制造熔池的在線監測能力，并可實時反饋，在智能制造方面有者自主判斷反饋的優越性。

1 基于高速攝像機的激光金屬熔覆過程視頻圖象采集

激光熔覆實驗與圖象采集：首先進行實驗裝置試驗臺的搭建，如圖1所示。隨之開始實驗與圖象采集。

圖1 激光金屬熔覆試驗臺

實驗內容：進行送粉式激光熔覆實驗，用高速攝像機采集熔池圖象，獲得熔池二維光學圖像，在線監測拍攝熔池視頻，并同時用機器視覺對圖象進行處理得到熔池邊緣與熔池參數，在時間長度上對比分析熔池邊緣與參數變化并進行分析，達到在線監測分析的效果。

實驗設備：激光熔覆實驗臺，包括激光器，送粉系統，控制系統，激光冷水機以及加工過平臺，激光熔覆頭，保護氣控制系統；千眼狼5F04高速相機及相機架，光源，濾光片，中性衰減片，保護鏡片，標準標定板，裝有圖像采集軟件的筆記本電腦。

實驗材料：In718粉末；基體材料。

實驗過程：首先將高速相機架在激光熔覆試驗臺旁，調節相機，使相機中心對準單熔覆道；然后使用標定板對相機進行標定；通過激光熔覆預實驗選定合適的濾光片范圍，使高速相機能夠清晰地獲取熔池的表面形貌；接著開始熔覆實驗，在基體上反復朝同一方向熔覆長度為80mm的單熔覆道，并拍攝視頻進行在線監測，在攝像監測過程過程中截取圖片并處理，得到熔池邊緣圖象與參數，分析熔池行為。最后關閉電源，清理熔覆試驗臺，整理好實驗器材。

實驗過程持續約100s，高速攝像機在線監測激光熔覆、數據提取分析同時進行，示例圖片如圖2所示。

圖2 激光金屬熔覆視頻片段

2 基于機器視覺的圖象處理

2.1 圖象處理思路與程序編寫過程簡述

首先確定如何處理圖象，此方法采用了Python-opencv作為機器視覺的實現載體。處理過程由python-opencv程序算法實現。

圖象處理步驟：

（1）將圖片灰度化以方便后續處理。

（2）首先我們需要將熔池正在被激光照射熔化的點進行定位。此處進行第一次閾值二值化，并且進行加大腐蝕膨脹，直至圖象僅出現一處白區，此處便是最亮處，也就是激光照射、熔覆溫度最高的地方。由此可由程序自動確定熔池熔化進行點。

（3）隨后在原灰度圖上用上布得到的此點坐標周圍區域為興趣區，興趣區及包括熔池的一個更精確范圍，截取這塊興趣區，在單獨進行下一步處理，這樣可以排除其他背景的影響，減小圖象處理的難度，提高熔池邊緣檢測的準確性。

（4）在截取的圖上，重新進行腐蝕膨脹，然后進行橫向模糊，再二次腐蝕，可進一步把背景白點雜點最大化去除。

（5）然后再用canny邊緣檢測找到熔池輪廓邊緣。

（6）最后同時用面積和長度輪廓篩選，進一步去除熔池邊緣以外的雜線。

（7）在處理完畢后，進一步在找到的熔池邊緣上找到水平豎直兩個方向的邊界點，及圖象最高點、最低點、最左端、最右端，畫出熔池邊緣最小外包矩形，并且顯示熔池長度，寬度。圖片處理過程見圖3。

圖3 圖象處理過程

2.2 熔池的視頻圖象處理與參數獲取

此時圖象處理的流程及準確確定熔池邊緣的方法已經確定，將其應用到實驗中在線獲得的視頻圖象處理中，便可以得到并分析實際實驗熔池的參數、行為。

在在線監測過程中，本實驗以5～10s為頻率截取圖象，同時在后臺電腦上使用python-opencv對實時圖象進行如前面所述方法進行處理，找到熔池的邊緣，從而得到熔池的參數，并自動記錄數據，繪制數據圖表，以供后臺人員進行監控分析。圖象及其參數數據保存在本地組成序列。圖象處理序列示意見圖4。

圖4 圖象處理序列

2.3 圖象處理方法先進性分析

由于自動尋找興趣區域，即熔池所在區，可以縮小圖象處理范圍，大大減少了對背景雜點白點干擾區的處理量，從而降低了圖象處理難度，提高邊緣提取精度與背景雜點去除效率，提高了熔池邊緣檢測精度。具體效果見圖3。

而傳統的opencv圖象處理方法，由于背景的打光影響，太多雜點與高亮區域。若想體取教完整的熔池區域，便會難以去除背景無關亮區影響，見圖5。但是若想提高閾值或者腐蝕，盡可能處理掉背景無關亮區，熔池的邊緣又會不夠準確，見圖6。

圖5 傳統方法保留熔池區完整

圖6 傳統方法提高閾值

3 參數數據的處理與熔池行為分析

3.1 參數數據的處理

本次實驗我們可以得到熔池的最小外包矩形的長寬，以及由此計算的最小外包矩形面積（近似代表熔池區域，研究其相對變化），將得到的數據與歷史數據一起統計成表，求其均值。并且繪制折線圖，觀察其規律變化，與其圖象相應的實驗情況相對照分析。

表1 數據處理記錄表

本次實驗共持續100秒，截取了17張圖片組成的圖片序列。處理所得數據表見表1，最小外包矩形長度與其均值折線圖見圖7，最小外包矩形寬度與其均值折線圖見圖8，最小外包矩形面積與其均值折線圖見圖9。

圖7 長度與其均值折線圖

圖8 寬度與其均值折線圖

圖9 面積與其均值折線圖

3.2 分析熔池行為

分析統計數據表與折線圖并與原圖像對照發現。

（1）在激光熔覆過程中熔池的面積在進行一定的類周期變化。且熔池面積偏大出現在圖象熔化軌跡的前上部分，熔池面積偏小出現在圖象中熔化軌跡的后下部分。分析原因可能是：①熔覆時，送粉式激光熔覆以螺旋形式前進，在前部金屬底板新生的熔池與在后部、半凝固狀態的前熔池基礎上又熔覆的熔池，兩者的熔覆速度不一樣，導致面積也不同。②由于激光照射的原因，在激光射在融區偏上時，圖象處理將一部分打在外圈的光也包括進去。

（2）在激光覆融的開始階段，熔池的面積有一個增加的過程。分析是因為在開始熔覆的時候，溫度上升有一個初始過程。

（3）將熔池最高與最低點距離均值、最左與最右距離均值對比來看，及矩形的長寬均值對比來看，熔池在激光前進方向的長度（矩形長）比熔池在垂直前進方向的長度要長。分析原因應于上面1-1）原理類似，是由于后部的融化部分有冷卻延遲導致長度方向變長。因此可以根據實時的熔池參數變化，調整相應的激光、送粉、溫度等參數，來調整激光增材制造過程，實現閉環，使制造的零件質量更好、可控，達到了智能制造的目的。

4 結語

為實現金屬構件激光增材制造過程的在線檢測與質量控制，提出一種基于機器視覺的增材制造激光熔覆熔池邊緣檢測從而實時行為參數分析監控的處理方法。并且在機器視覺處理圖象的一般方法中做了改進。實驗表明，這種方法可以有效的對激光熔覆過程中的熔池進行監控，并且實時處理分析數據，相較于一般的方法更加精確有效。此方法應用在激光增材制造中，實現了在線監控、分析、反饋、調整，在智能制造領域可以起到自主監管、保證質量的優越性。