基于視覺技術(shù)的風(fēng)電塔筒焊縫寬度檢測系統(tǒng)設(shè)計(jì)

趙國鑫 閆旺 于灝

關(guān)鍵詞：機(jī)器視覺；圖像處理；焊接檢測；風(fēng)電塔筒；焊縫寬度

0 引言

近年來，酒泉市風(fēng)力發(fā)電產(chǎn)業(yè)得到了快速發(fā)展，風(fēng)電塔筒是風(fēng)力發(fā)電重要的設(shè)備之一，在風(fēng)力發(fā)電機(jī)組中主要起支撐作用，同時(shí)吸收機(jī)組震動(dòng)，保證風(fēng)電設(shè)備的穩(wěn)定性。風(fēng)電塔高度高，需要有足夠的強(qiáng)度、剛度和抗疲勞性能，以保證在大風(fēng)或暴風(fēng)襲擊時(shí)，不會(huì)發(fā)生整機(jī)傾倒等事故。塔筒整體結(jié)構(gòu)采用焊接技術(shù)制造，焊縫長度長，焊接工程量大，焊接質(zhì)量要求高。在焊縫的外觀檢驗(yàn)中，寬度及寬度差檢測是焊縫外觀檢測的一個(gè)重要指標(biāo)。

目前，塔筒焊縫的外觀檢測使用的是人工檢測法，即工人利用焊縫檢測尺測量焊縫的不同位置進(jìn)行數(shù)據(jù)分析，由于焊縫較長，檢測過程費(fèi)時(shí)費(fèi)力，過度依靠檢測者的經(jīng)驗(yàn)，且具有較大的主觀性，不利于智能化推廣；而且會(huì)因工作時(shí)間的延長、出現(xiàn)測量者的疲勞和檢測水平的問題，出現(xiàn)誤測、漏測，測試結(jié)果不夠穩(wěn)定等問題。

通過與圖像處理和人工智能相結(jié)合的辦法來檢測焊縫的表面成型質(zhì)量，已經(jīng)有了豐碩的成果。褚慧慧[1]做了基于視覺的焊縫質(zhì)量檢測技術(shù)研究，將機(jī)器視覺技術(shù)應(yīng)用到焊縫質(zhì)量檢測中，實(shí)現(xiàn)了非接觸的高靈敏度與高精度測量，提高了檢測效率，降低了檢測成本。王立偉等人[2]對(duì)基于視覺信息的鋼板連續(xù)生產(chǎn)線激光焊接關(guān)鍵技術(shù)進(jìn)行了研究，將機(jī)器視覺融入鋼板激光連續(xù)焊接技術(shù)中，實(shí)現(xiàn)了焊縫、焦點(diǎn)的位置以及焊接速度的精確控制。王振民等人[3]利用機(jī)器視覺的方法，獲取了焊接過程中的熔池相關(guān)參數(shù)，并以此為依據(jù)對(duì)焊接過程進(jìn)行控制。但是，大部分的檢測系統(tǒng)是基于機(jī)構(gòu)光或者激光的[4-6]，需要專門的硬件設(shè)備，檢測過程相對(duì)比較復(fù)雜；且關(guān)于風(fēng)電塔筒焊縫質(zhì)量的研究相對(duì)較少。針對(duì)這些問題，本文提出一種基于視覺技術(shù)的風(fēng)電塔筒焊縫寬度檢測方法。

1 方法簡述

通過攝像設(shè)備獲取焊接件圖像，讀入圖像并采用人機(jī)交互的方式對(duì)圖像進(jìn)行選區(qū)；提取其亮度信息對(duì)圖像進(jìn)行灰度化獲得灰度圖像，采用直方圖均衡化和中值濾波對(duì)圖像進(jìn)行增強(qiáng)，中值濾波可以有效地降低噪聲，并更好地保護(hù)圖像的邊緣信息。基于視覺的焊縫寬度檢測系統(tǒng)流程如圖1所示。

使用區(qū)域生長法對(duì)圖像進(jìn)行分割獲得焊縫的二值圖，區(qū)域生長方法是根據(jù)同一物體區(qū)域內(nèi)像素的相似性質(zhì)來聚集像素點(diǎn)的方法，從初始區(qū)域（如小鄰域甚至于每個(gè)像素）開始，將相鄰的具有同樣性質(zhì)的像素或其他區(qū)域歸并到目前的區(qū)域中，從而逐步增長區(qū)域，直至沒有可以歸并的點(diǎn)或其他小區(qū)域?yàn)橹埂^(qū)域內(nèi)像素的相似性度量可以包括平均灰度值、紋理、顏色等信息。在沒有先驗(yàn)知識(shí)可以利用時(shí)，可以取得最佳的性能，可以用來分割比較復(fù)雜的圖像。

依靠形態(tài)學(xué)處理修補(bǔ)過分割區(qū)域得到焊縫區(qū)域，形態(tài)學(xué)是圖像處理中應(yīng)用最為廣泛的技術(shù)之一，主要用于從圖像中提取對(duì)表達(dá)和描繪區(qū)域形狀有意義的圖像分量，使后續(xù)的識(shí)別工作能夠抓住目標(biāo)對(duì)象最為本質(zhì)的形狀特征，如邊界和連通區(qū)域等；最后依據(jù)像素?cái)?shù)來計(jì)算焊縫寬度的各個(gè)參數(shù)。

2 仿真系統(tǒng)設(shè)計(jì)

2.1 界面設(shè)計(jì)

焊縫寬度檢測系統(tǒng)是基于Windows系統(tǒng)和Matlab 軟件開發(fā)的。軟件的界面主要包含4個(gè)區(qū)域，即命令窗口、處理結(jié)果預(yù)覽窗口、焊縫寬度曲線顯示區(qū)域與參數(shù)計(jì)算窗口。在命令窗口中集成了6個(gè)命令，分別為選擇圖片、選區(qū)、濾波、區(qū)域生長分割、形態(tài)學(xué)處理與焊縫寬度曲線命令。在執(zhí)行區(qū)域生長分割時(shí)需要人機(jī)交互確定多種子的生長位置，從而實(shí)現(xiàn)了對(duì)復(fù)雜圖像的分割。在執(zhí)行形態(tài)學(xué)處理命令時(shí)，可以認(rèn)為修正形態(tài)學(xué)處理的參數(shù)，從而進(jìn)一步優(yōu)化分割效果。

在處理預(yù)覽窗口中，可以實(shí)時(shí)查看每一步運(yùn)算的結(jié)果，在焊縫寬度曲線區(qū)域可以查看焊縫寬度的曲線，更加直觀地看到焊縫寬度的變化情況。在參數(shù)計(jì)算窗口中可以計(jì)算并查看焊縫寬度信號(hào)的各種信息，包括最大值、最小值、均值、方差等。

2.2 直方圖均衡化

對(duì)不同灰度的像素進(jìn)行統(tǒng)計(jì)，可以獲得灰度直方圖，通過改變灰度直方圖可以改變像素的灰度，進(jìn)而增強(qiáng)動(dòng)態(tài)范圍偏小的圖像對(duì)比度，直方均衡化是簡單且有效的圖像增強(qiáng)方法。

圖像的灰度直方圖是一個(gè)一維的離散函數(shù)：

2.3 中值濾波

雖然期望得到高質(zhì)量的圖像，但是由于焊接件本身或是拍攝設(shè)備與工藝等問題，得到的圖像往往會(huì)存在一些噪聲（noise） 可用公式（3） 表示圖像噪聲。

由于中值濾波屬于非線性濾波，不需要處理圖像的統(tǒng)計(jì)信息，所以運(yùn)算速度快、易于實(shí)現(xiàn)，中值濾波在一定情況下可以克服線性濾波器的細(xì)節(jié)丟失問題。算法對(duì)窗口中像素的灰度值進(jìn)行排序并采用中間灰度值來代替窗口中心像素的灰度值，如圖7和圖8所示，以此方法遍歷整個(gè)圖像，實(shí)現(xiàn)對(duì)整個(gè)圖像的降噪。

2.4 區(qū)域生長法

區(qū)域生長法是根據(jù)一定準(zhǔn)則要求將像素或（種子）聚合形成更大連通域的圖像分割方法，其基本過程是從生長點(diǎn)開始（可以為像素或區(qū)域），將符合要求的相鄰像素或者區(qū)域與生長點(diǎn)聚合從而形成新的生長點(diǎn)，然后重復(fù)此過程，直到找出所有符合要求的像素為止，算法的判斷依據(jù)可以是灰度值、紋理、顏色等圖像信息。區(qū)域生長算法關(guān)鍵有三個(gè)，即種子的選擇、要求的確定和中終止條件的確定。

如圖9所示，每個(gè)方格代表一個(gè)像素，其中數(shù)字表示該像素的灰度。以灰度值為130的像素為初始的生長點(diǎn)，記為f （i，j ）。在8鄰域內(nèi)，生長準(zhǔn)則是待測點(diǎn)灰度值與生長點(diǎn)灰度值相差小于或等于10，圖10為區(qū)域生長后的圖，然后繼續(xù)迭代，直到?jīng)]有符合生長條件的像素后停止。

2.5 形態(tài)學(xué)處理

圖像的膨脹（Dilation） 和腐蝕（Erosion） 是兩種基本的形態(tài)學(xué)運(yùn)算；如圖11所示，白色為背景區(qū)域，橙色為目標(biāo)區(qū)域，以3×3的模板遍歷整個(gè)圖像，當(dāng)中心像素8鄰域中存在背景像素時(shí)，則把其賦值為背景值；膨脹原理與腐蝕相反，當(dāng)中心像素8鄰域中存在目標(biāo)像素時(shí)，則把其賦值為目標(biāo)值，如圖11所示。

對(duì)圖像腐蝕后膨脹，可以消除圖像間的黏連平滑形狀邊界，且不改變目標(biāo)區(qū)域的面積，即為開運(yùn)算；先對(duì)圖像膨脹后腐蝕，可以閉合目標(biāo)區(qū)域內(nèi)的孔洞，連接相鄰目標(biāo)區(qū)域，修補(bǔ)間斷的輪廓等，稱之為閉運(yùn)算，如圖12所示。

3 系統(tǒng)測試

3.1 測試條件

所做實(shí)驗(yàn)采用的是Windows 11系統(tǒng)，處理器為11th Gen Intel（R） Core（TM） i5-11300H@3.10GHz，內(nèi)存（RAM） 為16.00GB，系統(tǒng)類 型為64 位，所用軟件為MATLAB 2022b。

3.2 圖像增強(qiáng)模塊測試

運(yùn)行軟件，在圖像選取窗口選擇要檢測的圖像，如13所示；在圖像選區(qū)窗口通過鼠標(biāo)選取要檢測的焊縫區(qū)域，該區(qū)域?yàn)榫匦螀^(qū)域，邊長為鼠標(biāo)左鍵按住與松開時(shí)兩點(diǎn)間水平距離與豎直距離，選區(qū)如圖14所示。采用加權(quán)平均法對(duì)圖像進(jìn)行灰度化，由于人眼對(duì)三種顏色分量方的敏感度不同，紅色、綠色和藍(lán)色較為常用的權(quán)值分別為0.3、0.59和0.11，然后對(duì)圖像進(jìn)行中值濾波，濾波后的圖像如圖15所示。

3.3 圖像分割模塊測試

運(yùn)行區(qū)域生長分割命令，在彈出的窗口選擇種子點(diǎn)，系統(tǒng)采用的是多種子區(qū)域增長法，可以一次選取多個(gè)種子，如圖16所示，選取的種子數(shù)目、位置對(duì)圖像分割的效果有較大影響，分割后的圖像如圖17所示。

3.4 形態(tài)學(xué)處理模塊測試

系統(tǒng)采用的形態(tài)學(xué)處理的結(jié)構(gòu)元素為disk，默認(rèn)大小為5個(gè)像素。用戶可以在形態(tài)學(xué)參數(shù)值輸入框中自定義結(jié)構(gòu)元素的大小，參數(shù)值的大小關(guān)系到計(jì)算結(jié)果的準(zhǔn)確程度。如果參數(shù)值選擇過大，則會(huì)造成欠分割，即會(huì)使得背景中的像素被誤分到目標(biāo)區(qū)域內(nèi)；如果選擇的參數(shù)值較小，則會(huì)造成過分割，即把目標(biāo)中的像素誤分到背景中。在本次測試環(huán)節(jié)中，結(jié)構(gòu)元素的大小為23，其處理結(jié)果如圖18所示。

3.5 焊縫參數(shù)計(jì)算模塊測試

運(yùn)行焊接寬度曲線可以獲得焊縫寬度的曲線，曲線的縱坐標(biāo)為焊縫的長度，曲線的橫坐標(biāo)為焊縫在某一位置的像素?cái)?shù)，即焊縫的寬度，如圖19所示。運(yùn)行參數(shù)計(jì)算命令，即可對(duì)焊縫寬度的相關(guān)參數(shù)進(jìn)行計(jì)算，例如最大值、最小值、均值和方差等，可以定量的描述焊縫的寬度，便于用于評(píng)價(jià)焊縫的質(zhì)量，參數(shù)計(jì)算窗口如圖20所示。

4 結(jié)論

針對(duì)目前風(fēng)電塔筒焊縫寬度檢測過程中存在的問題，設(shè)計(jì)和開發(fā)了一種基于視覺的焊縫寬度檢測系統(tǒng)。采用相機(jī)采集焊縫圖像，通過圖像處理，代替人工測量焊縫的寬度，實(shí)現(xiàn)了風(fēng)電塔筒焊縫寬度檢測的自動(dòng)化、智能化；系統(tǒng)對(duì)硬件的要求低，限制少；不依賴測量者的經(jīng)驗(yàn)與技術(shù)，實(shí)現(xiàn)了焊縫寬度的精確、穩(wěn)定測量，大大減小了人工處理過程所帶來的誤差，提高了效率。